Protótipo de sistema baseado em conhecimento na nuvem para diagnóstico de falhas em caminhões fora-de-estrada

Abstract

Com o avanço tecnológico, a busca por segurança, produtividade e qualidade se tornou constante no mercado. Empresas estão adotando estratégias cada vez mais inovadoras para se manterem competitivas na era da globalização. Destaca-se a importância da manutenção, com foco na manutenção preditiva e proativa para maximizar a eficácia dos equipamentos. Confiabilidade, manutenibilidade e disponibilidade desempenham papéis cruciais no desempenho das máquinas, de modo que a negligência na manutenção adequada pode resultar em prejuízos significativos para as empresas. A aplicação de inteligência artificial pode aumentar a produtividade e a qualidade dos processos industriais. Os Sistemas Especialistas (SE) surgem como uma abordagem promissora para a solução de problemas complexos, permitindo a tomada de decisões rápidas e eficazes. A integração de sistemas especialistas com a computação em nuvem potencializa a escalabilidade e a capacidade de processamento, contribuindo para a resolução eficiente de problemas. Diante do exposto, este trabalho tem como finalidade desenvolver um sistema especialista em nuvem baseado em conhecimento, voltado para a otimização dos diagnósticos de manutenção de ativos da mineração. O protótipo busca aproveitar experiências passadas para sugerir soluções para problemas atuais, contribuindo para a melhoria da eficiência nos processos de manutenção. O protótipo é alimentado com dados coletados pelo setor de manutenção de uma mineradora localizada no sudeste do Pará. O sistema foi desenvolvido na nuvem, que facilita o uso pelo usuário, eliminando a necessidade de instalação de softwares. O protótipo foi validado com dois especialistas, um engenheiro de manutenção da frota de caminhões fora-de-estrada de uma grande mineradora e uma especialista em análises de vibrações, com experiência em desenvolvimento de sistemas de análise de falhas, que atua em uma empresa de tecnologia com foco em diagnostico de falhas. Os resultados da avaliação indicaram que o protótipo possui aplicabilidade prática e é considerado relevante para a localização de falhas e redução do tempo de diagnóstico. A qualidade dos diagnósticos e a clareza das explicações foram bem avaliadas pelos especialistas. A avaliação dos especialistas forneceu insights relevantes para aprimorar o sistema, incluindo sugestões para melhorias na interface do usuário e na inclusão de mais sistemas e modos de falhas.

Abstract: With technological advancement, the pursuit of safety, productivity, and quality has become constant in the market. Companies are adopting increasingly innovative strategies to remain competitive in the era of globalization. The importance of maintenance stands out, focusing on predictive and proactive maintenance to maximize equipment efficiency. Reliability, maintainability, and availability play crucial roles in machine performance, so neglecting proper maintenance can result in significant losses for companies. The application of artificial intelligence can enhance productivity and quality in industrial processes. Expert Systems (ES) emerge as a promising approach for solving complex problems, enabling rapid and effective decision-making. Integrating expert systems with cloud computing leverages scalability and processing capacity, contributing to efficient problem resolution. Given the above, this study aims to develop a cloud-based expert system grounded in knowledge, aimed at optimizing maintenance diagnostics for mining assets. The system seeks to leverage past experiences to suggest solutions for current problems, contributing to improved efficiency in maintenance processes. The system is fed with data collected by the maintenance department of a mining company located in southeastern Pará. The cloud-based development of the system facilitates user access, eliminating the need for software installation. The prototype was validated with two experts: a maintenance engineer from a major mining company's fleet of offroad trucks and a vibration analysis specialist with experience in developing failure analysis systems, working for a technology company focused on fault diagnostics. Validation results indicated that the prototype has practical applicability and is deemed relevant for fault localization and reduced diagnostic time. The quality of diagnoses and clarity of explanations received favorable evaluations from the experts. The experts' assessment provided relevant insights for system improvement, including suggestions for enhancing the user interface and incorporating more systems and modes of failure.