Estudo de caso de desenvolvimento de sistema para manutenção preditiva 4.0
DOI:
https://doi.org/10.14488/1676-1901.v22i3.4557Palavras-chave:
Indústria 4.0, Manutenção Preditiva, MindSphere, Vibração, ManufaturaResumo
A quarta revolução industrial apresenta diversas tecnologias para o desenvolvimento da sociedade e especialmente para o ramo de manufatura. Inserido nesse novo mundo, o estudo de caso vem com objetivo de explorar conceitos de manutenção preditiva com análises e prevenção de falhas para equipamentos que operam com vibração. Analisando conceitos de manutenção preditiva 4.0 já implementados no mercado e incorporando novas tecnologias, tende-se a obter resultados de tempo de inatividade através desses conceitos explorados no trabalho. Com a análise dos dados coletados através de ferramentas em nuvem e sensores IoT, conseguimos determinar parâmetros e o comportamento do equipamento. Com essa prevenção dos fatos, foi possível a implantação de alertas em tempo real de qualquer fator que possa vir tornar-se uma falha, dessa forma predizendo uma ação corretiva no equipamento. Trabalhado dessa forma, foi possível obter redução de 24% no tempo de inatividade do equipamento, trazendo ganhos para empresa e redução de custos ao produto final. A manutenção preditiva, juntamente com outras tecnologias da indústria 4.0 tem grande potencial para estudos e melhorias, incorporando cada vez mais aprendizagem de máquina e inteligência artificial, tornando cada vez mais os equipamentos inteligentes e tomadores próprios de suas decisões.
Downloads
Referências
PEREIRA, E. O. SIMONETTO, Indústria 4.0: Conceitos e Perspectivas para o Brasil, Revista da Universidade Vale do Rio Verde, v. 16, 2018. DOI: https://doi.org/10.5892/ruvrd.v16i1.4938
ALEJANDRO, J. K.; DALENOGARE, L. S.; AYALA, N. F. Industry 4.0 technologies: Implementation patterns in manufacturing companies. International Journal of Production Economics, v. 210, 15-26 p., 2019. DOI: https://doi.org/10.1016/j.ijpe.2019.01.004
GANDOMI, A.; HAIDER M. Beyond the hype: Big data concepts, methods, and analytics. International Journal of Information Management, v. 35, n. 2, 2015, p. 137-144. DOI: https://doi.org/10.1016/j.ijinfomgt.2014.10.007
BASCO, A. I. et al. Industria 4.0: fabricando el futuro. Inter-American Development Bank, 2018.
JUNG, G. Z.; ZHANG M. W., "Vibration Analysis for IoT Enabled Predictive Maintenance". In: IEEE 33RD INTERNATIONAL CONFERENCE ON DATA ENGINEERING (ICDE), 2017, pp. 1271-1282. DOI: https://doi.org/10.1109/icde.2017.170
DILMEGANI, C. Predictive Maintenance: In-depth Guide. In: AI Multiple., [S.I.], 27 2018. Disponível em: https://blog.aimultiple.com/predictive-maintenance/. Acesso em: 8 ago. 2019.
SEZER, E. D.; ROMERO, F.; GUEDEA, M.; MACCHI E. C. Emmanouilidis. industry 4.0-enabled low cost predictive maintenance approach for smes, 2018 IEEE In: INTERNATIONAL CONFERENCE ON ENGINEERING, TECHNOLOGY AND INNOVATION (ICE / ITMC), 2018, p. 1-8. DOI: DOI: https://doi.org/10.1109/ice.2018.8436307
SUSTO, G. A.; SCHIRRU, S.; PAMPURI, S.; MCLOONE E. A.; BEGHI. Machine Learning for Predictive Maintenance: A Multiple Classifier Approach. In: IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS, v. 11, n. 3, p. 812-820, 2015. DOI: https://doi.org/10.1109/tii.2014.2349359
INDUSTRY 4.0. In: IEEE INDUSTRIAL ELECTRONICS MAGAZINE, v. 11, n. 1, p. 17-27, 2017.
JAY LEE; KAO, H.; YANG, S. Service Innovation and Smart Analytics for Industry 4.0 and Big Data Environment. Procedia CIRP, v. 16, 2014, p. 3-8. DOI: https://doi.org/10.1016/j.procir.2014.02.001
LEE, J.; LAPIRA, E.; BAGHERI, B.; KAO, H. Recent advances and trends in predictive manufacturing systems in big data environment. Manufacturing Letters, v. 1, n. 1, 2013, p. 38-41. DOI: https://doi.org/10.1016/j.mfglet.2013.09.005
KARDEC, A.; NASCIF, J. Manutenção: função estratégica. 3 ed. Rio de Janeiro: Qualitymark: Petrobrás, 2009.
WOLLSCHLAEGER, Martin; SAUTER, Thilo; JASPERNEITE, Juergen. The future of industrial communication: Automation networks in the era of the internet of things and industry 4.0. IEEE industrial electronics magazine, v. 11, n. 1, p. 17-27, 2017. DOI: https://doi.org/10.1109/mie.2017.2649104
MOYA, M.; CARNERO, C. O controle da implantação de um programa de manutenção preditiva por meio de um sistema de indicadores. Omega 32.1, 2004. p. 57-75. DOI: https://doi.org/10.11606/d.5.2012.tde-28022013-134542
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2023 Revista Produção Online
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
A Revista se reserva no direito de efetuar, no artigo publicado, alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da língua, respeitando, porém, o estilo dos autores.
A obra publicada é de inteira responsabilidade do(s) autor(es), cabendo à Revista Produção Online apenas a avaliação da obra, na qualidade de veículo de publicação científica. A Revista Produção Online não se responsabiliza por eventuais violações à Lei nº 9.610/1998, Lei de Direito Autoral.
A revista Produção Online permite que o autor detenha o copyright dos artigos aceitos para publicação, sem restrições.
Esta obra está licenciada sob uma Licença Creative Commons.
