Análise Preditiva:Desbloqueando Valor Além da Manutenção

Você está obtendo benefícios reais com seu programa de análise preditiva? A maioria dos programas de análise preditiva substituem os programas de manutenção preditiva baseados em vibração. focado na missão singular de prevenção de falhas. Desde o início dos colectores de dados baseados em microprocessadores em 1980, menos de três por cento (3%) destes programas resultaram em poupanças verificáveis ​​que compensavam os seus custos recorrentes.

No geral, estes programas promoveram uma redução no tempo de inatividade não planeado, mas em todos os casos aumentaram o tempo de inatividade planeado necessário para evitar as falhas pendentes percebidas. A maioria desses programas aumentou o tempo geral de inatividade para manutenção, bem como os custos gerais de mão de obra e materiais de manutenção. Embora a aparência de benefícios possa estar presente, estes programas provaram ser contraproducentes. Não por limitações tecnológicas, mas pelo uso indevido dessas tecnologias.

Três fatores principais limitaram e limitam os benefícios que aanálise preditiva poderia fornecer, que são: 

• Focar na prevenção de falhas pressupõe que não gerará resultados positivos - Se é isso que você deseja, é o melhor que você pode esperar alcançar, e a prevenção de falhas não faz nada para melhorar a confiabilidade ou reduzir custos. 
• Restringir a análise preditiva à manutenção e deficiências de manutenção - Os dados mostram que 17% das falhas de ativos são resultado de problemas de manutenção, a maioria (83%) resulta de outras deficiências dentro da organização. Expandir o escopo para incluir fatores causais, como o modo de operação na análise, não apenas ajudará a compreender as funções forçadas por trás das falhas, mas também a identificar deficiências que estão degradando a confiabilidade e aumentando os custos operacionais.
• Omitindo ativos de fluxo de valor do programa - Condicionados por fornecedores de tecnologia, os programas de vibração abrangem ativos rotativos simples, termografia para equipamentos elétricos e análise de óleo lubrificante como backup para vibração. A omissão flagrante são os ativos que geram receita – ativos que não são simples, podem não ser dinâmicos, mas sem eles a empresa não pode sobreviver.

A análise preditiva não é apenas manutenção, também não é um mero substituto para a manutenção preditiva. Não tem limitações. A análise preditiva é aplicável a qualquer atividade recorrente, seja um ativo físico , um sistema de produção ou o departamento financeiro da sua organização. Neste artigo, limitaremos a discussão aos ativos físicos e como a análise preditiva, baseada na dinâmica operacional, pode permitir a capacidade de obter e manter o desempenho ideal dos seus ativos.

Se você deseja obter desempenho, confiabilidade e vida útil econômica ideais de seus ativos, junte-se a nós nesta abordagem esclarecedora para análises preditivas verdadeiras que funcionam. Em vez de um foco singular na prevenção de falhas, um foco na sustentação do fluxo de valor e dos activos auxiliares críticos na sua concepção ou condição de operação óptima não só reduzirá as falhas, mas ao mesmo tempo prolongará a sua vida útil económica e reduzirá o custo total de propriedade da organização. Esta é a única forma eficaz de obter o retorno ideal sobre o capital investido, bem como a geração de receitas.

Introdução

Um factor comum que impulsiona o fracasso destes programas legados é a sua fixação nos modos de fracasso dos activos de capital, em vez dos factores causais por detrás deles. Um exemplo simples é identificar um rolamento com defeito e uma ação corretiva para substituí-lo. Mas sem fazer a pergunta óbvia sobre o que causou a falha do rolamento é uma profecia auto-realizável, destinada ao fracasso.

Mesmo que as falhas físicas tenham sido o principal motivo do tempo de inatividade e dos altos custos de manutenção, esta abordagem simplesmente não pode resolver o problema. Até que seu foco esteja nos fatores causais subjacentes que reduzem a confiabilidade, a vida útil econômica e, portanto, aumentam os custos operacionais e as despesas de capital de manutenção, você condena o programa de análise preditiva ao fracasso total. 

Um exemplo de abordagem baseada em falhas foi uma grande siderúrgica integrada que implementou um programa de manutenção preditiva por contrato para a usina. Antes do início do programa, paradas não programadas e altos custos de manutenção atormentavam a fábrica. Após seis anos de programa, eles relataram uma redução do tempo de inatividade não programado em 35%.

