Monitoramento de máquinas e manutenção preditiva na indústria | Venturus

Monitoramento de máquinas e manutenção preditiva na indústria

Compartilhar no facebook
Compartilhar no linkedin
Compartilhar no whatsapp

Se existe algo que podemos dizer com certeza sobre máquinas é que elas, mais cedo ou mais tarde, vão falhar e causar problemas. Máquinas possuem sistemas mecânicos, elétricos e eletrônicos que se desgastam e podem falhar com o tempo e uso. Estas falhas podem ser agravadas por diversos motivos, como: erro do operador (fator humano), uso inadequado, consumíveis de baixa qualidade (correias, brocas, lubrificante, etc.) ou ciclo de trabalho fora das especificações do fabricante. A manutenção das máquinas é crucial para que estas não parem além do necessário e a produção continue normal. A norma ABNT NBR 5462:1994, que trata da confiabilidade e mantenabilidade, define três tipos de manutenções:

  1. Manutenção corretiva: a mais comum na indústria, ocorre após a falha, reagindo à ocorrência. Neste caso, é preciso providenciar o conserto da máquina no menor tempo possível, para que a produção volte ao normal;
  2. Manutenção preventiva: feita em intervalos programados, buscando reduzir a probabilidade de falhas com a verificação do funcionamento das máquinas, medição e correção de desvios e troca de itens com desgastes e propensos a falhas. O objetivo com esse tipo de gestão de manutenção é reduzir a necessidade de manutenções corretivas futuras;
  3. Manutenção preditiva: a abordagem mais moderna, na qual são coletados dados do funcionamento do maquinário durante seu uso normal. Desvios nos dados coletados podem indicar uma falha iminente ou futura. O objetivo é reduzir a manutenção preventiva ao mínimo e diminuir a manutenção corretiva.

Na técnica de manutenção preditiva, surge o novo conceito de monitoramento de máquinas (machine monitoring, em inglês), que significa prover sensoriamento do maquinário para gerar os dados e aplicar ferramentas à análise destes dados, para prever falhas ou melhorar seu desempenho. A definição de quais sensores serão usados e quais análises serão feitas depende das características da máquina a ser monitorada e do processo produtivo em que ela é usada.

Monitoramento de máquinas

Existe uma curva de aprendizado para que a coleta e análise tenham efeito na diminuição da necessidade de manutenções preventivas e corretivas. Quando um funcionário é contratado para operar uma máquina que realiza um determinado processo na indústria, leva algum tempo até que ele se adapte ao processo e operação do equipamento. Com o tempo, ele aprende o comportamento da máquina e pode, com base em barulhos diferentes ou vibrações em alguns pontos do equipamento, apontar os problemas no maquinário antes que eles ocorram.

O monitoramento de máquina funciona de forma muito parecida ao funcionário recém-contratado. Primeiro, implantamos sensores em pontos pré-determinados, para a coleta dos dados. Enviamos esses dados para que sejam registrados com a máquina em funcionamento normal por algum tempo e usamos esses dados para análises comparativas futuras (aprendizado). Após algum tempo, temos condições de saber, a partir dos dados coletados, o comportamento normal da máquina.

Depois, assim como o funcionário ouvindo um barulho diferente vindo da máquina percebe algo estranho, a análise comparativa do monitoramento indica que algo errado — uma falha — está para acontecer.

Como os sensores ficam conectados diretamente às máquinas, monitorando pontos importantes durante todo o processo, mais dados são coletados, formando um histórico mais completo e detalhado do funcionamento do equipamento. Com eles, a equipe cria um programa de manutenção preventiva capaz de agendar as checagens com mais precisão.

Como funciona o monitoramento de máquina

Os tipos de sensores que serão empregados dependem do equipamento a ser monitorado. Como motores elétricos estão presentes em praticamente todas as máquinas, o mais comum é o uso de sensores nas linhas de alimentação de energia, medindo a tensão e a corrente elétrica consumida.

