Falhas de máquina não detectadas são os mais caros. É por isso que muitas empresas de manufatura procuram soluções que automatizem e reduzam os custos de manutenção. Os métodos tradicionais de vibrodiagnóstico podem ser tardios em muitos casos. Fazer leituras na presença de um diagnosticador ocasionalmente pode não detectar uma falha antecipadamente.
O Position Paper de 2017 da Deloitte (Deloitte Analytics Institute 7/2017) alegou que a manutenção no ambiente da Indústria 4.0. Os benefícios da manutenção preditiva dependem da indústria ou dos processos específicos aos quais ela é aplicada. No entanto, as análises da Deloitte na época já concluíram que a economia de custos de material chega a 5 a 10% em média. O tempo de atividade do equipamento aumenta em 10 a 20%. Os custos gerais de manutenção são reduzidos em 5 a 10% e o tempo de planejamento de manutenção é reduzido ainda em 20 a 50%! A Neuron Soundware desenvolveu uma tecnologia de inteligência artificial para manutenção preditiva.
Trabalhadores de manutenção qualificados – problema muito comum As histórias de empresas que embarcaram na jornada digital não são mais apenas ficção científica. São exemplos reais de como as empresas estão lidando com a falta de mão de obra qualificada no mercado. Geralmente mecânico-mantenedor que regularmente percorre todas as máquinas e diagnostica sua condição ouvindo-as. Algumas empresas estão procurando novas tecnologias de manutenção para substituir
Uma falha sem identificação antecipada significa a substituição de todo o equipamento ou de sua parte. Aguardando a peça de reposição que pode não estar em estoque no momento. Porque é caro estocar equipamentos de reposição. Desvalorização das peças atuais do componente na produção, portanto, o descarte de toda a produção. Finalmente, mas importante, representaria até XY horas de inatividade de produção. As perdas podem chegar a dezenas de milhares de euros.
O monitoramento da máquina em tempo real é uma tendência Um cenário tão crítico não é possível se a tecnologia de manutenção estiver equipada com inteligência artificial além do conhecimento mecânico das máquinas. Ele próprio aplica esse conhecimento ao estado atual da máquina. Também é capaz de reconhecer qual comportamento anômalo está ocorrendo na máquina. Com base nisso, envie o alerta correspondente com instruções de manutenção precisas. Fabricantes de equipamentos mecânicos como elevadores, escadas rolantes e equipamentos móveis usam isso hoje, por exemplo.
A IA pode ajudar nas várias etapas da produção No entanto, manutenção preditiva tecnologias têm aplicações muito mais amplas. Graças aos recursos de aprendizado da inteligência artificial, eles são muito versáteis. Por exemplo, a tecnologia é capaz de auxiliar em testes de fim de linha. Por exemplo, para identificar peças defeituosas de bens produzidos que são invisíveis aos olhos e aparecem aleatoriamente. A segunda área de aplicação é o monitoramento dos processos de produção. Podemos imaginar isso com o exemplo de um triturador de cascalho. Um transportador entrega pedaços de pedra de tamanhos diferentes em moedores, que devem produzir uma determinada granularidade de cascalho. Anteriormente, o fabricante operava o britador por um período de tempo predeterminado. Para garantir que, mesmo na presença dos maiores pedaços de rocha, ocorreu esmagamento suficiente. Com a inteligência artificial “escutando” o tamanho do cascalho. Ele pode parar o processo de esmagamento no ponto certo. Isso significa não apenas economizar no desgaste do equipamento de britagem, mas, mais importante, economizar tempo e aumentar o volume de cascalho entregue por turno. Isso traz grande benefício financeiro para o produtor.
As maiores economias são em empresas com alto número de ativos idênticos
Ao implementar a tecnologia de manutenção preditiva, não importa quão grande é a empresa. O critério de decisão mais comum é a escalabilidade da solução implementada. Em empresas com um grande número de dispositivos mecanicamente semelhantes, é possível coletar rapidamente amostras que representam problemas individuais. A partir do qual a rede neural aprende. Ele pode então lidar com qualquer número de máquinas ao mesmo tempo. Quanto mais máquinas, mais oportunidades para a rede neural aprender e aplicar a detecção de sons indesejados.
O futuro da manutenção preditiva: alcançável e onipresente As tecnologias de monitoramento de condições são geralmente projetado para fábricas maiores e não para oficinas com algumas máquinas-ferramentas. No entanto, à medida que o hardware e a transmissão e o processamento de dados ficam progressivamente mais baratos, a tecnologia também está chegando lá. Assim, mesmo um fabricante de marmelada caseira logo terá a confiança de que suas máquinas produzirão o suficiente, entregarão os pedidos aos clientes no prazo e não arruinarão sua reputação. No futuro, a manutenção preditiva será uma necessidade. Na indústria também em aparelhos eletrônicos maiores, como geladeiras e máquinas de café, ou em carros. Por exemplo, todos nós podemos reconhecer um escapamento danificado ou um motor com som incomum. No entanto, muitas vezes é tarde demais para dirigir o carro com segurança para casa depois de um feriado. Por exemplo, sem uma visita à oficina. Com a instalação de um dispositivo de detecção acionado por IA, saberemos sobre a falha iminente a tempo e poderemos resolver o problema a tempo, antes que o motor pare e tenhamos que chamar um serviço de reboque.
