Manutenção preditiva - O que você precisa saber

Ed Maguire da Momenta Partners
Aqui na Momenta Partners , passamos muito tempo conversando com inovadores e usuários finais sobre como aproveitar dados de ativos físicos para otimizar processos, reduzir riscos, desenvolver negócios e até mesmo impulsionar novos modelos de negócios, diz Ed Maguire, parceiro do Insights.

A manutenção preditiva é a prioridade em todas as áreas, com start-ups, empresas de serviços profissionais e empresas industriais estabelecidas que buscam maneiras de obter benefícios “consertando as coisas antes que quebrem” - potencialmente economizando grandes quantidades de tempo, dinheiro e risco de reputação.

O que é manutenção preditiva?

A manutenção preditiva envolve simplesmente ser capaz de prever quando uma máquina ou peça provavelmente falhará com base em dados do mundo real e, em seguida, ser capaz de agir para evitar quaisquer problemas. Este é um conceito simples, mas difícil de concretizar. Em setores como aeroespacial e transporte, ser capaz de prevenir falhas pode salvar vidas.



Embora o recente Southwest Airlines a fatalidade pode não ter sido previsível, e se os dados da explosão do motor pudessem ser usados ​​para prevenir a próxima? Para ser capaz de prever uma falha potencial, você precisa começar com os dados - dados históricos, particularmente levando a uma falha - a fim de criar um algoritmo que possa sinalizar sinais de problemas pendentes.

O caminho para a manutenção preditiva

Hoje, a manutenção industrial é principalmente de natureza “preventiva”. A manutenção preventiva começa com um cronograma. Quando as empresas compram ativos industriais ou outros, normalmente seguem os intervalos recomendados para manutenção. Pense na recomendação de trocar o óleo de um carro a cada 3.000 milhas. Fora do cumprimento dos cronogramas prescritos, a maioria dos grandes reparos acontece quando há falha do equipamento e os próprios ativos são substituídos quando atingem uma certa idade. Manter uma programação é útil, mas não dá uma ideia do que pode acontecer no futuro.

Com a adição do Monitoramento de condição, as empresas podem se envolver na manutenção proativa. O monitoramento de condição envolve o rastreamento de dados em tempo real - podem ser dados de sensores de temperatura ou vibração, por exemplo. Isso pode ajudar a identificar problemas à medida que ocorrem, e se houver uma condição incomum, como vibração em excesso ou temperatura excessivamente alta, isso pode sinalizar a necessidade de manutenção proativa - uma troca de uma peça, por exemplo.

A manutenção preventiva funciona a partir de um cronograma predefinido, e a manutenção proativa normalmente emprega o monitoramento de condição, mas nenhuma das abordagens ajudará necessariamente uma empresa a prever o que pode dar errado no futuro.

Para ser capaz de prever falhas, você precisa de dados históricos para desenvolver um algoritmo preditivo, de preferência incluindo períodos que levam a falhas ou quebras. Isso envolve a coleta de dados e a realização de análises sobre os dados e, em seguida, o teste, o ajuste e a atualização dos algoritmos com os dados recém-coletados. No passado, esse era um processo caro, que exigia estatísticos altamente especializados que pudessem desenvolver modelos especializados.



Depois que as soluções de manutenção preditiva estiverem em vigor há algum tempo, elas podem ser combinadas com recomendações ou instruções específicas para a empresa corrigir os problemas antes que eles ocorram. Esse conceito, conhecido como Manutenção Preditiva, é a ideia de que a análise pode identificar problemas pendentes, orientar uma correção e manter as máquinas em funcionamento com o mínimo de intervenção humana.

Desde a década de 1980, a manutenção preditiva tem sido a província das maiores organizações com os bolsos mais profundos onde há um alto custo de falha ou tempo de inatividade, como militar e aeroespacial. Hoje, com a queda massiva de preços em armazenamento, poder de processamento e chips especializados, como GPUs, que são adequados para aprendizado de máquina, a acessibilidade da manutenção preditiva está se tornando democratizada.

A realidade hoje é que muitos ativos são mantidos em excesso, com as empresas gastando desnecessariamente para evitar falhas porque não têm insights sobre a integridade real das máquinas. Há uma tremenda oportunidade de reduzir custos com tempo de inatividade e interrupções, bem como gastar com muito mais eficiência com a frequência e a extensão com que as máquinas são reparadas. Embora ainda estejamos no início, com a maioria das empresas industriais passando da manutenção preventiva para a proativa, há uma grande variedade de start-ups e projetos em andamento para democratizar a manutenção preditiva.

É fundamental começar com os dados, por isso recomendamos uma abordagem medida. Comece com o monitoramento de condição e garanta conforto e precisão dos dados e processos. Assim que houver tarefas de manutenção proativa razoáveis ​​em mãos, contrate especialistas em dados e domínio (cientistas de dados para fazer você mesmo ou especialistas em seu setor de uma empresa de serviços profissionais ou start-up de software).

Desenvolva os algoritmos, teste-os na vida real, meça, ajuste e atualize e continue o processo. A manutenção preditiva é o objetivo, mas é mais uma jornada do que um destino. Existem muitos recursos e especialistas disponíveis para ajudar e com persistência virá o sucesso - economia de custos, eliminação de tempo de inatividade não planejado, segurança aprimorada, processos mais eficientes - e clientes mais felizes, acima de tudo.

Para saber mais, recomendamos a leitura de Percebendo a oportunidade em análises de manutenção preditiva (PdM) .

O autor deste blog é Ed Maguire, parceiro do Insights da Momenta Partners

Sobre o autor:

Ed traz mais de 17 anos de experiência em Wall Street em pesquisa de ações e banco de investimento para a Momenta, com profundo conhecimento de domínio em software empresarial. Ele tem sucesso comprovado na identificação de oportunidades estratégicas e na articulação de percepções acionáveis ​​com base em análises rigorosas de tecnologia, operações, concorrência e mercados. Mais recentemente, ele foi analista sênior e diretor administrativo da CLSA Americas cobrindo a indústria de software, tecnologia e inovação.