Se pensou que manutenção prescritiva era uma gralha, não é. Entenda as diferenças entre monitorização da condição, manutenção preditiva e manutenção prescritiva.

No princípio, havia uma manutenção baseada no tempo. A manutenção preventiva era a melhor forma de evitar avarias e preservar os ativos, e ninguém o questionava. No entanto, nem sempre agia no momento ideal. Assim, ao longo do tempo, a manutenção evoluiu naturalmente para a monitorização da condição. Isto permitiu aos gestores ajustar os planos de manutenção e matar dois coelhos com uma só cajadada: avarias e sobremanutenção.

Quando apareceu, a monitorização da condição centrava-se em inspeções frequentes realizadas por técnicos altamente qualificados. À medida que os sensores se tornaram mais comuns e a IoT se desenvolveu, tornou-se rapidamente dependente de máquinas. Hoje em dia está, na sua maioria, automatizada. Se implementou sensores para controlar a vibração e a temperatura, por exemplo, pode ligá-los ao seu software CMMS ou plataforma de manutenção. Agora, com uma conectividade cada vez mais forte, a monitorização da condição em modo remoto e wireless só pode crescer.

O que é Manutenção Preditiva?

Assim que começámos a fazer uma análise avançada aos dados dos sensores, surgiu outro tipo de manutenção. O produto da monitorização da condição e da análise de dados é a manutenção preditiva (PdM). Embora algumas pessoas ainda a equiparem à monitorização da condição, a manutenção preditiva dá mais um passo em frente. Extrapola dados para extrair padrões, identificar riscos e prever quando uma avaria está prestes a acontecer, sendo frequentemente integrada com software gestão de ativos para uma abordagem mais completa.

Pode ser integrada com outros conjuntos de dados, mesmo que venham de fontes externas. A título de exemplo, algumas empresas cruzam os seus dados com dados meteorológicos. Isto acontece em indústrias com equipamento no exterior, tais como a agricultura e a extração de petróleo ou gás. O algoritmo de manutenção preditiva destas empresas tem em consideração o desgaste e deterioração causados por condições meteorológicas adversas, tais como vento forte e chuva intensa.

Esta capacidade de integração de dados diversos é potenciada quando combinada com software CAFM, que centraliza informações de diferentes fontes e permite uma visão unificada dos ativos e das suas condições operacionais.

As vantagens são inegáveis. A manutenção preditiva dá aos gestores de manutenção uma maior perceção e compreensão do desempenho dos ativos. Infelizmente, ainda implica investimentos elevados em técnicas de monitorização da condição e especialistas em dados. Assim, embora se esteja a tornar mais comum, é aplicada sobretudo a ativos críticos. Ocupa um lugar de destaque na indústria 4.0.

O que é a Manutenção Prescritiva ou RxM?

Então, o que é a manutenção prescritiva (também conhecida como RxM)? Algumas pessoas descrevem-na como “manutenção preditiva com AI”, mas é muito mais do que isso. Embora o software de manutenção já possa fazer sugestões inteligentes – temos o nosso Infraspeak Gear™ – não podemos chamar a essas sugestões uma “prescrição”. A manutenção prescritiva não se limita à previsão de falhas. Através de cenários “e se…”, faz recomendações para as evitar ou atrasar.

A manutenção prescritiva requer um sistema cognitivo que possa aprender, adaptar-se e compreender informações imprevisíveis. Combina a análise de dados de manutenção preditiva com big data, AI e machine learning. Como consequência, requer uma infraestrutura informática ainda mais forte. Vale a pena sublinhar que pode tornar-se ainda mais precisa se for integrada com dados que não são necessariamente do departamento de manutenção, mas sim de controlo de qualidade ou de engenharia.

Esta evolução tecnológica da manutenção não acontece isoladamente. Para maximizar os benefícios da manutenção prescritiva, as empresas integram-na com software gestão de facilities para uma abordagem holística que considera todos os aspetos das instalações.

Se isto parece o futuro da manutenção e da gestão de instalações, é porque é. Só que… o futuro já chegou. Algumas empresas, como a IBM, já estão a aplicar programas de manutenção prescritiva baseados na cloud. Também já existem modelos prescritivos para os sistemas de produção cibernética da Indústria 4.0. Claro que, tal como a manutenção preditiva, ainda requer investimento e aperfeiçoamento de algoritmos de deep learning.

