fbpx
manutenção preditiva

Por Willem Sundblad

A manutenção preditiva visa minimizar o tempo de parada não planejado usando inteligência artificial (AI) e machine learning (ML) para identificar problemas iminentes, para que eles possam ser resolvidos antes que aconteçam.

Embora esta seja uma proposta muito atraente, é crucial que as empresas entendam os perigos de um mal-entendido nessa proposta. Um alarme falso acionado por dados imprecisos pode levar a ações incorretas e a custos adicionais.

Como construir um modelo de manutenção preditiva

Para criar um modelo de manutenção preditiva, as empresas precisam ter clareza sobre as variáveis específicas que estão coletando e com que frequência esses comportamentos variáveis ocorrem no chão de fábrica.

É absolutamente essencial ter um conhecimento preciso do domínio sobre cada máquina específica e um forte conjunto de dados de falhas anteriores. Os fabricantes também precisam tomar decisões em relação ao prazo de entrega, e vale a pena notar que, quanto mais próxima da falha a máquina puder funcionar, mais precisa será a previsão.

Entender que alguns conjuntos de dados são mais difíceis de coletar do que outros será um grande trunfo no processo de tomada de decisão.

Por exemplo, se uma máquina quebrar apenas uma vez por ano e forem necessárias cem observações da interrupção para construir um modelo preditivo eficaz, fica claro que a observação não será viável.

As empresas podem contornar esse tipo de problema escolhendo um parceiro que trabalhe com fabricantes de máquinas que já criaram um conjunto grande e suficiente de dados.

Como alternativa, as empresas podem trabalhar com um parceiro que pode criar um modelo digital de sua máquina. Conhecido como um mecanismo de simulação, um modelo virtual de uma máquina pode ser analisado para coletar os conjuntos de dados necessários.

Manutenção preditiva: uma solução do tipo "bala de prata"?

Compreender a qualidade de cada conjunto de dados e a profundidade do conhecimento necessário para coletar e processar esses dados explica por que a manutenção preditiva − e a tomada de decisão em torno dela − é tão complexa.

E também explica por que a manutenção preditiva não é uma solução do tipo bala de prata.

Problemas inesperados ainda poderão ocorrer, porque, se um problema não for previsto, é improvável que quaisquer conjuntos de dados relevantes tenham sido discutidos e coletados. As empresas devem ter isso em mente, porque as falhas mais caras geralmente são as inesperadas.

Está gostando desse post? Então, assine a nossa newsletter!

Operações preditivas e qualidade preditiva: uma rota mais rápida para a Indústria 4.0

As empresas que procurarem a rota mais rápida para a Indústria 4.0 também poderão explorar operações preditivas e qualidade preditiva.

Um sistema preditivo de qualidade usa informações de sistemas de gestão da qualidade, análise de dados, machine learning e AI para fornecer insights acionáveis. Usando essas informações, os fabricantes podem melhorar a qualidade em tempo real, minimizando problemas como sucateamento, recalls e tempo de parada da máquina relacionado à qualidade. Eles também podem examinar os testes A/B para verificar diferentes cenários.

Problemas de qualidade geralmente ocorrem com maior frequência do que falhas das máquinas, portanto, é mais fácil coletar esses dados. De fato, é justo dizer que, para muitas empresas, operações preditivas e qualidade preditiva são o ponto de entrada ideal para a manufatura inteligente. Devido à disponibilidade de conjuntos de dados relacionados à qualidade, as empresas normalmente podem começar a se beneficiar da AI em um período de tempo muito menor.

Além da qualidade preditiva, existem outras atividades que os fabricantes poderão usar, como modelos de machine learning que sabem qual é a melhor maneira de criar um produto específico.

As empresas também poderão observar determinadas condições em uma máquina, como temperaturas ou vibrações incomuns. Como seria de esperar, é improvável que o uso desse conjunto de dados identifique os componentes específicos da máquina que precisam de manutenção, mas fornece informações úteis e é uma boa opção para muitas empresas.

Para concluir, as empresas poderão se beneficiar imensamente da manutenção preditiva, mas deverão garantir que a plataforma com a qual estiverem trabalhando seja a correta desde o início. Comece inicialmente com alguns conjuntos de dados simples e os aumente, ou explore as operações preditivas e a qualidade com um parceiro experiente.

Assim, empresas manufatureiras poderão ter certeza de que estarão no caminho certo para se beneficiar da Indústria 4.0, transformando as operações, reduzindo os custos de produção e, finalmente, melhorando a lucratividade.

Sobre o autor: Willem Sundblad é o CEO e co-fundador da Oden Technologies, uma empresa industrial da Internet das Coisas que oferece ferramentas poderosas para os fabricantes digitalizarem, analisarem e otimizarem a produção. Ele estudou Engenharia Industrial, especializou-se em produção na Universidade de Lund e na École Centrale de Paris. Mais recentemente, ele foi nomeado como um dos “Forbes 30 Under 30” da Europa por seu trabalho na transformação da indústria de transformação.

Fonte: Forbes

A Konitech é parceira da Oden na implementação de suas soluções e este artigo foi traduzido e republicado com autorização.

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *