Não há nenhum gestor de manutenção que não gostasse de prever quando é que uma avaria vai acontecer. Mas como? A IoT deu uma ajuda. Recorrendo a sensores e novas tecnologias que monitorizam sinais de deterioração e alterações no desempenho das máquinas, os gestores podem estimar quando é que vai ocorrer uma falha. E assim nasceu um novo tipo de manutenção, a manutenção preditiva.
O que é a manutenção preditiva?
A manutenção preditiva é uma estratégia de manutenção proativa, cujo objetivo é evitar avarias. Consoante os dados recolhidos e algoritmos preditivos pré-definidos, tenta estimar quando é que uma avaria vai ocorrer. Depois, as atividades de manutenção são programadas com base nessas previsões.
Agora, precisamos de fazer um pequeno parêntesis. A manutenção preditiva é muitas vezes confundida com a manutenção com base na condição, mas há uma nuance importante que as distingue. Enquanto a manutenção preditiva programa as tarefas com base nos dados recolhidos e em fórmulas, a manutenção baseada na condição só age quando esses parâmetros atingem níveis alarmantes.
⚙️ Entenda a diferença entre a manutenção preditiva e a manutenção baseada na condição.
Como funciona a manutenção preditiva?
Em teoria, é fácil perceber como é que a manutenção preditiva funciona. Reúne informação sobre os seus ativos, e a partir daí extrai informações que lhe permitem calcular quando é que precisa de fazer manutenção. Na prática, podemos dividir o processo em três etapas:
Recolha de Dados (data collection)
Como já vimos, a ideia é prever quando uma avaria vai ocorrer. Como isso depende de obter dados de qualidade, o primeiro passo é instalar sensores capazes de recolher informação em tempo real sobre o desempenho e a ‘saúde’ do equipamento.
Os dados que estes sensores precisam de medir e recolher dependem das técnicas que pretende usar para monitorizar o equipamento. Pode controlar a vibração, temperatura, pressão, o nível de ruído ou os níveis de corrosão, entre outros, segundo o que for mais indicado para o seu equipamento. Vamos explorar diversas ferramentas de manutenção preditiva daqui a pouco.
Prospeção de dados (data mining)
Acumular dados sobre os seus ativos não serve de nada se não souber como os explorar. É a Internet das Coisas (IoT) que permite que os sensores enviem toda a informação para um sistema central ou software que lhe permite analisar o que se está a passar. A manutenção preditiva é muito mais eficaz, e muito mais cirúrgica, em sistemas onde os diversos ativos estão integrados.
Cálculos e “Machine Learning”
Algumas pessoas podem acreditar que a manutenção preditiva fica por aqui. Mas se só estiver a agir quando os sensores detetam anomalias, está apenas a executar manutenção baseada na condições – tal como vimos acima. A componente mais diferenciadora da manutenção preditiva é construir e aplicar algoritmos que ofereçam um prognóstico.
No início, pode basear-se no histórico do equipamento, logs de manutenção e estatísticas. No entanto, à medida que a Inteligência Artificial fica cada vez mais sofisticada, é possível detetar anomalias ainda mais cedo, encontrar correlações e receber sugestões inteligentes para prevenir uma avaria. Esta manutenção inteligente está a dar origem a um novo tipo de manutenção, a manutenção prescritiva.
Ferramentas de Manutenção Preditiva, Aplicações e Exemplos
A ideia é programar a manutenção consoante as condições detetadas. Por isso, é importante encontrar testes não destrutivos (NDT, do inglês non-destructive testing) indicados para diagnosticar falhas dentro da infraestrutura e avaliar a saúde do activo, de preferência enquanto está em funcionamento.
Os testes não destrutivos são técnicas que não comprometem nem danificam o equipamento, tal como os testes de rotina no médico. Análises ao sangue, ecografias, cardiogramas, exames oftalmológicos: nenhum deles deixa mazelas, mas fazem parte de qualquer check-up.
Entre as técnicas mais avançadas de manutenção preditiva estão a análise de vibração, análise de óleo, acústica, testes de infravermelho ou imagem térmica (termografia) e a análise de circuito de motores (em inglês, motor circuit analysis).
Análise termográfica e análise de infravermelhos
- aplicações: conexões e sistemas elétricos, sistemas de aquecimento, analisar fluídos, padrões de descarga, manutenção de coberturas
A análise termográfica consegue detetar desgaste, corrosão, delaminações e desconexões que ainda não conseguimos ver a olho nu.
