Nesta nova série de artigos, apresentaremos como é feita a detecção dos principais problemas enfrentados no dia-a-dia das equipes de manutenção. Vamos descobrir os detalhes e segredos das técnicas usadas na avaliação de cada tipo de falha e nos aprofundar no universo da análise espectral dos sinais de vibração, para entender como é possível detectar cada uma.
A vibração de um ativo é um indicador precioso de anormalidades em seu comportamento, por isso a análise de vibração. Estas, caso não sejam identificadas rapidamente para serem corrigidas, podem provocar sérios danos ao equipamento; trazendo riscos operacionais, de segurança e podendo levar a interrupções na linha de produção, de máquinas e equipamentos, acarretando em elevados prejuízos financeiros em custos de manutenção.
Por outro lado, a vibração, quando medida e analisada corretamente pode ser usada como um importante indicador do estado de saúde da máquina, ajudando o profissional da manutenção a tomar ações corretivas e evitar futuros problemas.
No artigo Desmistificando Análise de Vibração em Máquinas entendemos que todas as máquinas, quando estão em funcionamento emitem um determinado espectro de vibração.
É importante relembrar que cada tipo de equipamento possui uma assinatura espectral original e que cada elemento de máquina que o compõe, é responsável por uma parcela das frequências que constituem este espectro, resultado obtido por analisadores de frequência.
O desgaste, má utilização, manutenção inadequada ou inexistente, entre outras causas, levam à alteração das propriedades dinâmicas dos equipamentos, levando a falhas como:
- desbalanceamento;
- desalinhamento;
- empenamento de eixos;
- roçamento entre partes fixas e girantes de um equipamento;
- folgas mecânicas;
- desgaste e falhas em engrenagens, rolamentos, etc.
Como é possível saber qual tipo de falha estamos enfrentando apenas ao observar o espectro?
Cada categoria de falha deteriora de forma particular a assinatura espectral do equipamento. Logo, ao analisar o espectro e detectar frequências incoerentes com o comportamento esperado para aquela máquina nas condições normais de operação, é possível identificar as características de vibração de cada componente individual e diagnosticar problemas entre os listados anteriormente, como por exemplo, desgaste, desalinhamento e folgas mecânicas.
Atualmente existem tecnologias baseadas em inteligência artificial, ciência de dados e redes neurais que promovem o monitoramento online de ativos em tempo real, que utilizam, entre outras técnicas, a análise espectral para detecção de falhas.
A Tractian é uma delas, em que os algoritmos que constituem a base de sua plataforma, atuando na linha de frente da detecção de anomalias no comportamento do ativo, são baseados fundamentalmente nos tipos de análise dos sinais vibratórios adquiridos com os sensores.
Qual a precisão de sensores de vibração industriais com IA na detecção de falhas
A análise espectral que este guia descreve é o método clássico: um analista treinado olha o espectro, identifica o pico em 1x RPM, confirma que a energia está na direção radial e conclui que há desbalanceamento. Feito por um bom profissional, esse método é preciso.
O problema não é a precisão do método, é a escala. Um analista consegue olhar com atenção alguns ativos por dia, e a maioria das plantas tem centenas.
É nesse ponto que o sensor de vibração com IA muda a equação, e vale ser específico sobre o número. Um sistema que dispara alerta apenas por threshold fixo (vibração acima de um valor absoluto) acerta o diagnóstico em uma faixa de 40 a 60% dos casos, porque ignora o comportamento individual do ativo e confunde desbalanceamento com desalinhamento, folga ou variação de carga.
Já um sistema em que a IA aprende a linha de base de cada ativo e cruza a assinatura espectral com temperatura, RPM e carga atinge precisão de 85 a 95%, dependendo do modo de falha.
A diferença de precisão vem de três fatores. A IA distingue o pico de 1x RPM legítimo do que é efeito de rotação variável, porque lê a vibração junto com o RPM. Ela separa desbalanceamento de desalinhamento pela presença ou ausência de harmônica em 2x e de componente axial, exatamente o raciocínio que o analista faz, mas em todos os ativos ao mesmo tempo. E ela mede a progressão da amplitude ao longo das semanas, o que transforma a detecção pontual em previsão de quando a falha vai cruzar o limite crítico.
