Modelo preditivo para detecção de falhas iminentes em máquinas elétricas industriais

• Processo: 19/09086-1
• Modalidade de apoio: Auxílio à Pesquisa - Pesquisa Inovativa em Pequenas Empresas - PIPE
• Data de Início da vigência: 01 de março de 2020
• Data de Término da vigência: 31 de outubro de 2020
• Área do conhecimento: Engenharias - Engenharia Elétrica
• Pesquisador responsável: Nicolas Goulart Silva
• Beneficiário: Nicolas Goulart Silva
• Empresa: Dipsie Engenharia e Software S/A
• CNAE: Instalação de máquinas e equipamentos industriais ; Desenvolvimento de programas de computador sob encomenda ; Desenvolvimento e licenciamento de programas de computador customizáveis
• Município: Vinhedo
• Pesquisadores principais: Vitor Augusto Silva Bueno
• Auxílio(s) vinculado(s): 20/13127-2 - Prototipação de plataforma de software para gestão e controle da manutenção de ativos de plantas industriais integrada com modelos de manutenção preditiva, AP.PIPE
• Assunto(s): Análise de dados Inteligência artificial Aprendizado computacional Manutenção preditiva Máquinas elétricas
• Palavra(s)-Chave do Pesquisador: Análise de Dados | Inteligência Artificial | machine learning | Manutencao preditiva | Máquinas Elétricas | modelos preditivos | Inteligencia computacional aplicada

Resumo

Com o aumento da necessidade de serem mais competitivas, as indústrias se veem forçadas a incorporar à seus processos, tecnologias para otimização de custos e aumento de produtividade e eficiência. Atualmente, as empresas estão conectando seus ativos em busca de aproveitar da melhor forma possível os seus dados para criar um novo e poderoso valor comercial. Essa grande movimentação na indústria é conhecida como a transformação digital, Indústria 4.0 e Internet industrial das Coisas (IIoT). Conectar os dispositivos é apenas o primeiro passo. O valor real está na informação gerada através dos dados que são transmitidos a partir desses dispositivos, como os insights de negócios que esses dados podem habilitar. Os custos de manutenção correspondem à maior parte das despesas operacionais totais das plantas industriais de manufatura e/ou processo. Dependendo do tipo de indústria, os custos de manutenção podem representar de 15% a 30% do custo dos bens produzidos. Os sistemas e soluções hoje comercializadas que atuam na tratativa do problema apresentado, fazem uso de modelos matemáticos estáticos, que com base nas recomendações dos fabricantes e normas, processam dados coletados manualmente para geração dos Insights, porem em sua em sua grande maioria, não precisos. A proposta de modelos preditivos para manutenção, tem como grande inovação o uso de técnicas de inteligência computacional que habilitam a capacidade de analisar em tempo real, parâmetros e variáveis reais de operação das maquinas assim como aprender vários padrões de leitura e fazer uma comparação entre os dados coletados com uma base de dados contemplando vários estados de funcionamento da máquina (AU)