APLICAÇÕES COM DIGITAL TWINS
manutenção preditiva
Definições, Vantagens, Nosso Sistema...
Importância das Ações de Manutenção
Independente do produto, nós queremos que ele esteja disponível na hora que precisamos utilizá-lo. A ocorrência de uma falha inesperada tem impactos diferentes em sistemas diferentes. Um componente falhado em uma aeronave pode impedir sua decolagem, atrasando vôos, prejudicando passageiros e acarretando em multas para as empresas aéreas. Da mesma forma em automóveis, componentes de mais baixo custo não substituídos no momento certo fazem com que componentes de custo mais elevado sejam mais exigidos, reduzindo sua vida útil. Em grandes indústrias, uma linha de produção interrompida por poucas horas pode significar um prejuízo de milhões. Seja uma aeronave, um automóvel ou uma linha de produção, ações de manutenção são tomadas para maximizar a disponibilidade destes sistemas.
Essas ações de manutenção preventiva geralmente são definidas ainda durante a etapa de projeto estabelecendo intervalos regulares de inspeção e substituição de componentes, reduzindo a probabilidade da necessidade de ações de manutenção corretiva durante interrupções não planejadas.
Mas o que ocorre quando a operação do seu sistema não é exatamente igual a operação típica considerada na etapa de projeto do produto?
A Manutenção Preditiva
Atualmente, utilizando apenas a estratégia de manutenção preventiva, quando a operação do sistema difere da operação típica considerada em projeto, a probabilidade da ocorrência de falhas inesperadas e da necessidade de ações de manutenção corretiva aumenta substancialmente.
Para contornar essa situação, foram desenvolvidas estratégias de manutenção preditiva, em que a partir de dados de sensores acoplados aos sistemas, são desenvolvidos modelos matemáticos capazes de prever a probabilidade do sistema falhar, permitindo o planejamento de interrupções antes que a falha ocorra.
Como a manutenção preditiva é baseada nas informações de uso dos componentes, é possível antecipar ou postergar paradas para substituição de componentes de acordo com os dados coletados, estendendo a vida útil dos sistemas.
INTELLIGENT INSIGHTS FRAMEWORK
Aplicando nosso Framework à Manutenção Preditiva
A figura acima mostra a integração do framework Intelligent Insights a diferentes sistemas, desde smartphones e automóveis a aeronaves e aos novos sistemas de drones usados como taxi-aéreo.
A integração ocorre a partir de um hardware de interface que conecta o sistema de manutenção (geralmente usando protocolo CAN, ARINC-429, …) a um computador capaz de se conectar ao nosso sistema. Geralmente o ambiente em que ocorre a manutenção demanda dispositivos portáteis e está sujeito a condições ambientais mais exigentes, e por isso, sugerimos o uso de tablets de alta confiabilidade.
A parte central do sistema de manutenção preditiva é o modelo matemático capaz de estimar a vida útil restante do componente de interesse. Este sistema integrado (a aplicação de digital twins com foco em manutenção preditiva) retorna as informações de vida útil restante do componente para o operador, que pode decidir pelo melhor momento de substituir os componentes.
Em sistemas tão complexos e diferentes... por qual componente começar?
Sistemas desse nível de complexidade apresentam inúmeros componentes completamente diferentes, mas em um “mundo cada vez mais elétrico”, todos necessitam de baterias. As baterias não são os componentes substituídos com maior freqüência, e por isso, só nos lembramos delas quando falham.
Em aeronaves, a “saúde” das baterias é checada antes de cada vôo. Se condições mínimas não forem atendidas, elas devem ser substituídas. Esse evento só é detectado no momento em que a aeronave é energizada, o que pode causar atrasos na preparação para vôo, e consequentemente multas as companhias aéreas.
Em automóveis convencionais, as baterias são substituídas em revisões periódicas. Contudo, é tão comum as baterias falharem entre as revisões, que existem serviços especializados de “socorro” que vão até o local onde está o veículo, só para fazer a substituição da bateria falhada.
Já em automóveis híbridos ou totalmente elétricos, as baterias são responsáveis por uma parcela significativa do custo do veículo. Monitorar a vida útil restante pode evitar substituições antes do necessário, reduzindo custos de manutenção, e dando mais segurança aos proprietários. Este tipo de monitoramento também abre a possibilidade de estudos de viabilidade considerando baterias com menor custo e menor tempo de vida útil, uma vez que a substituição ocorreria de forma planejada. Ou pensando em um futuro próximo onde automóveis elétricos e híbridos serão mais comuns, a avaliação da saúde das baterias em veículos usados terá uma relevância fundamental na definição de valor de revenda.
O mesmo pode ser dito dos novos serviços de taxi-aéreo com drones, com o agravante de que falhas na bateria em vôo são um risco a segurança dos passageiros.
Outro sistema muito afetado pelas baterias é o smartphone. Nesse caso o usuário vai percebendo a bateria se deteriorando gradativamente, até que ele tem que tomar uma decisão: substituir somente a bateria ou adquirir um dispositivo novo ( com uma bateria nova). Saber o momento em que o usuário está mais propício a fazer esta substituição é uma informação extremamente relevante para o setor de vendas das fabricantes de smartphones.
Por todos estes motivos, estamos aplicando digital twins a manutenção preditiva. Nosso foco inicial é a predição da vida útil de baterias, mas este é só o começo. Estamos constantemente avaliando outros componentes e sistemas que possam se beneficiar da nossa tecnologia.