Busca avançada
Ano de início
Entree

Manutenção preditiva de motores a diesel para aplicação em máquinas agrícolas de plantio e colheita - estudo de viabilidade técnica e científica

Processo: 17/22755-4
Modalidade de apoio:Auxílio à Pesquisa - Pesquisa Inovativa em Pequenas Empresas - PIPE
Vigência: 01 de fevereiro de 2019 - 30 de novembro de 2019
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação
Pesquisador responsável:Boris Rotter
Beneficiário:Boris Rotter
Empresa Sede:Agriconnected Tecnologia e Inovação Ltda
CNAE: Fabricação de máquinas e equipamentos para a agricultura e pecuária, exceto para irrigação
Município: São Paulo
Bolsa(s) vinculada(s):19/03656-0 - Manutenção preditiva de motores a diesel para aplicação em máquinas agrícolas de plantio e colheita - Estudo de viabilidade técnica e científica., BP.TT
19/02216-7 - Manutenção preditiva de motores a diesel para aplicação em máquinas agrícolas de plantio e colheita: estudo de viabilidade técnica e científica, BP.TT
19/01483-1 - Manutenção preditiva de motores a diesel para aplicação em máquinas agrícolas de plantio e colheita: estudo de viabilidade técnica e científica, BP.PIPE
Assunto(s):Tecnologia da informação  Vibrações de máquinas  Internet das coisas  Manutenção preditiva  Máquinas agrícolas  Motores de combustão interna  Motores diesel  Plantio  Colheita 
Palavra(s)-Chave do Pesquisador:Análise de vibração | Internet das Coisas IoT | Manutencao preditiva | Máquinas Agrícolas | Motor a combustão | Motor a diesel | Tecnologia da Informação

Resumo

A manutenção preditiva vem aumentando a disponibilidade e a confiabilidade das máquinas em diversos segmentos da indústria, assim reduzindo custos operacionais e possibilitando ambientes de trabalho mais seguros. Porém, a manutenção preditiva ainda se restringe a motores elétricos, não tendo sido aplicada em motores a combustão (e em ambientes rurais), devido a características particulares inerentes desses equipamentos.Com o presente projeto de pesquisa nos propomos investigar a viabilidade técnica e científica da manutenção preditiva de motores a diesel e também sua possível aplicação em máquinas agrícolas. O objetivo do projeto é otimizar os custos de manutenção e evitar as perdas de produtividade gerada por paradas não planejadas no campo, especialmente em máquinas críticas para o agronegócio, como as de plantio e colheita. Por meio do sensoriamento do motor, dados de vibração serão monitorados. Estudaremos a possibilidade de se descrever os comportamentos normal e de falhas de um motor a diesel através de um algoritmo de falhas e uma linha de tendência. Os dados de vibração coletados, também serão monitorados e analisados pelo uso de ciência de dados e tecnologias como a Internet das Coisas (IoT), analytics e machine learning para monitoramento em tempo real e melhor precisão e automação nas conclusões. A pesquisa envolve ainda o desenvolvimento de hardware a ser instalado na máquina, software de back-end e front-end para visualização e envio de alertas sobre sistemas em situação crítica e pesquisas sobre a melhor forma de conectividade a ser utilizada. A pesquisa dará enfoque primeiramente em motores, pois estes representam os maiores custos de manutenção para o proprietário da máquina ou produtor agrícola. Porém, a solução preditiva pode ainda ser replicada para outros equipamentos. Esperamos, com a pesquisa, entender e superar os desafios científicos e técnicos intrínsecos dos motores a combustão e viabilizar um sistema de armazenagem e análise dos dados para que possamos também desenvolver um modelo estatístico e artificial para avaliar e prever comportamentos de falha, usando IoT e machine learning. Se a viabilidade do projeto for comprovada, produtores e proprietários de máquinas agrícolas terão acesso a informações antecipadas de suas máquinas através de uma solução que funcionaria independentemente de sua marca, modelo ou ano de fabricação. Os impactos que a análise preditiva pode trazer para o campo são muitos. A precisão na predição de falhas possibilita que o produtor gerencie melhor os ciclos de manutenção, o estoque de sobressalentes e substitua em tempo máquinas que não estejam adequadas ao trabalho no campo, evitando, assim, as paradas não planejadas e a perda de produtividade a elas atrelada. (AU)

Matéria(s) publicada(s) no Pesquisa para Inovação FAPESP sobre o auxílio:
Empresas apoiadas pelo PIPE-FAPESP integram a lista das 100 Startups to Watch 
A arte de pivotar  
Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)