Maintenance and Industry 4.0
impact of implementing wireless sensors in the loading process of a brazilian mining company
DOI:
https://doi.org/10.14488/1676-1901.v26i3.5479Keywords:
Vibration sensor, Predictive maintenance, Train loadingAbstract
In the mining industry, understanding the impact of technology implementation on predictive maintenance activities is essential for achieving process efficiency. Against this backdrop, the objective of this research was to analyze how installing a vibration sensor on conveyor motors affects the operational performance of train loading conducted by a large company located in northern Brazil. For this purpose, Dynalogger sensors were installed on the fans of inverters to monitor vibration and assess the motors' condition. The results obtained were then compared with a motor that did not have a sensor installed. It was found that the sensor installation provided greater predictability of maintenance needs, allowing for timely planned interventions and increasing equipment availability. Conversely, the motor without a sensor experienced unplanned stoppages, while the motors with sensors did not. It was concluded that, following sensor installation, analyzing equipment components to predict operational status proved highly valuable for gathering technical and specific information for decision-making, ultimately increasing the reliability of the activities performed.
Downloads
References
ANDRADE, R. K. V.; AMORIM, L. P.; GOMES, D. S. A importância da utilização da inovação como estratégia competitiva nos negócios. Revista de Administração do UNISAL, v. 4, n. 6, 2014.
ARAUJO, Aneide Oliveira. Contribuição ao estudo de indicadores de desempenho de empreendimentos hoteleiros, sob o enfoque da gestão estratégica. 2001. Tese (Doutorado em Controladoria e Contabilidade: Contabilidade) - Faculdade de Economia, Administração e Contabilidade, Universidade de São Paulo, São Paulo, 2001.
AOAD NETO, E.; AMICI, T. T.; CAMUSSO, D.; BRUNO, D. O. T. O impacto das tecnologias digitais na eficácia da manutenção preditiva industrial. Revista Científica Senai-SP –Tecnologia, Inovação & Educação, São Paulo, SP, v. 1, n. 2, p.59-83, nov.2022-jan. 2023
ARAUJO, Aneide Oliveira. Contribuição ao estudo de indicadores de desempenho de empreendimentos hoteleiros, sob o enfoque da gestão estratégica. 2001. Tese (Doutorado em Controladoria e Contabilidade: Contabilidade) - Faculdade de Economia, Administração e Contabilidade, Universidade de São Paulo, São Paulo, 2001.
BRANDINI, A. D.; DA SILVA, G. J. Automação aplicada a manutenção industrial. Revista Interface Tecnológica, [S. l.], v. 19, n. 2, p. 1020–1029, 2022.
COUTINHO, J. L.; LEÃO, L; PAULO, M. J. Aplicação de Ferramentas da Manutenção Preditiva na Análise de Óleos Lubrificantes. Repositório anima Educação, v. 1, p.1-29, 2021.
DIDELET, F.; SENA, F.; SEQUEIRA, C. D. Planeamento, Técnicas e Tendências da Manutenção. Porto: Quântica Editora, 2019. pp. 95-160.
DUQUE-PEREZ, O.; GARCIA-ESCUDERO, L. A.; MORINIGO-SOTELO, D.; GARDEL, P. E.; PEREZ-ALONSO, M. Condition monitoring of induction motors fed by Voltage Source Inverters. Statistical analysis of spectral data. IEEE International Conference on Electrical Machines. p. 2479-2484, 2012.
FIALHO, F. S.; MENDES, D. Análise dos impactos da instalação de um sensor de vibração no desempenho operacional do carregamento de trens. 2022. Trabalho de Conclusão de Curso (Graduação em Engenharia de Produção) - Universidade Federal Rural da Amazônia.
Florian, Eleonora; Sgarbossa, Fabio; Zennaro, Ilenia. Machine learning-based predictive maintenance: A cost-oriented model for implementation. International Journal of Production Economics, 236 (2021): 108114.
FOGLIATTO, F. S.; RIBEIRO, J. L. D. Confiabilidade e Manutenção Industrial. Elsevier Brasil, 2009.
GRIER, D. A. The radical technology of industrie 4.0. Computer, v. 50, n. 4, p. 120-120, 2017.
GULATI, R. Maintenance and Reliability Best Practices. 2. ed. New York: Industrial Press, 2013.
INTERNATIONAL ORGANIZATION FOR STANDART. Mechanical Vibration – Measurement and evaluation of machine vibration – Part 1: General guildelines, ISO 20816, 2016.
KARDEC, A.; NASCIF, J. Manutenção: Função Estratégica. 3. ed. Rio de Janeiro: Qualitymark. Petrobras, 2009.
KOUHI, R. M. et al. A quantitative framework for measuring sustainable development goals in mining operations. Discover Sustainability, v.5, p.313 – 334, 2024.
LIAO, Y.; DESCHAMPS, F.; LOURES, E. DE F. R.; RAMOS, L. F. P. Past, present and future of Industry 4.0 - a systematic literature review and research agenda proposal. International Journal of Production Research, v. 55, n. 12, p. 36093629, 2017.
MAGRANI, E. A internet das coisas. Editora FGV, 2018.