O que a IA não faz é substituir o entendimento do espectro. Um analista continua sendo insubstituível para o caso raro, o ativo atípico e a decisão sobre intervir ou não em um equipamento de alta criticidade. A precisão de 85 a 95% descreve a triagem automática de todos os ativos; a análise fina do caso difícil continua sendo trabalho humano, agora concentrado onde importa em vez de diluído em olhar espectro por espectro
Como é feita a detecção de falhas através de algoritmos?
A primeira etapa do processo de detecção pelos algoritmos consiste no levantamento da assinatura espectral do equipamento que está sendo analisado. Esta assinatura espectral é equivalente a uma leitura do comportamento vibratório intrínseco ao ativo, que chamamos de “DNA de vibração do equipamento”, porque representa sua resposta vibratória nas condições regulares de operação.
Qualquer anormalidade no comportamento vibratório habitual do equipamento ou quaisquer frequências (análise de frequência) desconhecidas de seu espectro regular são identificadas imediatamente pela plataforma, a partir disso insights são gerados e enviados na forma de alertas e-mail e WhatsApp para que os responsáveis pela manutenção possam entrar em ação.
Após entendermos um pouco mais sobre como a vibração e principalmente o seu espectro constituem uma ferramenta muito importante na detecção de anormalidades no comportamento dos ativos, iremos abordar o primeiro tipo de falha apresentado na série Guia das Vibrações e Análise Espectral.
Vamos explicar o que é, quais são os tipos mais comuns e como ele pode ser detectado no espectro de vibração.
Definição:
Ele promove a geração de forças centrífugas, decorrentes da distribuição irregular de massa, que serão transmitidas aos mancais. Essa carga imposta aos mancais poderá fazer com que componentes sejam danificados, diminuindo a vida útil do equipamento.
Existem alguns tipos, caracterizados a partir da análise dos vetores das forças de reação nos mancais, que vamos abordar a seguir:
Estático
O eixo principal de inércia e o eixo ao redor do qual a máquina está rotacionando estão paralelos, mas não coincidem.
Conjugado
O eixo principal de inércia não está paralelo ao eixo de rotação, entretanto os dois se intersectam no centro de gravidade do rotor.
Dinâmico
Este tipo é considerado uma combinação dos dois tipos anteriores, em que o eixo principal de inércia e o eixo de rotação não estão paralelos nem se intersectam no centro de gravidade do rotor.
No espectro de vibração conseguimos detectar na forma de um pico, com valor de frequência igual ao da frequência de rotação do eixo. Isso porque o principal sintoma está relacionado à vibrações elevadas na direção radial, com a componente 1N sendo a mais significativa.
As frequências múltiplas de 1N não apresentam amplitude considerável e é importante ressaltar que a amplitude da componente 1N aumenta com o aumento da velocidade de rotação. Além disso, ele não acarreta em vibrações elevadas na direção axial, apenas na radial.
OBS.: A notação 1N, 2N, 3N, 4N, …, etc., é utilizada de maneira análoga à notação 1X, 2X, 3X, 4X, …, etc., para representar múltiplos da velocidade de rotação da máquina (sendo N = frequência de rotação do eixo).
A seguir, um exemplo real detectado pelo sistema de monitoramento online Tractian e como a plataforma interpreta o espectro, avisando o manutentor instantaneamente.
É possível observar no espectro, que a amplitude da componente 1N (em rosa) ultrapassou consideravelmente a linha limite estipulada para o comportamento vibratório normal, o que configura um desbalanceamento. Nesse momento o insight foi gerado e enviado alerta para o usuário.
A plataforma da Tractian é capaz de identificar diversos tipos de falhas, com insights generalistas e também mais específicos, como é o caso mostrado acima, por exemplo.
Evitando desta forma o avanço de falhas que levariam a quebras inesperadas e permitindo ao gestor investir seu tempo em planejamento e paradas planejadas. A Análise de Vibração e a coleta de dados são pilares importantes para a manutenção preditiva.
Para saber mais sobre como a nossa plataforma auxilia os responsáveis de manutenção em mais de 12 estados brasileiros a prever falhas e quebras, aumentando a confiabilidade de seus equipamentos, entre em contato com nossos especialistas no balão de conversa à direita ou agende uma demonstração.