Manutenção preditiva:o aplicativo matador de inteligência contínua

CI baseado na análise de dados de sensores e IoT pode ajudar a detectar mudanças de estado em dispositivos e fazer previsões sobre a probabilidade de falha de um ativo.

A análise de dados históricos e em tempo real sobre um ativo pode identificar problemas que podem levar à falha de uma peça ou dispositivo. Em comparação com a substituição de ativos baseada em calendário, a manutenção preditiva é muito mais eficaz na prevenção do tempo de inatividade, ao mesmo tempo em que obtém a vida útil máxima de uma peça ou peça de equipamento.

Veja também: Análise em tempo real em ambientes grandes e “brutais”

Esses recursos podem ajudar a identificar peças ou equipamentos que provavelmente falharão antes da hora programada de substituição e manutenção. O verdadeiro benefício vem com a inteligência artificial usada para detectar um problema em potencial. Se essa inteligência for usada por um sistema especialista, alertas podem ser enviados antes que os problemas ocorram e ações corretivas baseadas em informações derivadas podem ser entregues aos responsáveis ​​pela manutenção do equipamento.

Por que esses recursos são tão críticos?

O custo do tempo de inatividade em setores como manufatura, aviação, exploração de energia, serviços públicos e telecomunicações é impressionante. Uma empresa offshore média de petróleo e gás experimenta cerca de 27 dias de inatividade não planejada por ano, o que pode chegar a US$ 38 milhões em perdas. Em alguns casos, esse número pode chegar a US$ 88 milhões.

Em 2018, a manutenção não planejada custou às companhias aéreas mais de US$ 20 bilhões ou aproximadamente 27% de todas as despesas de manutenção. Isso teve um efeito cascata nas operações da rede, já que quase 3,8% de todos os atrasos e cancelamentos de voos foram causados ​​por eventos de Aeronaves em Terra (AOG). A quantificação desses problemas e os benefícios da manutenção preditiva mostram que dados e análises podem reduzir quase pela metade as contas de manutenção não planejada, permitindo que as companhias aéreas reduzam os custos associados para cerca de 14% do total de gastos com manutenção.

O papel do CI na manutenção preditiva

A CI baseada na análise do sensor e dos dados da Internet das Coisas (IoT) pode ajudar a detectar mudanças de estado nos dispositivos e fazer previsões sobre a probabilidade de falha de um ativo.

Por que é necessário? As abordagens tradicionais para a manutenção de esperar que algo dê errado são incrivelmente ruins para os negócios. E a substituição de peças com base nos cronogramas de manutenção dos fabricantes com base no calendário pode resultar em peças boas sendo substituídas bem antes de falharem.

Em vez de reagir após o fato, os insights de CI sobre a causa raiz dos problemas que levam ao tempo de inatividade, defeitos, ineficiências ou oportunidades perdidas antecipadamente podem reduzir custos e melhorar a eficiência operacional.

Cada vez mais, as indústrias estão usando dispositivos IoT para coletar esses insights, usando os dispositivos para obter informações sobre todos os aspectos de suas operações. Infelizmente, um problema que a maioria das empresas encontra é que os dispositivos IoT produzem volumes muito grandes de dados. Um relatório do setor estima que a quantidade de dados produzidos pela IoT chegará a 4,4 zettabytes até 2020, de apenas 0,1 zettabytes em 2013.

O uso desses dados, que são gerados continuamente, exige novas estratégias. Os dados não podem simplesmente ser armazenados e analisados ​​posteriormente. O valor real vem para fazer análise em tempo real à medida que os dados fluem. Para obter insights sobre esses fluxos de dados, muitas empresas estão complementando a análise tradicional com algoritmos de inteligência artificial (IA) e aprendizado de máquina (ML) em tempo real. Essa abordagem permite que as empresas obtenham informações de tomada de decisão dos dados em um período de tempo que permitirá que uma empresa tome ações pró-ativas.

Especificamente, os usos industriais de IA e ML aplicados a dados de IoT são vistos como uma ótima maneira de melhorar a previsão de manutenção e outros aspectos das operações. O motivo:AI e ML podem ajudar a fazer previsões sobre sistemas complexos. Isso pode ajudar a reduzir o tempo de inatividade da máquina por meio da manutenção preditiva.

O único obstáculo que está impedindo a rápida adoção de CI para manutenção preventiva é a infraestrutura. Hoje, a maioria das organizações não tem infraestrutura para aproveitar ao máximo a CI aplicada ao streaming de dados de IoT.

Quais são os problemas? Grandes organizações industriais podem coletar bilhões de conjuntos de dados de máquinas, sensores e aplicativos internos de negócios. À medida que as organizações avançam para novas iniciativas de IoT, é importante considerar novas tecnologias e processos que acompanharão esse enorme fluxo de dados.