Um resultado de sucesso, certo? Não quando você olha para a mudança real ao longo desses seis anos. É verdade que o tempo de inatividade não programado foi menor, mas o tempo de inatividade planejado – para substituir os rolamentos, engrenagens e outras peças de desgaste percebidos como defeituosos – aumentou em 65%.

A outra mudança notável foi no custo de manutenção ano após ano. Os custos totais de mão de obra e materiais aumentaram mais de 80%. O custo de substituição de rolamentos aumentou de US$ 2,4 milhões para US$ 14,7 milhões, engrenagens e outras peças de desgaste seguiram padrões semelhantes. 

Falhas não são a norma. Ativos projetados para serem confiáveis, operados de forma consistente dentro dos limites do projeto e receberem manutenção sustentada adequada permanecerão confiáveis ​​muito além de sua vida útil projetada. O problema da análise preditiva orientada para o fracasso é não reconhecer que a forma como operamos e mantemos os ativos pode tornar-se uma profecia auto-realizável. Criamos desgaste acelerado, induzimos condições operacionais anormais que aceleram o desgaste e, então, adiamos a manutenção sustentada que pelo menos mitigaria os danos.

A solução

Resolver as limitações da análise preditiva não é tão difícil, pelo menos do ponto de vista técnico. As tecnologias preditivas clássicas não são uma limitação. Quando utilizados de forma eficaz, fornecerão os meios para alcançar resultados positivos.

A siderúrgica é um bom exemplo. Quando o programa deles passou de análise orientada a falhas para análise verdadeiramente preditiva, a mudança foi quase imediata. Em menos de um ano, os custos com materiais de manutenção caíram para menos de US$ 2 milhões.

Usando o rolamento como exemplo, o novo programa concentrou-se nos fatores causais por trás das falhas relatadas nos rolamentos e implementou ações corretivas para removê-los. A eliminação do fator causal eliminou imediatamente a falha prematura crônica que elevou os custos e despencou os custos de reposição.

No segundo ano, o custo dos rolamentos e outras peças de desgaste caiu ainda mais. Uma redução de 60% nos custos de manutenção levou a fábrica a produzir consistentemente a uma taxa 30% maior do que antes da mudança de foco. 

O sucesso do seu programa de análise preditiva deve considerar a dinâmica operacional dos ativos, sistemas e processos que compõem a planta. Deve considerar as limitações inerentes ao projeto, modos de operação e nível de manutenção sustentada que definem sua dinâmica. 

Outro exemplo da diferença entre análise preditiva baseada em falhas e análise preditiva verdadeira envolve setecentas bombas de polpa em uma refinaria. A refinaria tinha um programa de manutenção preditiva bem estabelecido, utilizando coletores de dados portáteis. Os técnicos percorriam obedientemente suas rotas diariamente e o sistema informava quando cada uma dessas bombas precisava de manutenção para evitar falhas iminentes.

Com o tempo, o custo associado à reconstrução de bombas cresceu para mais de US$ 10 milhões anualmente. Nos livros, o programa estava funcionando e houve poucos relatos de paralisações causadas por falhas nas bombas. 

Quando o verdadeiro programa de análise preditiva da dinâmica operacional substituiu o programa de manutenção preditiva , os resultados mudaram drasticamente. Como o novo programa procurou factores causais em vez de parar nos modos de falha, tornou-se evidente que a razão pela qual 11% das bombas necessitavam de grandes reparações anualmente era o seu modo de funcionamento.

Válvulas de descarga controladas remotamente controlavam cada bomba. A análise reconheceu que a faixa de controle estava forçando as bombas a operar bem fora das recomendações de melhores práticas. A instabilidade resultante causou desgaste acelerado e danos graves ao conjunto rotativo e à carcaça.

Para corrigir o problema, o cliente alterou os parâmetros operacionais para limitar a faixa de controle a +/- 10% do BEP, fazendo com que o custo anual de reparo caísse para menos de US$ 1 milhão. Um outro benefício da análise preditiva foi o reconhecimento do impacto que a antiga faixa de controle teve no consumo de energia.

Em vez dos 160 cavalos de potência dos freios do BEP, as bombas consumiam em média quase 300 cavalos. A diferença no consumo anual de energia foi de mais de US$ 7 milhões. Nesta aplicação, a análise preditiva reduziu os custos ano após ano em mais de US$ 16 milhões . 

Como funciona

Aplicar análise preditiva ao gerenciamento de ativos não é tão complicado; você apenas deve pensar de forma lógica e determinar com clareza os requisitos de confiabilidade e sustentabilidade dos ativos da sua organização. 