À medida que estas tecnologias se tornam realidade, surge também a necessidade de garantir conformidade regulamentar. A implementação de manutenção prescritiva deve ser acompanhada de software gestão de compliance para assegurar que todas as intervenções cumprem as normas de segurança e regulamentações aplicáveis.

Uma empresa que teve sucesso logo no início do seu programa de manutenção prescritiva foi a ThyssenKrupp. O programa de previsão pode prever avarias de um elevador devido a um problema na porta com 5 dias de antecedência. Com base em dados, o modelo prescritivo fornece as 4 causas mais prováveis para o problema. Os técnicos conseguem resolver o problema na primeira visita em mais de 90% das vezes, o que aumenta a satisfação do cliente.

Vantagens da manutenção prescritiva

A manutenção prescritiva tem os mesmos benefícios que a manutenção preditiva. Mas melhora-os! Assim que a AI se ajustar à sua empresa, vai aperceber-se de:

Para concretizar estes benefícios, é fundamental ter as ferramentas certas. A coordenação eficaz das equipas técnicas requer software field service management que permita gerir as intervenções de forma otimizada e responder rapidamente às recomendações dos algoritmos prescritivos.

  • menos downtime não planeado;
  • maior produtividade, devido à otimização da manutenção;
  • mais rentabilidade, devido a uma maior produtividade;
  • mais colaboração virtual, visto que os dados estão disponíveis remotamente;
  • a manutenção digital prescritiva tem uma grande capacidade de expansão.

Quais são as diferenças entre manutenção preditiva e prescritiva?

Previsão vs Prescrição

Como já explicámos, a manutenção preditiva recolhe dados de monitorização da condição. Depois, deteta uma potencial avaria utilizando algoritmos avançados. A análise da vibração, por exemplo, deteta um desalinhamento cerca de 3 meses antes de causar uma avaria. No entanto, ainda exige que os gestores tomem medidas. Devem analisar os dados, decidir o que fazer, e criar uma ordem de trabalho.

Neste caso, a manutenção prescritiva cria automaticamente uma ordem de trabalho para corrigir o desalinhamento e envia-a aos técnicos. Não requer nenhuma intervenção dos gestores e supervisiona o equipamento autonomamente. Isto traduz-se numa maior disponibilidade e produtividade, para além de permitir manutenção remota.

Evitar vs Atrasar

Outra diferença é que a manutenção prescritiva analisa cenários “e se”. A manutenção preditiva deteta um risco que requer ação e intervenção humana. A manutenção prescritiva pode utilizar dados históricos e extrair padrões para fornecer cenários. Pode sugerir “reduzir a velocidade em 50% para duplicar o tempo que o ativo levará a avariar”, o que é útil se houver baixa disponibilidade de peças.

A implementação bem-sucedida da manutenção prescritiva exige também uma gestão eficiente dos recursos. Pode sugerir “reduzir a velocidade em 50% para duplicar o tempo que o ativo levará a avariar”, mas isso só é útil se houver software gestão de stocks que garanta a disponibilidade das peças necessárias quando chegarem.

É como se a manutenção prescritiva pudesse executar um plano de fiabilidade de forma autónoma. Mesmo em casos menos simples, os gestores podem escolher o cenário que tenha menos impacto na produtividade ou na segurança das instalações. Podem também utilizar estes algoritmos para prever custos e necessidades. Não é de surpreender que os pioneiros na implementação deste tipo de manutenção estejam a adotar abordagens centradas nos resultados.

A evolução natural da manutenção

No princípio, havia uma manutenção preventiva baseada no tempo. Depois, a monitorização da condição sincronizou-nos com o relógio dos ativos. Mais tarde, decidimos analisar esses dados e levar as coisas um pouco mais além com uma análise avançada. Tínhamos criado a manutenção preditiva. Agora, é tempo de evoluir mais uma vez. 

À medida que a machine learning e a AI prosperam, estamos a desenvolver algoritmos e modelos cada vez mais precisos. A manutenção prescritiva considera todos os dados disponíveis para “prescrever” ações e melhorar a fiabilidade e a produtividade. Embora ainda num estado embrionário, é a evolução natural da manutenção!