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 à sua 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.

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.

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.

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.

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:

  • 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.

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!