Analisando o consumo de corrente do motor, podemos detectar ruídos, picos ou desbalanceamentos nas fases. Esses dados podem indicar que algo está errado na máquina. Uma sobrecarga mecânica no motor, por exemplo, causa o aparecimento de variações no consumo de energia, que, por sua vez, podem ser vistas e analisadas para indicar que o equipamento precisa de manutenção.

Esses tipos de sinais também podem começar com pequenos valores e crescer com o tempo, algo que pode ser acompanhado pelo monitoramento e sinalizado a um técnico quando as variações ultrapassarem um valor previamente determinado. Nesse tipo de situação, a equipe tem tanto o dado que causou o alarme quanto o histórico do crescimento progressivo dos sinais do equipamento, que também pode ser analisado para indicar o funcionamento das máquinas.

Mais recentemente, tornou-se comum também o uso de acelerômetros para o monitoramento de vibrações. Um acelerometro mede as variações, mesmo que muito pequenas, na aceleração de um ponto especifico nos três eixos do espaço (X, Y e Z). Qualquer movimento, em qualquer direção, gera uma variação nos valores lidos pelo sensor. Em funcionamento normal, o comportamento da aceleração é conhecido e registrado. Dessa forma, desvios podem ser detectados e analisados com mais facilidade.

Alguns processos industriais mais específicos podem fazer uso de outros sensores, como sensores de temperatura em máquinas injetoras de plástico. O controle de temperatura nos moldes é um processo fundamental para evitar falhas, pois possíveis falhas futuras podem ser previstas, caso a curva de temperatura nos moldes sofra alguma mudança com o tempo.

Máquinas mais modernas normalmente já possuem os sensores integrados e entregam os dados através de uma porta Ethernet, USB ou outro formato. Mas qualquer máquina pode ser monitorada, desde que seja feito um estudo dos melhores pontos e tipos sensores que serão empregados. Neste caso, também é necessário instalar um sistema eletrônico para a coleta dos dados dos sensores e envio dos dados para análise. Com a miniaturização dos sensores, até ferramentas elétricas menores podem ser monitoradas, como furadeiras e parafusadeiras manuais.

Uma vez capturado os dados, eles devem ser enviados para análise externa. A maneira mais simples é colocar estes dados em uma tela (dashboard) para visualização. Neste caso, um membro da equipe de manutenção pode monitorar e verificar desvios nos valores lidos através de gráficos ou tabelas, comparando-o ao histórico anterior de leituras das máquinas.

Esta função pode também ser automatizada, com um software fazendo a análise — desde simples comparação aos dados de funcionamento normal da máquina até análises com tecnologias como aprendizado de máquina e inteligência artificial para prever tendências de falhas. Como os dados são colhidos por muito tempo, cria-se uma boa base de dados (dataset) com o comportamento normal da máquina. Cada desvio detectado pode indicar uma falha, que deve ser checada com uma manutenção preventiva e, depois, catalogada e detalhada na base de dados — criando uma realimentação positiva no processo.

Com o tempo e o aprendizado do algoritmo, os desvios serão interpretados pelo próprio sistema de monitoramento e este indicará qual a possível falha, como resolver e o que será necessário de material para a manutenção.

Conclusão

O monitoramento de máquinas veio para complementar e aumentar a produtividade das equipes de manutenção, que passam a contar com meios de analisar e prever falhas antes que elas aconteçam. A equipe pode agendar melhor as manutenções preventivas e diminuir as manutenções corretivas.

A análise de dados automática, feita por Inteligência artificial e aprendizado de máquina, criam um histórico das possíveis anormalidades da máquina, sua provável causa e as diretivas para correção. Os responsáveis pela manutenção podem executar seu trabalho de forma mais rápida, pois já sabem de antemão o que devem trocar ou ajustar para que a máquina volte a seu funcionamento normal.

Além da predição de falhas, o monitoramento de máquina também permite descobrir oportunidades de melhorias. Usando o histórico do comportamento monitorado do maquinário, é possível executar testes com consumíveis (lubrificantes, por exemplo) de marcas e modelos diferentes e, através de comparação, verificar qual tem o melhor desempenho.

Veja mais
Bitnami