As etapas a seguir definem o processo:
 

Determine a confiabilidade inerente de cada ativo

A confiabilidade é determinada pelo design. Todas as atividades após o projeto devem sustentar essa confiabilidade inerente para obter o retorno ideal do investimento. Este primeiro passo crucial determina não apenas as fraquezas inerentes de cada activo ou sistema, mas também o modo de operação e manutenção necessária para sustentar a fiabilidade inerente e alcançar a vida útil económica ideal de cada activo. 

Física do Fracasso

Defina claramente todos os modos de falha e seus fatores causais para cada ativo ou sistema. Isto deve ser mais do que um simples FMEA ou listas de falhas percebidas. Deve considerar todos os desvios das melhores práticas, tais como o impacto dos vários modos de operação – produção e manutenção. Lembre-se, apenas 17% das falhas de ativos resultam de manutenção inadequada; os 83% restantes são resultado de deficiências operacionais.

Compreender as falhas é importante, mas compreender os fatores causais ou funções de força que resultam nessa falha é crucial. Se você conhece o modo de falha, poderá antecipá-lo e se recuperar rapidamente – mas isso não melhora a confiabilidade ou evita uma recorrência. Os fatores causais fornecem o conhecimento necessário para prevenir a recorrência inicial e todas as recorrências de uma falha.

Quais parâmetros identificam modos de falha e fatores causais

Depois de ter uma compreensão profunda da confiabilidade inerente, dos modos de falha e de seus fatores causais, a próxima etapa é determinar parâmetros específicos, como vibração ou distribuição de calor, necessários como entrada para um mecanismo de análise preditiva. A análise preditiva, como qualquer outra forma de diagnóstico, depende da qualidade e integridade dos dados de entrada.

Por exemplo, a entrada de banda larga de alta resolução e bandas estreitas discretas de dados de vibração é suficiente para análises eficazes da condição mecânica de uma bomba, mas pode não ser suficiente para determinar os fatores causais que poderiam fornecer detecção precoce e correção de desvios que poderiam, se não fossem conhecidos, resultar em uma falha. Na maioria dos casos, esses parâmetros serão uma combinação de dados de processo extraídos de sistemas de monitoramento e controle existentes e dados medidos diretamente que são parte integrante do mecanismo de análise preditiva. Em ativos e sistemas dinâmicos, este último inclui o uso de sensores inteligentes que incorporam análises de ponta, aprendizado de máquina e inteligência artificial estrategicamente localizados no ativo, processo ou sistema.

Modelo de detecção de anomalias

Combinando o conhecimento adquirido até agora nesta discussão, o último passo para uma análise preditiva eficaz é desenvolver uma dinâmica operacional ou um modelo baseado na física que possa ingerir dados contínuos de cada ativo, sistema ou processo e também analisar automaticamente todas as variáveis, identificar todos os desvios do normal, identificar fatores causais por trás de cada desvio e gerar instruções prescritivas para ações corretivas. Qualquer engenheiro de confiabilidade experiente deve ser capaz de avaliar um ativo específico em um ponto do seu ciclo de vida e fazer a mesma coisa.

A diferença é que não há engenheiros de confiabilidade qualificados ou horas por dia suficientes para analisar continuamente todos os ativos. Os mecanismos de análise preditiva não ficam cansados, entediados ou distraídos.

Concluindo, a verdadeira eficácia dos programas de análise preditiva não reside na sua mera existência, mas na sua implementação estratégica. O foco predominante na prevenção de falhas, embora bem intencionado, muitas vezes fica aquém devido à sua incapacidade de abordar os fatores causais subjacentes. A mudança para uma abordagem holística que abrange a dinâmica dos ativos e as complexidades operacionais produz benefícios tangíveis, conforme evidenciado pelas transições bem-sucedidas de paradigmas orientados a falhas para verdadeiros paradigmas de análise preditiva. 

Ao reconhecer a importância crítica de sustentar o fluxo de valor e os ativos auxiliares, as organizações podem não apenas mitigar as falhas, mas também otimizar o desempenho e reduzir o custo total de propriedade. Adoptar a análise preditiva como uma ferramenta para aumentar a fiabilidade, prolongar a vida útil económica e minimizar os custos operacionais significa uma mudança de paradigma em direcção a estratégias proactivas de gestão de activos, garantindo retornos óptimos sobre o capital investido e geração sustentada de receitas.



Sobre o autor

Sobre o autor