Anindya Chatterjee, Chefe Global de Engenharia de Valor e Ciência de Dados da Área de Negócios Digitais de Automação de Processos da ABB, discute como as mais recentes ferramentas de Gerenciamento de Desempenho de Ativos (APM), como gêmeos digitais, podem ajudar os fabricantes a garantir a confiabilidade dos ativos e otimizar o consumo de energia.
O que é gerenciamento de desempenho de ativos (APM)? Este termo onipresente será familiar para a maioria das pessoas que trabalham na esfera da manufatura; no entanto, o advento das soluções da indústria 4.0, como inteligência artificial (IA), internet industrial das coisas (IIoT) e big data, transformou o APM de seu papel tradicional de monitoramento de condições em um único ambiente industrial em algo mais avançado.
Do lado do domínio, a ABB identificou dois temas principais no APM. Em primeiro lugar, como podemos melhorar a confiabilidade, disponibilidade e capacidade de manutenção dos principais ativos em um ambiente industrial? Em outras palavras, use ferramentas digitais e de automação para garantir que as metas de produção sejam atendidas com alto grau de confiança.
O segundo tema é este: como podemos utilizar ferramentas e práticas avançadas de análise como IA, aprendizado de máquina e gêmeos digitais para realmente avaliar o desempenho do equipamento, com o objetivo de ajudar os operadores a otimizar o consumo de energia, reduzir custos e emissões e atingir metas de sustentabilidade?
Os equipamentos podem ir desde bombas e compressores até máquinas de celulose e papel; todo setor tem uma cadeia de valor de alto nível, e o APM é uma ferramenta importante que pode ser implantada em parceria com um fornecedor de tecnologia como a ABB para operar maquinário pesado e complexo de maneira mais eficiente em termos de energia.
O poder dos gêmeos digitais
Vamos pegar os gêmeos digitais como exemplo. Na ABB, atualmente trabalhamos com três tipos, sendo o primeiro uma solução baseada em física, que pode utilizar métodos tradicionais como termodinâmica e hidráulica. Em segundo lugar, também empregamos engenharia de código para construir os modelos reais, que é um gêmeo digital “real”.
Então, temos um modelo ‘híbrido’, pelo qual extraímos informações dos equipamentos ou instrumentos medidos e criamos o gêmeo digital com base neles. Empregamos a termodinâmica para estimar alguns dos parâmetros necessários e, em seguida, aplicamos modelos de diagnóstico para identificar falhas ou gargalos.
Atualmente, a ABB está usando esse modelo de gêmeo digital híbrido durante um projeto em uma refinaria na Turquia, onde estamos usando dados operacionais dos compressores da refinaria para criar um gêmeo digital, que podemos usar para realizar diagnósticos e identificar melhorias no gerenciamento de desempenho.
Em outro projeto, estamos levando o conceito ainda mais longe criando um modo baseado em rede neural de nosso gêmeo digital, mais uma solução orientada por IA, para identificar o ponto de ajuste operacional ideal para um data center inteiro, desde corredores e resfriadores até torres de resfriamento, em mais de 4.000 variáveis.
Isso é crucial para permitir que o cliente cumpra seus acordos de nível de serviço de uma perspectiva de temperatura e umidade e avalie se equipamentos como compressores estão operando de maneira sustentável e com a maior eficiência energética. Isso é o que poderíamos chamar de APM de próximo nível – ou APM 4.0.
Descubra o valor dos dados contextualizados
Também devemos apontar que há uma grande diferença entre ter dados e fazê-los funcionar. Menos de 20% dos dados gerados pelas empresas industriais são efetivamente utilizados. Menos ainda é analisado. A ABB está mudando isso usando IA e ferramentas de análise industrial, como o ABB Ability Genix, que revela o valor dos dados contextualizados por meio da IIoT, extraindo insights acionáveis de grandes quantidades de dados industriais com o objetivo final de melhorar a produtividade e a excelência operacional.
Não só é mais eficaz do que qualquer software tradicional devido à sua capacidade de resolver cenários complexos, como também é um aplicativo de configuração totalmente baseado em autoatendimento que amadureceu para uma configuração sem código de todos os algoritmos baseados em IA/ML para treinamento e implantação. Em outras palavras, você não precisa ser um cientista de dados para operar e se beneficiar desses sistemas. Simplificar o complexo é uma grande parte do que a ABB está tentando alcançar com plataformas como ABB Ability Genix APM.
Além disso, o ABB Ability Genix também fornece um aplicativo flexível para capturar os aprendizados do campo no modelo, chamado de “codificação do conhecimento”.
Ao reunir dados de todas as fontes (TI, OT e ET) e contextualizá-los com parâmetros e entradas adicionais, um engenheiro regular ou gerente de operações pode obter valor/insight – e aproveitar esses insights para tomar decisões mais informadas e baseadas em dados que geram valor comercial real.
Por The Manufacturer
