Aproveitando a tecnologia Digital Twin para obter o máximo desempenho de ativos em indústrias pesadas

As consequências da COVID-19 remodelaram o panorama da gestão de activos, especialmente em indústrias pesadas como refinarias e fábricas. Com este desafio surge uma oportunidade de impulsionar uma mudança de paradigma relativamente à forma como as operações da fábrica são geridas.

Os proprietários e operadores de instalações industriais enfrentam agora vários desafios, como perturbações na cadeia de abastecimento global que podem afetar as operações de “gestão e manutenção”, ao mesmo tempo que se esforçam para satisfazer as crescentes exigências de produção. O que os mantém acordados à noite são os riscos que não conseguem ver, especialmente quando se trata de problemas inesperados de ativos e possíveis danos a longo prazo nos equipamentos. 



Para ajudar a gerir os ciclos de vida de todos os ativos numa instalação industrial, as organizações procuram soluções inovadoras para otimizar o desempenho dos seus equipamentos, garantindo ao mesmo tempo segurança e fiabilidade operacional. Isso inclui integração e padronização de dados e adoção de tecnologia de gêmeo digital que fornece análises preditivas de manutenção de ativos. 

O que é a tecnologia Digital Twin?

Hoje, as equipes de engenharia e projeto usam modelos de simulação de processos dinâmicos para visualizar o estado atual das operações da planta. Isto lhes permite identificar rapidamente gargalos operacionais, deficiências de unidades, limitações de projeto e a adequação dos sistemas de socorro. No entanto, são necessários recursos avançados de aprendizado de máquina (ML) para modelar e prever o estado futuro das operações da planta.

A tecnologia digital twin aproveita algoritmos de aprendizado de máquina para agregar, integrar, analisar e comparar dados históricos operacionais e de projeto com dados atuais para formar o modelo estatístico. O resultado é um clone virtual de cada unidade de uma instalação, replicando as funções, características e comportamentos de sua contraparte física, juntamente com os sistemas mecânicos e elétricos que a alimentam. 

Os modelos de gêmeos digitais também incluem a infraestrutura física de uma instalação ou local industrial e uma intrincada rede de processos de fábrica, incluindo compras e logística da cadeia de suprimentos, para criar um ambiente operacional digital.



Exemplo de clone virtual de tecnologia Digital Twin. Fonte:Anvil Corporation

Receber as informações certas no momento certo evita falhas nos equipamentos. A capacidade avançada de aprendizado de máquina do gêmeo digital fornece aos proprietários/operadores análises preditivas baseadas em padrões e correlações nos dados. 

Munidos dessas informações, os proprietários/operadores podem ver: 

• Como cada unidade pode envelhecer e mudar ao longo do tempo 
• Quando uma unidade pode apresentar falhas 
• Quando pedir itens de longo prazo com base em modelos de sistema de compras/cadeia de suprimentos 
• Quando resolver um problema antes que ele ocorra

Uma questão que surge frequentemente diz respeito à diferença entre inteligência artificial (IA) e aprendizagem automática, uma vez que ambas as tecnologias avançadas proporcionam análises preditivas. A diferença é: 

• O aprendizado de máquina fornece aos proprietários/operadores informações objetivas nas quais basear suas decisões
• A IA fornece uma abordagem subjetiva para a tomada de decisões, recomendando cursos de ação. 

A intenção do aprendizado de máquina de gêmeos digitais não é substituir a interação e avaliação humana, mas tornar a interação não intrusiva e de aprendizagem constante. 

Além disso, a IA é uma tecnologia de código aberto que opera na Internet, o que pode potencialmente violar informações proprietárias, enquanto o software de aprendizagem automática do gémeo digital está confinado a uma determinada empresa, instalação ou local. 

Ao simular cenários operacionais futuros com modelos de gêmeos digitais e análises preditivas de aprendizado de máquina, os proprietários/operadores podem otimizar seus recursos, processos e cronogramas, estratégias e configurações de manutenção. 

A tecnologia de gêmeo digital também ajuda os proprietários/operadores a prever quando agendar uma parada e quando solicitar itens com longo prazo antes de uma paralisação. Isto é especialmente crítico para locais remotos com prazos de entrega mais longos para equipamentos, dando aos proprietários/operadores a tranquilidade de saber que terão os equipamentos adquiridos no local quando necessário.

Construindo um modelo de gêmeo digital

O primeiro passo para construir um modelo de gêmeo digital é localizar e alimentar todos os dados históricos, incluindo registros de inspeção, novos códigos, reavaliações e dados operacionais atuais, no software de gêmeo digital para desenvolver um protótipo virtual e reutilizável de cada ativo físico em uma instalação de produção. 



Exemplo de clone virtual de tecnologia Digital Twin. Fonte:Anvil Corporation

Uma parte fundamental desta etapa é garantir que a instrumentação de monitoramento correta esteja instalada para alimentar constantemente o modelo digital. As diretrizes de fabricação históricas e originais podem ser programadas como pontos de “alarme” no modelo para alertar os proprietários sobre possíveis problemas ou falhas.