MANCINI, M. Internet das Coisas: História, conceitos, aplicações e desafios. Project Management Institute–PMI, 2017. Disponível em: http://monicamancini.com.br/wp-content/uploads/2019/07/Monica_Mancini-Ebook_Iot.pdf. Acesso em: 17 de dezembro de 2023.
MARQUES, E. L. D. O.; LUCAS, R. E. C.; BORGES, J. M. Digital transformation in industrial maintenance: an overview of Industry 4.0 technologies, their advantages and challenges. International Journal of Quality & Reliability Management, [S. l.], v. 43, n. 7, p. 1938–1953, 2026. Disponível em: https://doi.org/10.1108/IJQRM-10-2025-0378.
MARTINS, J. F.; FABRO, E. Uso do sensor inteligente na manutenção preditiva. Scientia cum industria, v. 8, n. 2, p. 1-9, 2020
MONYE, S.I.; AFOLALU, S.A.; LAWAL, S. L. The Role of Maintenance in the Manufacturing Industry. International Conference on Science: Engineering and Business for Driving Sustainable Development Goals, 2024.
NINA, J. L. G. Melhoria da Gestão da Manutenção. Dissertação (Mestrado em Engenharia Electrotécnica e de Computadores) - Instituto Superior de Engenharia do Porto, Engenharia Electrotécnica e de Computadores, Portugal, 2016.
NEPOMUCENO, L. X. Técnicas de Manutenção Preditiva. São Paulo: Edgard Blucher Ltda., 1989. 501 p, 2014.
OLIVEIRA, Monique Miranda. Análise de métodos estatísticos em planejamento e controle de manutenção. Rio de Janeiro: UFRJ, 2014. Trabalho de Conclusão de Curso (Engenharia Mecânica), Escola Politécnica, Universidade Federal do Rio de Janeiro, 2014.
PICAZO-RÓDENAS, M. J. et al. Use of the infrared data for heating curve computation in induction motors: Application to fault diagnosis. Engineering Failure Analysis, v. 35, p. 178-192, 2013.
RAO, S. S. Vibrações mecânicas. 4. ed. São Paulo: Pearson Prentice Hall, 2009.
ROCHA, C. S.; CARDOSO, E. L. S. S. Aplicação de ferramentas da qualidade para investigação e análise das possíveis causas das divergências nos desvios de pesagens durante o transporte rodoviário de minério de cobre. Orientador: Dr. Rafael da Silva Fernandes. 2020. 15 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Produção) – Universidade Federal Rural da Amazônia, Campus Parauapebas, 2020.
RUIZ-SARMIENTO, J.; MONROY, J.; MORENO, F.; GALINDO, C.; BONELO, J.; GONZALEZ-JIMENEZ, J. A predictive model for the maintenance of industrial machinery in the context of industry 4.0. Engineering Applications of Artificial Intelligence, v. 87, 2020.
SEQUEIRA, C. Sensores para medições de Vibrações Mecânicas–Acelerómetros. Revista Manutenção, v. 116, p. 4-6, 2013.
SOUZA, V. C. Utilização das tecnologias da indústria 4.0 na manutenção preditiva através do monitoramento de equipamentos e instalações. Brazilian Journal of Development, Curitiba, v.8, n.1, p.7063-7083 2022
THOMAZINI, D.; DE ALBUQUERQUE, P. U. B. Sensores industriais: fundamentos e aplicações. Saraiva Educação SA, 2020.
TORTORA, ALESSIA MARIA ROSARIA et al. Machine Learning for failure prediction: A cost-oriented model selection. Procedia Computer Science, v. 232, p. 3195-3205, 2024.
VALE S.A. Vale Conhecer. 2022. Disponível em: http://www.vale.com/hotsite/PT/Paginas/vale-conhecer/Vale-visitas/para/Home.aspx. Acesso em: 10 de maio de 2022.
VIANA, H. R. G. PCM: Planejamento e Controle da Manutenção. Rio de Janeiro:
Qualitymark, 2002.
WANG, Q.; GAO, J. Research and application of risk and condition-based maintenance task optimization technology in an oil transfer station. Journal of Loss Prevention in the Process Industries, v. 25, n. 6, p. 1018–1027, 2012.
WEG. Catálogo de motores. Guia de Especificação. 2016.
ZAIDI, S. AR et al. Guest Editorial: Design and Analysis of Communication Interfaces for Industry 4.0. IEEE Journal on Selected Areas in Communications, v. 38, n. 5, p. 797-802, 2020.
ZHONGMING, Y.; BIN, W. Review on Enduction Motor Online Fault Diagnosis. IEEE Power Electronics and Motion Control Conference, p. 1353-1358, 2000.
ZHU, K. X. Sensor-based Condition Monitoring and Predictive Maintenance-An Integrated Intelligent Management Support System. Intell. Syst. Accounting, Financ. Manag., v. 5, n. 4, p. 241-258, 1996.
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Revista Produção Online
This work is licensed under a Creative Commons Attribution 4.0 International License.
The Journal reserves the right to make spelling and grammatical changes, aiming to keep a default language, respecting, however, the style of the authors.
The published work is responsibility of the (s) author (s), while the Revista Produção Online is only responsible for the evaluation of the paper. The Revista Produção Online is not responsible for any violations of Law No. 9.610 / 1998, the Copyright Act.
The journal allows the authors to keep the copyright of accepted articles, without restrictions
This work is licensed under a Creative Commons License .