A vantagem dos infravermelhos é que permitem fazer mapas de temperaturas, inclusive à distância. Esta técnica é usada, por exemplo, na manutenção de sistemas de aquecimento. As variações de temperatura são úteis para avaliar a condição de motores e componentes mecânicos, elétricos, o isolamento do edifício e até o estado dos painéis solares. A grande desvantagem é que não pode ser utilizada em superfícies refletoras.
🤖 No futuro, a análise de temperatura ao CPU será uma das principais formas de testar a saúde dos robots.
Análise de circuitos do motor
- aplicações: avaliar a degradação do motor, o alinhamento do eixo e do rotor, o isolamento, as engrenagens, despistar curto-circuitos
A análise de circuitos do motor usa uma técnica conhecida como electric signature analysis (ESA), ou análise de assinatura elétrica em Português, para encontrar anomalias em motores elétricos. Além de analisar o circuito e as componentes, avalia a voltagem e a corrente que entram no motor. Não menos importante: funciona em motores AC e DC e pode ser utilizada enquanto o equipamento está a funcionar.
Análise de óleo
- aplicações: turbinas, sistemas hidráulicos e eletro-hidráulicos, avaliar motores, transmissões, engrenagens e os níveis de lubrificante
O objetivo da análise de óleo é testar a viscosidade, a quantidade de água e a presença de outros materiais, incluindo metais, para determinar o desgaste do equipamento.
Tenhamos em conta um sistema hidráulico que consiste em duas componentes base, as partes móveis e o lubrificante. À medida que o equipamento se desgasta, a amostra vai mostrar partículas produzidas pelo sobreaquecimento e pelo processo de oxidação.
Diferentes partículas revelam diferentes anomalias em diferentes componentes. Por exemplo, a presença de silicone acima das 15 ppm pode indicar que o isolamento se está a desgastar, enquanto o sódio pode denunciar contaminação com água salgada. Siga um guia de metais (página 71, informação em inglês) quando estiver a usar o espectómetro.
Análise de vibração
- aplicações: testar o alinhamento das componentes, despistar desequilíbrios, folgas, ressonâncias, falhas de engrenamento
Este tipo de análise é ideal para equipamentos e máquinas rotativas, como compressores, bombas de água e motores. Portanto, esta técnica de manutenção preditiva é ideal para infraestruturas com um sistema de fornecimento de água complexo, como hotéis, spas ou parques aquáticos.
O que fazemos é ligar um sensor capaz de detetar movimentos ou aceleração, conforme o caso. O sensor deteta a velocidade e a frequência das ondas de som criadas pelo movimento, que por sua vez geram impulsos elétricos e fazem vibrar o equipamento.
Análise acústica
- aplicações: tubos e canalizações, condensadores, sistemas de vácuo, ventoinhas, compressores de ar
Já vimos acima que as ondas de som são nossas aliadas. A análise acústica permite detetar problemas na performance técnica dos materiais, localizar a fonte do problema e monitorizar a “saúde” do equipamento. Como? Ao detetar diferenças nas frequências de som.
Todas as máquinas em funcionamento fazem barulho, mas a frequência e amplitude mudam quando há fugas ou mudanças de pressão, por exemplo. Esta é uma técnica de manutenção preditiva especialmente eficaz em tubagens que transportam líquidos ou gás. Algumas ferramentas mais modernas incorporam termómetros e câmaras para aprofundar a análise à distância.
A manutenção preditiva resolve todos os males?
A manutenção preditiva nasceu para evitar avarias, mas não tenhamos ilusões. Vai sempre haver falhas aleatórias, que são impossíveis de prever ou prevenir. Além disso, não nos podemos esquecer que a manutenção preditiva exige uma grande infraestrutura. Por isso, a manutenção preditiva só é recomendável para ativos críticos e com modos de falha previsíveis.
Vantagens da manutenção preditiva
- A principal vantagem da manutenção preditiva é agir atempadamente, o que diminui o downtime e aumenta a disponibilidade dos ativos.
- Como a manutenção é programada consoante as necessidades, evita desperdícios de stock e mão-de-obra em manutenção desnecessária.
- Ao reduzir as reparações de emergência e os desperdícios que mencionamos acima, contribui para controlar melhor o orçamento de manutenção.
- O downtime programado é planeado com antecedência, o que permite agilizar melhor a manutenção e a atividade normal da empresa.
- Utilização ótima do equipamento durante todo o ciclo de vida.
⚙️ A manutenção preditiva também é um alicerce da manutenção lean e da produção ‘just-in-time’.
