A gestão de ativos e a confiabilidade são de importância crítica na indústria de mineração, especialmente no que diz respeito à segurança dos funcionários e à evitação do alto custo do tempo de parada. A barreira para uma manutenção de classe mundial, no entanto, é que a maioria das falhas de equipamentos são aleatórias e difíceis de detectar antes que aconteçam. De fato, estima-se que a maioria das falhas se enquadre na categoria aleatória.
A coleta de dados de equipamentos na indústria de mineração historicamente apresentou desafios devido à natureza isolada e distribuída do processo de produção. As fontes de dados estão localizadas em toda a instalação e minas, sem uma rede unificada clara que as conecte a um hub principal. Isso resulta em visibilidade fragmentada e fluxos de trabalho de dados manuais. A tecnologia da informação (TI) e a tecnologia operacional (TO) existem de forma independente, e os dados disponíveis geralmente carecem de contexto, dificultando a compreensão e o uso. Essa falta de conectividade limita a capacidade de extrair métricas de desempenho de equipamentos industriais específicos.
A falta de conectividade e acesso a dados também dificulta a implementação de soluções de manutenção preditiva de toda a empresa. Uma prova de conceito única em apenas um equipamento ou em um grupo muito pequeno e conectado em rede não é uma solução confiável de manutenção preditiva e ainda deixa muito da manutenção ao acaso.
A necessidade de uma melhoria significativa
É claro que a manutenção deve deixar de ser reativa para melhorar a eficiência, mas chegar lá exigirá um investimento em uma infraestrutura de manutenção mais abrangente. Simplesmente agendar a manutenção em uma rotação regular não considera a condição real do equipamento.
Para gerenciar os ativos de forma eficaz, uma empresa de mineração deve entender por que, como e quando eles estão falhando. A manutenção, como profissão e prática corporativa, evoluiu substancialmente nos últimos 50 anos, e a tecnologia evoluiu junto. No entanto, as barreiras para a adoção de tecnologia que pode oferecer manutenção preditiva na indústria de mineração estão relacionadas ao custo e à natureza dispersa das operações; não há uma opção única para todos.
O que é necessário é uma solução que possa fornecer contextualização de dados em escala e resolver os desafios de arquitetura e integração de dados que atualmente inibem implantações em escala de soluções de manutenção preditiva. É aqui que os sistemas de operações de dados industriais entram em ação.
Operações de Dados Industriais
As Operações de Dados Industriais (DataOps) apoiam o desenvolvimento de uma solução de manutenção preditiva para mineração. As tecnologias usadas em DataOps se concentram em ciência de dados para desenvolver um modelo preditivo. Ele pode automatizar a coleta e a colação de dados, algo que costumava ser um processo manual demorado. Ao reunir TO e TI por meio de um sistema como Asset Intelligence for Mining, desenvolvido na plataforma FactoryTalk® DataMosaix™ da Rockwell Automation, a manutenção preditiva se torna viável.
Os cientistas de dados agora terão mais tempo disponível para ler os dados e reconhecer tendências na integridade e no desempenho da máquina. Essa percepção permitirá que eles determinem o ritmo de manutenção correto para cada equipamento e poderão disponibilizar essas informações ao pessoal relevante em toda a operação em painéis fáceis de ler em tablets, laptops ou desktops. Informações valiosas, quase em tempo real, podem chegar à pessoa certa antes que um equipamento quebre, causando um encerramento caro.
O DataOps industrial adiciona e gerencia relacionamentos significativos entre dados anteriormente díspares, acelerando o desenvolvimento e a implantação de aplicações de aprendizado de máquina, como a manutenção preditiva. Em outras palavras, ele simplifica como uma empresa de mineração pode extrair valor de dados industriais complexos.
Juntando tudo
A combinação de dados de sensores em tempo real com modelos de ativos baseados nos primeiros princípios da engenharia (a ideia de que é possível construir coisas complexas a partir de coisas mais simples) fornece modelos pré-construídos que sustentam grande parte de como Asset Intelligence for Mining opera. O DataOps operacionaliza esses modelos.
A manutenção preditiva pode reduzir as horas de pessoal gastas com manutenção, reduzir o tempo de parada não agendado e aumentar a produtividade.
Saiba mais sobre Industrial DataOps e a solução industrial da Rockwell Automation – Asset Intelligence for Mining.
