Manutenção e Indústria 4.0
impacto da implementação de sensores sem fio no processo de carregamento em uma mineradora brasileira
DOI:
https://doi.org/10.14488/1676-1901.v26i3.5479Palavras-chave:
Sensor de vibração, Manutenção preditiva, Carregamento de trensResumo
Na indústria da mineração, compreender os impactos da implementação de tecnologias nas atividades preditivas de manutenção torna-se importante para busca da eficiência processual. Ante esse cenário, o objetivo desta pesquisa foi analisar como a instalação de um sensor de vibração nos motores dos transportadores impacta no desempenho operacional do carregamento de trens, realizado por uma empresa de grande porte situada na região norte do Brasil. Para isso, foram instalados sensores do tipo Dynalogger nos ventiladores dos inversores para coletar a vibração, a fim de detectar e acompanhar o estado dos motores. A partir disso, os resultados obtidos foram comparados com um motor que não recebeu o sensor. Identificou-se que a instalação do sensor proporcionou maior previsibilidade de manutenções para que fossem realizadas intervenções planejadas em tempo hábil, aumentando a disponibilidade do equipamento. Paralelamente, constatou-se que o motor sem sensor apresentou paradas não programadas, enquanto os motores com sensor não apresentaram. Concluiu-se que, a partir da instalação dos sensores, a análise dos componentes dos equipamentos para predizer seu estado operacional mostrou-se de grande importância para adquirir informações técnicas e específicas para a tomada de decisão, trazendo maior confiabilidade para as atividades realizadas.
Downloads
Referências
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.
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2026 Revista Produção Online
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
A Revista se reserva no direito de efetuar, no artigo publicado, alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da língua, respeitando, porém, o estilo dos autores.
A obra publicada é de inteira responsabilidade do(s) autor(es), cabendo à Revista Produção Online apenas a avaliação da obra, na qualidade de veículo de publicação científica. A Revista Produção Online não se responsabiliza por eventuais violações à Lei nº 9.610/1998, Lei de Direito Autoral.
A revista Produção Online permite que o autor detenha o copyright dos artigos aceitos para publicação, sem restrições.
Esta obra está licenciada sob uma Licença Creative Commons.