Desvantagens da manutenção preditiva
- A necessidade de investir em equipamentos de monitorização específicos, bem como de treinar pessoal para os usar e interpretar os dados recolhidos.
- Para ativos com pouca criticidade, a manutenção preditiva pode não oferecer uma grande poupança em relação às alternativas.
- Não é indicada para ativos com modos de falha aleatórios ou sem dados iniciais para prever avarias (nestes casos, é preferível começar por manutenção baseada na condição e ir fazendo a transição).
A manutenção preditiva vale a pena o investimento?
Já mencionamos que o custo de implementação é elevado, mas mesmo assim a manutenção preditiva tem um ROI elevado, que pode chegar a ser 10 vezes o investimento. Um estudo feito pelo Departamento de Energia dos Estados Unidos em 2010, quando a instalação de sensores era ainda mais dispendiosa do que agora, aponta para reduções de 25-30% nos custos com manutenção, 35-45% menos downtime e 70-75% menos avarias.
Em comparação com a manutenção reativa, resultava em poupanças de 30-40%. Em comparação com a manutenção preventiva, obtinham-se poupanças entre os 8-12%. Segundo a metodologia RCM (reliability-centered maintenance ou manutenção centrada na confiabilidade/fiabilidade), o ideal é que 45-55% da manutenção seja preditiva, 25-35% preventiva e apenas 10% reactiva ou correctiva.
A Deloitte, num estudo de 2017, é menos optimista. Ainda assim, a manutenção preditiva é muito promissora. Este estudo sugere que o uptime vai aumentar em 10-20% e os custos com manutenção vão reduzir em 5-10% na Indústria 4.0. O planeamento de manutenção pode demorar menos 20-50% de tempo.
Tendo em conta as vantagens e desvantagens que mencionamos acima, podemos generalizar que a manutenção preditiva compensa o investimento para:
- empresas com muitos gastos operacionais e muito capital investido;
- empresas em que o downtime implica um grande prejuízo;
- empresas com ativos cujas avarias são um risco de segurança.
Portanto, não é surpreendente que um setor pioneiro na manutenção preditiva tenha sido a aviação. A previsão de falhas é usada tanto durante o voo – com a monitorização da temperatura e das vibrações do motor para evitar acidentes – como em terra, para diminuir atrasos e cancelamentos.
Outro dos setores que mais tem aderido à manutenção preditiva é a indústria. É fácil perceber porquê: uma paragem na produção pode causar prejuízos enormes. Nos próximos anos, é provável que também ganhe maior expressão na gestão de frotas, na saúde, indústria mineira, na extração e produção de energia.
Como planear a manutenção preditiva em 4 passos
Se já decidiu investir em manutenção preditiva na sua empresa, recapitule os 4 passos que precisa para a implementar:
Identificar ativos críticos.
O primeiro passo é identificar os ativos prioritários para incluir na estratégia de manutenção preditiva. Priorize ativos críticos para as suas operações e ativos com custos elevados de reparação.
Reúna informação sobre o histórico dos ativos e os modos de falha.
O segundo passo é reunir a informação necessária para conseguir transformar os dados que recolhe em ações. Se já tiver um software de gestão de manutenção é mais fácil organizar o histórico e desenvolver os primeiros algoritmos. Ao mesmo tempo, é conveniente estabelecer os modos de falha e a probabilidade de ocorrerem.
Implemente sensores para monitorizar a condição.
Agora que já definiu prioridades e modos de falha, pode começar a implementar os sensores. Nos equipamentos novos costuma ser um processo simples, mas pode ser mais complicado em máquinas mais antigas. Investigue com o fabricante a melhor forma de integrar modelos antigos com novas tecnologias.
Teste e experimente a manutenção preditiva.
Teste o funcionamento dos sensores e a precisão dos algoritmos apenas em algumas máquinas, seguindo um ciclo PDCA. Quando estiver a conseguir programar a manutenção e a cumprir os seus objetivos, expanda esta estratégia a outras máquinas!
A manutenção preditiva já é uma estratégia que dá frutos e retorno para muitas empresas. No futuro, à medida que a IoT e a transformação digital se instalam, será ainda mais dominante, acessível e eficaz a prever avarias.
Contudo, há uma coisa que é clara: a manutenção preditiva beneficia de sistemas inteligentes e integrados, tais como os que as Plataformas de Gestão de Manutenção Inteligente proporcionam. Fale com um dos nossos especialistas para perceber como é que a Infraspeak apoia as suas operações, hoje e no futuro!
