Já se costuma dizer: é melhor prevenir do que remediar. Esta máxima verifica-se em vários setores, e o setor da indústria (mais precisamente, a produção fabril) não é exceção
Muitas vezes, os problemas mecânicos podem parar linhas de produção durante horas, originando uma diminuição do volume de produção, e provocando uma diminuição do lucro para a empresa. Mas, hoje, graças à tecnologia, é possível evitar, de forma mais eficaz, este tipo de situações. É a chamada manutenção preventiva. O surgimento da indústria 4.0 e das tecnologias de Internet of Things (IoT) levou ao aparecimento de novos desafios, mas também à criação de novas soluções. Cada vez mais, as máquinas estão ligadas à cloud, o que permite a recolha de dados sensoriais referentes ao estado das mesmas ao longo do tempo, possibilitando, por sua vez, a utilização de algoritmos de Machine Learning. Estes algoritmos desempenham um papel fundamental para perceber qual o verdadeiro estado das máquinas. É assim que chegamos à manutenção preventiva. Um conceito que consiste na manutenção mais inteligente e consequente otimização do processo de manutenção, possível graças à utilização de algoritmos e modelos de machine learning. E, tal como em qualquer projeto de Data Science, é importante definir a pergunta que pretendemos que o modelo responda. Desta forma, podemos identificar três perguntas tipo que vêm definir problemas de manutenção preventiva:
Um projeto que envolva este conceito começa com a recolha de dados ou a criação de um dataset. O conjunto de dados recolhido será depois utilizado para treino do modelo, pelo que é importante que estes dados representem o melhor possível o funcionamento do sistema. A manutenção preventiva é uma inovação que pode ajudar no dia-a-dia de muitas empresas e que é possível através da tecnologia. Investir num projeto de Data Science significa que, potencialmente, conseguir-se-á otimizar custos associados ao funcionamento de máquinas ou de outro tipo de sistemas que tenham necessidade de manutenção. Mas é importante perceber que não existe uma solução “one fits all”. Cada projeto, cada caso, requer uma análise para que se possa perceber qual a abordagem mais correta, de forma a ir ao encontro das diferentes necessidades. No fundo, a escolha da abordagem depende do problema a ser analisado e dos requisitos de cada empresa. |