Manutenção preditiva: do sensor ao alerta que alguém realmente atende
Por que a maioria dos pilotos de manutenção preditiva não sobrevive ao sexto mês — e o que muda quando o alerta é desenhado junto com a operação.
Quase todo piloto de manutenção preditiva acerta a parte estatística e erra a parte organizacional. O modelo detecta a anomalia, ninguém age, e no trimestre seguinte o projeto perde patrocínio.
O que medir primeiro
Comece pelos ativos críticos com modo de falha conhecido e progressivo. Motores, redutores, bombas e compressores dão sinais mensuráveis:
- Vibração (RMS e espectro) — desalinhamento, desbalanceamento, folga, rolamento
- Temperatura de mancal — atrito e lubrificação
- Corrente do motor — carga anormal
- Pressão diferencial — obstrução e desgaste
Ativos com falha súbita e sem precursor físico não são candidatos: para eles, redundância custa menos que modelo.
Da anomalia à falha nomeada
Um detector de anomalia genérico gera alertas verdadeiros e inúteis: "algo mudou". A operação precisa de algo acionável.
Anomalia detectada → ignorada
Rolamento do lado acoplado
com energia crescente em
BPFO há 9 dias → ordem de serviçoO caminho é combinar detecção estatística com regras de diagnóstico derivadas do modo de falha. O modelo diz *quando*; a engenharia de confiabilidade diz *o quê*.
Escolha do modelo pelo dado disponível
| Situação | Abordagem |
|---|---|
| Sem histórico de falhas rotulado | limiares adaptativos e detecção de novidade |
| Poucas falhas rotuladas | classificação com aumento de dados e validação temporal |
| Histórico rico e sazonal | previsão de vida útil remanescente com validação por ativo |
Valide sempre com separação temporal, nunca com amostragem aleatória: prever o passado a partir do futuro infla qualquer métrica.
Desenhe o alerta com quem vai atendê-lo
Um alerta útil declara quatro coisas: o ativo, o sintoma, a janela recomendada de intervenção e a confiança. E chega no canal onde a manutenção já trabalha — a ordem de serviço, não um dashboard que ninguém abre.
Combine antes do piloto: qual a taxa aceitável de falso positivo, quem triagem, e o que acontece quando o alerta é ignorado e a falha ocorre.
Meça o resultado do programa, não do modelo
Acurácia não paga a conta. Acompanhe paradas não planejadas evitadas, horas de indisponibilidade, custo de manutenção corretiva e taxa de alerta atendido. Esse último indicador é o que prevê se o programa sobrevive.
Conclusão
Manutenção preditiva é um problema de confiabilidade com um componente de dados, não o contrário. Sensor bem escolhido, diagnóstico nomeado, alerta integrado ao fluxo de trabalho e métricas de programa — nessa ordem.