Manutenção preditiva é uma aplicação incrível para IIoT?

Manutenção Preditiva: Uma parada inesperada pode custar milhares de euros, mas a perda de produtividade pode custar milhões.

manutencao-preditiva

Manutenção preditiva ou baseada em condição é uma aspiração para clientes industriais e iniciativas de Indústria 4.0. Complementar ou até mesmo substituir manutenções ineficientes, baseadas em cronogramas, com software promete reduzir falhas de equipamentos e paradas não planejadas, melhorar a segurança e aprimorar linhas de produção na era de preços instáveis e orçamentos incertos.

Pense em uma indústria química. Uma parada inesperada pode custar milhares de euros, mas a perda de produtividade pode custar milhões. Um gerente de uma empresa farmacêutica me disse, no início deste ano, que sua empresa perdeu uma batelada inteira de produção, um valor em torno de €200.000, por causa de um vazamento em uma válvula. Se o problema de montagem tivesse sido detectado antecipadamente, uma nova válvula – que custa €1000 – poderia ter sido instalada antes do problema acontecer.

A força motriz por trás dessa mudança tem sido os avanços implacáveis em armazenamento de dados, semicondutores, software e redes. Agora é economicamente e tecnicamente viável integrar funcionalidades de TI em uma gama muito maior de dispositivos ou ambientes e alcançar resultados significativos.

Procedimentos de manutenção baseados em dados podem ser muito mais eficientes. Perda de água por conta de vazamentos é um grande problema para empresas de saneamento em praticamente todo lugar no mundo. Essas empresas são, muitas vezes, cronicamente subfinanciadas e muitas cidades estão lidando com infraestruturas que foram instaladas décadas atrás. Através do correto monitoramento das redes é possível reduzir drasticamente a quantidade de água desperdiçada.

A onipresença da conectividade está permitindo às empresas tocarem nos vastos armazenamentos de dados operacionais que elas já possuem mas não usam em todo o seu potencial. A McKinsey & Co. estimou que menos que 1% dos dados de aproximadamente 30.000 sensores em uma plataforma de petróleo são visualizados para tomadas de decisão.

Apesar disso, a manutenção preditiva é provavelmente mais prevalente em apresentações de PowerPoint que nos chãos de fábrica. Parte disso pode ser atribuido a uma cautela inerente, é fato que as indústrias precisam ser um pouco conversadoras. “Mexa-se rápido e quebre coisas” pode funcionar para empresas de software, mas em uma fábrica ou em uma plataforma em alto mar essa pode ser uma receita desastrosa.

Porém, existe outra razão. A indústria tecnológica – até hoje – vem sendo eficaz em destacar seus “killer apps”, isto é, uma aplicação que desencadeia uma adoção generalizada. As “killer apps” são absolutamente essenciais na tecnologia. Computadores pessoais surgiram na década de 1970 e foram voltados para hobbistas. Depois que planilhas e aplicativos de processamento de texto foram inventados, o tsunami de computadores atingiu o mercado empresarial.

Manutenção preditiva em muitas formas parece ser destinada a ser uma “killer app”. Os ganhos a partir desses sistemas são obvios. Procedimentos de manutenção podem ser incorporados em um procedimento existente sem requerer que as empresas tenham que repensar nos processos fundamentais de manufatura. Os custos e benefícios também podem ser monitorados com um alto grau de especificidade.

Aplicações industriais também são muito complexas por natureza e o desafio alcançar o “plug and play” ideal é maior. Mesmo assim, nós estamos chegando perto desta meta. Na Petronas Carigali, conglomerado estatal de petróleo e gás da Malásia, o departamento de upstream estava experimentando falhas de equipamentos inesperadas e repetitivas em algumas de suas plataformas em alto mar. Uma única parada pode durar dias e custar milhões de dólares. Quando problemas ocorriam, engenheiros tinham que voar de helicóptero para a plataforma para determinar a causa da falha.

Ligando os muitos equipamentos de suas plataformas em alto mar a uma infraestrutura de streaming de dados, engenheiros puderam reconhecer antecipadamente sinais de falhas e, assim, evitar problemas maiores. Adicionalmente, a massa de dados coletada permitiu que eles isolassem a causa raíz do problema, que era diferente da originalmente antecipada. A Petronas estima que uma melhor compreensão dos dados operacionais preveniu cinco paradas apenas no primeiro ano.

A Syncrude, que opera duas minas de areias betuminosas em Alberta, adotou uma estratégia similar para seus 136 veículos grandes no Canadá. Em ensaios, a Syncrude monitorou 44 variáveis em 80 diferentes tratores. Alguns dos parâmetros incluíam temperatura do fluido refrigerante, o superaquecimento da frenagem, a diluição do óleo do motor e falhas de injeção. A Syncrude pôde também monitorar a localização da carga para determinar se a areia betuminosa, que congela durante o inverno, estava sendo carregada e despejada devidamente. Os dados foram gerados a uma frequencia de 1716 eventos por segundo.

Os resultados:

  • A Syncrude estima que a manutenção preditiva permitiu a economia de $16,75 por hora por caminhão. Isto é, $20 milhões por ano apenas em manutenção.
  • A empresa realizou uma análise detalhada em um motor que estourou antes do início dos testes. A análise mostrou que o sistema vinha emitindo avisos de “falha no injetor do motor” duas semanas antes do incidente. Os dados estavam lá. Também foi emitido um alarme de “diluição do óleo do motor” 2,5 dias antes, um alarme crítico que gera uma ordem de serviço imediata. Apenas um motor novo custou $900.000. Incluindo tudo, perda de produtividade e tempo técnico de subtituição do motor, pode custar de $1,2 milhões a $3,3 milhões.
  • Dados durante o ensaio mostraram como funcionários não estavam seguindo as instruções de despejo de carga. Isto pode fazer com que traseira do caminhão levante e caia, repentinamente, causando graves lesões de compressão medular. Uma vez que isso pôde ser detectado em tempo real, a Syncrude conseguiu enviar avisos aos funcionários quando despejos inadequados ocorriam. Incidentes com descarregamentos inadequados reduziram em 85%.

A Syncrude está agora expandindo o programa para coletar 6600 varíaveis de sua frota inteira (131 transportadoras de longa distância e 5 escavadeiras).

Talvez ainda mais importante, fabricantes de equipamentos e provedores de serviços estão desenvolvendo ofertas “como um serviço” que efetivamente permitem que seus clientes consigam os benefícios da manutenção preditiva sem que eles tenham que comprar ou gerenciar softwares. De fato, se você falar com fabricantes de equipamentos e provedores de serviços, você vai descobrir que praticamente todos eles estão tentando descobrir meios de adicionar software e/ou hardware a produtos já existentes que vão permitir aos fabricantes, provedores de serviços e usuários finais estarem em constante comunicação entre si (ou, mais precisamente, permitir os sistemas deles estarem em contato entre si).

Manutenção preditiva pode estar demorando mais que o esperado, mas nos próximos cinco anos você pode ver isto avançar mais rápido que o esperado.

Por Christoph Papenfuss

Leia também

Indústria Hoje

Indústria Hoje

Indústria Hoje