Estratégias baseadas em tecnologia para otimizar a manutenção de ativos
Em 2014, quando a série ISO 55000 de normas de Gestão de Ativos foi lançada, organizações em todo o mundo passaram a contar com uma norma internacional oficialmente reconhecida para a gestão de ativos. Desde então, a gestão de ativos passou a ser discutida com mais frequência e profundidade por diversas organizações e entidades.
No entanto, as tecnologias de coleta de dados necessárias para gerenciar e manter esses ativos de forma eficaz muitas vezes não acompanharam essa evolução. Um estudo realizado em 2016 pela General Electric Corporation no setor de petróleo e gás constatou que 60%¹ dos operadores de instalações consideravam a coleta de dados relacionados aos ativos um “grande desafio”. Curiosamente, o mesmo estudo revelou que os operadores que adotavam uma abordagem preditiva baseada em dados registravam 36%² menos paradas não planejadas.
O volume de dados relacionados aos ativos atualmente disponível para gerar insights é enorme. A análise desses dados é fundamental, pois constitui a base dos algoritmos preditivos que permitem às plantas detectar “ativos de interesse”, que podem então ser avaliados e analisados por um especialista. Quando um analista transforma o alerta gerado por um algoritmo automatizado em recomendações que permitem tomar ações concretas, a manutenção pode ser programada no momento certo.
Um problema causado por práticas ineficientes
Historicamente, todo o processo tem sido fragmentado do início ao fim, com a coleta e o processamento de dados ocorrendo da seguinte forma:
- Especialistas ou profissionais de manutenção visitavam a planta e coletavam diversos dados dos ativos por meio de sensores instalados permanentemente ou de sensores e sistemas de aquisição transportados pelo próprio especialista.
- Em seguida, os especialistas analisavam os dados para avaliar a condição dos equipamentos da empresa e preparar relatórios.
- Os engenheiros de manutenção recebiam os relatórios, mas, nesse momento, os dados coletados sobre a condição dos ativos já poderiam estar desatualizados.
- Na pior das hipóteses, a planta já havia sofrido uma ou mais falhas de equipamentos, obrigando as equipes de manutenção a atuar em modo emergencial e podendo impactar negativamente os resultados financeiros da empresa.
Agora, vamos supor que a equipe já tenha superado essa abordagem básica e esteja utilizando tecnologias avançadas para coletar os dados. Mesmo que estivesse tentando extrair e interpretar dados para iniciativas tradicionais de manutenção preditiva, ainda assim provavelmente enfrentaria obstáculos. Por quê? Porque é muito provável que suas ferramentas e seus métodos de análise não tenham capacidade para processar os enormes volumes de dados que as máquinas modernas podem gerar por meio da coleta automatizada. É necessário adotar uma abordagem mais eficaz que permita coletar e analisar grandes volumes de dados.
O monitoramento sem fio comprova seu valor
Se os ativos forem monitorados sem fio, a solução oferece ainda mais flexibilidade, pois as informações das plantas, independentemente de quão remotas estejam, podem ser transmitidas para análise por especialistas. Mesmo em plantas amplamente distribuídas e localizadas em áreas isoladas, a expansão da conectividade remota à Internet tornou possível a transmissão de informações pelos ativos. Além disso, essa capacidade continuará crescendo. Até 2027, estima-se que 267 milhões³ de rastreadores de ativos ativos estarão em uso em todo o mundo para automação industrial e outras aplicações.
Seja em uma instalação localizada em uma região remota ou em um grande complexo químico com recursos tecnológicos avançados, o monitoramento sem fio automatizado oferece benefícios comprovados. Os especialistas que analisam os dados podem determinar não apenas a condição atual dos ativos, mas também suas tendências históricas. Essas informações podem então fazer parte de um “ciclo de feedback”. Essa abordagem não apenas permite otimizar os cronogramas de manutenção com base em cada novo conjunto de dados, como também aprimora previsões futuras que ajudam os técnicos de manutenção a evitar paradas.
Essa abordagem não apenas ajuda a garantir a disponibilidade dos equipamentos, como também evita a “manutenção excessiva”, quando intervenções são realizadas com uma frequência maior do que o ativo realmente necessita. Por fim, ela fornece às equipes de manutenção e aos responsáveis pela tomada de decisões…