A função de aprendizado de máquina gêmeo digital parte daí, agregando, fazendo referência cruzada e integrando instantaneamente todos os dados díspares de várias fontes em tempo real. Em comparação, um engenheiro levaria semanas para calcular as mesmas informações manualmente. 

Depois que todos os dados forem coletados e integrados, o aprendizado de máquina compara o desempenho atual com o que a unidade foi inicialmente projetada para sinalizar instantaneamente anormalidades ou desvios do comportamento esperado. Isso ajuda os engenheiros a identificar instantaneamente uma área de preocupação a ser investigada mais detalhadamente e a validar e dimensionar virtualmente os modelos para expandir suas capacidades sem interromper as operações das instalações.

Os modelos de gêmeos digitais prevêem então o que está por vir, simulando cenários operacionais futuros para determinar como as unidades evoluirão ao longo do tempo e quando os componentes da unidade precisarão ser substituídos. 

À medida que a tecnologia dos gêmeos digitais continua a evoluir, outros tipos de avaliações físicas podem se tornar obsoletos, como testes on-line. Por exemplo, esses modelos avançados podem prever como os sistemas reagem às mudanças nas variáveis ​​do processo sem perturbar as operações diárias de uma instalação, eliminando produtos fora das especificações e possíveis preocupações de segurança associadas a testes no mundo real.

Desafios da tecnologia de gêmeos digitais

A saída é tão boa quanto a entrada

O principal desafio da construção de modelos de gêmeos digitais não é tanto a tecnologia – é determinar se os dados agregados de diversas fontes com base em múltiplas variáveis que alimentam os modelos são baseados em informações confiáveis. 

Por exemplo, como um operador sabe quando uma peça ou sistema já está em estado atual de falha ao construir os modelos? 

Isso envolve definir informações confiáveis. Informações confiáveis ​​normalmente vêm de mais dados que o aprendizado de máquina do gêmeo digital cruzou e validou – dados de instrumentação de monitoramento de processos e equipamentos integrados em uma rede de planta inteligente e automatizada. 

Por exemplo, capturar um conjunto de dados sobre o desempenho de uma unidade não é suficiente. Para obter informações mais confiáveis, é importante capturar também dados sobre a infraestrutura de suporte da unidade. Pode ser que a tubulação na unidade ou os componentes elétricos que alimentam a unidade já estejam em estado de falha, impactando várias outras unidades que operam com as mesmas peças e sistemas mecânicos e elétricos. 

O poder dos dados

Mais dados proporcionam aos proprietários/operadores visões mais realistas das operações atuais, o que ajuda a construir um modelo de gêmeo digital mais preciso. Com dados integrados e validados de múltiplas entradas, os modelos de gêmeos digitais podem: 

• Estimar a vida útil do equipamento 
• Prever falhas de equipamentos 
• Determinar quando programar as paradas nas instalações

Com os modelos de gêmeos digitais, os proprietários e operadores de instalações podem executar e manter suas operações durante as paradas e períodos de pico de produção. 

No entanto, ainda é fundamental para um engenheiro preencher os dados operacionais subjetivos. As considerações metalúrgicas, juntamente com os efeitos químicos e físicos dos fluxos de processo em equipamentos e tubulações, ainda exigirão conhecimento e experiência de engenharia para utilizar plenamente as informações dos gêmeos digitais.  

O facto de milhões de peças constituirem centenas de sistemas em qualquer instalação industrial sublinha a importância de manter registos de manutenção precisos; o resultado de um modelo de geminação digital é tão bom quanto o seu input. Portanto, angariar a vontade das partes interessadas em adotar a tecnologia depende do seu grau de confiança e se acreditam que a informação é precisa ou não. 

Confie na tecnologia 

A implementação bem-sucedida da tecnologia de gêmeo digital requer acesso às ferramentas de software certas e especialistas treinados. As empresas de software de simulação de processos estão agora adquirindo tecnologias de interface para desenvolver melhor modelos de gêmeos digitais.

O desafio reside em garantir que as interfaces estejam corretamente integradas para produzir uma linha de base precisa de informações. São necessários especialistas treinados e conhecedores da tecnologia e dos processos de geminação digital que utilizam metadados do setor para garantir que todas as informações históricas que alimentam os modelos estejam corretas. 

Resumo

Os algoritmos avançados de aprendizado de máquina, análise preditiva e recursos de modelagem do gêmeo digital oferecem uma nova opção econômica de gerenciamento de ativos para instalações de todos os tamanhos. Ao trabalhar com consultores de engenharia e usar o software certo, os proprietários/operadores de instalações podem implementar rapidamente a tecnologia e integrá-la em suas operações. 

A tecnologia também produz vários benefícios de custo, incluindo: 

• Operações e eficiência energética 
• Maior confiabilidade, segurança e previsão de manutenção 
• Redução de riscos, tempo de inatividade e custos de manutenção desnecessários

A adoção da tecnologia digital twin será essencial para se manter competitivo nos mercados industriais em rápida evolução.