Quem já dirigiu um veículo sabe por experiência que alguns problemas mecânicos são encontrados pela audição ou tato. Por exemplo, a vibração do volante pode significar que as rodas estão sem balanceamento, enquanto o som agudo de uma frenagem pode indicar que as pastilhas de freio estão gastas.
Esses exemplos mostram que é possível validar a saúde de um equipamento por sensoriamento e, neste artigo, falaremos sobre a análise de vibração de máquinas industriais como fonte de informação para manutenção preditiva.
Tecnologias como automação e aprendizado de máquina estão sendo inseridas no cenário industrial de forma muito veloz. Um dos grandes destaques conquistados por esse avanço tecnológico é permitir que equipamentos funcionem por longos períodos sem quebras.
Essa é uma das consequências da manutenção preditiva aplicada no sistema industrial, feita com o uso de sistemas de análise de dados. Dessa forma, é possível prever falhas em máquinas antes que elas ocorram e evitar paradas não programadas, reduzindo custos de manufatura — seja com material, ferramentaria ou trabalhadores. A imagem abaixo mostra onde a manutenção preditiva se encaixa no motor de manutenções de uma indústria:
Uma das principais técnicas utilizadas mundialmente no contexto de manutenção preditiva é a extração de dados de vibração de máquinas. As informações obtidas através desses dados permitem identificar, prever e prevenir falhas em máquinas rotativas.
As vibrações são movimentos oscilatórios de um equipamento em torno de sua posição de equilíbrio. Acontece que as partes rotacionais de uma máquina geram vibrações em frequências que permitem identificar seu padrão de oscilação. Qualquer alteração na amplitude ou frequência do sinal pode indicar que a desempenho ou qualidade do equipamento está em risco. O desgaste ocorrido pelo atrito mecânico altera as características dessa oscilação, permitindo detectar a existência de uma anomalia.
Qualquer máquina que possui um elemento rotativo pode ser monitorada. Hoje em dia, os principais equipamentos colocados sob sensoriamento são:
- Ventiladores
- Bombas
- Engrenagens
- Turbinas
- Conveyors
- Compressores
Tipos de Sensores
O que define o tipo de sensor a ser aplicado em uma máquina para a análise vibratória é a sua natureza. Uma máquina que vibra em baixa frequência apresenta baixo índice de amplitude, situação ideal para o uso de um sensor de deslocamento. Um equipamento que vibra em média frequência pode ser monitorado por um sensor de velocidade. Já máquinas que vibram em alta frequência precisam de um acelerômetro para detectar a elevada amplitude gerada pelo seu movimento. O gráfico abaixo mostra a região de atuação desses sensores:
O sensor mais utilizado para análise de vibração é o acelerômetro. Sua característica eletromecânica permite medir a vibração de máquinas e converter esse efeito em uma tensão proporcional à força “g” (unidade gravitacional terrestre). Além disso, ele permite que dados de média e baixa frequência também sejam extraídos.
A instalação adequada do sensor nas máquinas é essencial para a garantia de dados com qualidade. Os cabos, conectores e base de montagem devem ser robustos para suportarem variação de temperatura e umidade. Normalmente, a fixação é feita por parafusos na carcaça da máquina, mas também é possível fixar sensores por elemento magnético ou adesivo.
Tipos de falhas
O elemento rotativo das máquinas tem vida útil e esse parâmetro é avaliado com base na fadiga do material e no desgaste nas superfícies de rolamento. No entanto, há casos em que o material se deteriora antes do prazo estabelecido devido a fatores como a deformação plástica, corrosão, salmoura, lubrificação deficiente, instalação incorreta ou até projeto impreciso. Existem vários tipos de falhas que podem ser detectados em máquinas rotativas através das técnicas de análise de vibração:
- Desgaste em rolamentos
- Afrouxamento mecânico
- Cavitação
- Eixo empenado
- Estator ou rotor com falhas elétricas
- Ressonância
- Lubrificação deficiente
- Folga de buchas
- Falta de alinhamento ou desbalanceamento
- Desgaste em engrenagens
Detecção de falhas
A análise dos dados dos sensores é normalmente feita no espectro de frequência. É comum aplicar a transformada rápida de Fourier (FFT) às amostras do sensor do acelerômetro para verificar a amplitude do sinal em um intervalo de frequência. Essas amostras podem ser entendidas como laudos de saúde das máquinas. Um equipamento em pleno funcionamento apresenta indicadores em intervalos conhecidos. Quando esses indicadores fogem da faixa conhecida, entende-se que há indícios de que a máquina não está operando corretamente.
