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

• Processo: 19/02216-7
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de abril de 2019
• Data de Término da vigência: 31 de outubro de 2019
• Área de conhecimento: Engenharias - Engenharia Mecânica - Projetos de Máquinas
• Pesquisador responsável: Boris Rotter
• Beneficiário: Vitor Luiz Zandonadi Vieira
• CNAE: Fabricação de máquinas e equipamentos para a agricultura e pecuária, exceto para irrigação
• Vinculado ao auxílio: 17/22755-4 - Manutenção preditiva de motores a diesel para aplicação em máquinas agrícolas de plantio e colheita - estudo de viabilidade técnica e científica, AP.PIPE
• Assunto(s): Manutenção preditiva Máquinas agrícolas Internet das coisas Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: Análise de vibração | Internet das Coisas IoT | Manutencao preditiva | Máquinas Agrícolas | Tecnologia da Computação

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.