Monitoramento preditivo para identificação e mitigação de falhas em ativos industriais de uma metalúrgica de reciclagem de baterias

Abstract

A crescente de elevar a confiabilidade dos ativos industriais e reduzir custos com manutenções corretivas emergenciais tem impulsionado a adoção de tecnologias de monitoramento preditivo. Nesse contexto, a implementação de soluções baseadas nos conceitos da Indústria 4.0, utilizando inteligência artificial e monitoramento remoto, surge como uma abordagem eficaz para a gestão de ativos. Este estudo de caso, realizado numa metalúrgica de reciclagem de baterias de chumbo-ácido inservíveis, aplicou o monitoramento preditivo para identificar e evitar falhas em ativos críticos. Os principais objetivos deste trabalho incluíram a quantificação das horas de paradas evitadas, o aumento da disponibilidade dos ativos e a redução dos custos operacionais. A metodologia adotada focou nos ativos de maior impacto sobre os custos da metalúrgica, especialmente aqueles que afetam diretamente o processo produtivo, em que foram adotadas métricas para estimar os benefícios das falhas evitadas. Os resultados demonstraram que o sistema preditivo possibilitou uma gestão de ativos mais proativa e estratégica, evitando custos significativos. Assim, o estudo evidencia o potencial transformador das soluções preditivas para a gestão de manutenção industrial, abrindo caminho para pesquisas futuras e inovações, com potencial de aplicação em diferentes setores industriais.