A figura abaixo apresenta como essa análise pode ser feita. No gráfico inferior, mostra-se os dados recebidos do acelerômetro ao longo de uma janela de tempo apenas para referência visual desse sinal. No gráfico superior, mostra-se a FFT desse sinal, representado na escala de frequência por amplitude:
É possível notar alguns picos em determinadas faixas de frequência. Normalmente, o pico de maior amplitude é conhecido como frequência fundamental, na qual há a maior concentração de energia causado pela vibração da máquina. Os outros picos de menor amplitude são conhecidos como harmônicas, que também indicam geração de energia em mais faixas de frequência.
O gráfico também pode ser entendido como uma digital ou identificador do comportamento da máquina. As colunas em cor verde definem os limites de amplitude que aprovam o estado do equipamento. As colunas em vermelho são regiões de amplitude em que uma notificação ou alarme devem ser enviados aos técnicos para informar condição anormal de operação.
Prevenção de Falhas
Além da detecção de falhas, o monitoramento constante de máquinas pode ser expandido, levando ao conceito de prognóstico estimando do estado futuro de componentes sujeitos a falha. Esse prognóstico permite definir o estado de dano futuro e não apenas a detecção do estado de dano atual. O estado de dano é definido através do cálculo da probabilidade de falha como uma função de tempo de uso futuro.
Um sistema preditivo de falhas robusto deve ser composto por um detector de falhas em tempo real e de um prognóstico de falhas futuras. A detecção de falhas é um campo mais maduro, devido à grande capacidade computacional e da tecnologia de sensores para medir vibrações. Já o prognóstico acaba sendo mais desafiador, em decorrência do comportamento não linear das falhas e das incertezas no sistema de predição futura, consequência da falta de medições diretamente relacionadas à dinâmica das falhas.
Nesse artigo é possível entender com mais detalhes as técnicas de predição por aprendizado de máquina, que são a base para um prognóstico de falhas. O conjunto prognóstico e detecção de falhas permite a construção da chamada curva PF (do inglês, potential failure ou falha potencial), que pode ser usada no planejamento e controle de manutenção eficiente.
Investimento
O diagnóstico preditivo de falhas em equipamentos industriais impacta diretamente na redução dos custos de operação. Prolongar a vida útil de máquinas e garantir robustez na cadeia produtiva permite que novos investimentos sejam feitos no chão de fábrica.
De modo geral, o investimento em manutenção preditiva acaba sendo elevado porque exige pessoas qualificadas e sistemas inovadores que envolvem tecnologias emergentes, como aprendizado de máquina e inteligência artificial. Quando se trata do gerenciamento da ferramenta de análise de vibração, os principais cenários são:
- Interno: A empresa compra uma solução de mercado que inclui o software de gerenciamento e sensores conforme necessidade. Ela também contrata um funcionário qualificado para estudar as máquinas, definir pontos críticos e locais de instalação dos sensores. Treinar um colaborador para gerenciar a ferramenta também é uma opção. Nesses cenários, os custos podem se tornar mais elevados devido aos gastos com RH e manutenção do sistema;
- Terceirizado: A empresa contrata um terceiro responsável por monitorar as máquinas. O terceiro pode analisar o cenário industrial, oferecer um estudo dos pontos críticos e orçar um valor mensal para fazer monitoramento remoto das máquinas. Essa solução é muito utilizada nos dias atuais.
Internalizar uma equipe de manutenção preditiva e investir em equipamentos de coleta, análise e gerenciamento de vibração é de grande viabilidade para empresas de grande porte. A garantia de alta disponibilidade da cadeia produtiva reflete diretamente na competitividade frente ao mercado e também na qualidade dos produtos desenvolvidos. No entanto, o cenário de uma empresa de pequeno porte é outro. É uma tendência hoje investir em terceiros devido ao elevado custo de se manter uma equipe desse porte internamente.
