Manutenção preditiva no contexto da indústria 4.0 : um modelo preditivo em uma fábrica do ramo metalúrgico

Abstract

RESUMO: A quantidade de dados levantados dos processos de produção aumentou devido à proliferação de tecnologias de detecção. Quando processados e analisados, os dados podem trazer informações e conhecimentos valiosos da Manufatura. Nas fábricas, o gerenciamento dos ativos físicos é fundamental, pois afeta a eficiência da fábrica. Assim, falhas nos equipamentos precisam ser identificadas e solucionadas, evitando paradas nos processos de produção. Este Trabalho de Conclusão de Curso apresenta uma abordagem baseada na Indústria 4.0, o método de Machine Learning uma ferramenta promissora nas aplicações de modelos preditivos para evitar falhas nos ativos físicos da fábrica. Foi descrito um modelo preditivo baseado em um filtro bayesiano (uma ferramenta do campo Machine Learning), para gerenciar a degradação gradual das máquinas, permitindo que os operadores tomem decisões informando sobre as tarefas da manutenção. O objetivo deste Trabalho de Conclusão de Curso foi apresentar a partir de uma revisão bibliográfica narrativa, concentrada em três bancos de dados (Scopus, Web of Science e Science Direct), um modelo preditivo baseado em um método de Machine Learning aplicado à Manutenção Preditiva. Que forneceu uma base útil sobre o método, seus principais resultados, desafios e oportunidades, além de apoiar novos trabalhos de pesquisa no campo da Manutenção Preditiva.

ABSTRACT: The amount of data collected from the production processes has increased due to the proliferation of detection technologies. When processed and analyzed, data can bring valuable information and knowledge from Manufacturing. In factories, the management of physical assets is essential, as it affects the efficiency of the factory. Thus, equipment failures need to be identified and resolved, avoiding downtime in production processes. This Course Conclusion Work presents an approach based on Industry 4.0, the Machine Learning method, a promising tool in the application of predictive models to avoid failures in the physical assets of the factory. A predictive model based on a Bayesian filter (a tool in the Machine Learning field) was described to manage the gradual degradation of the machines, allowing operators to make decisions informing maintenance tasks. The objective of this Course Conclusion Work was to present, based on a narrative bibliographic review, concentrated on three databases (Scopus, Web of Science and Science Direct), a predictive model based on a Machine Learning method applied to Predictive Maintenance. That provided a useful basis on the method, its main results, challenges and opportunities, in addition to supporting new research work in the field of Predictive Maintenance.