ROLAMENTOS E SOLUÇÕES EM MANUTENÇÃO INDUSTRIAL
MATRIZ - SP: (11) 2797-1322 | SERVICE - SP: (11) 2902-1460
ROLAMENTOS E SOLUÇÕES EM MANUTENÇÃO INDUSTRIAL
MATRIZ - SP: (11) 2797-1322 | SERVICE - SP: (11) 2902-1460

O futuro da análise de falha de rolamentos está aqui!

o-futuro-da-analise-de-falha-de-rolamentos-esta-aqui

A visão computacional é um complemento eficaz para o olho humano. A SKF desenvolveu uma ferramenta de IA para avaliar os danos causados automaticamente, ajudando os clientes a diagnosticar problemas e prolongar a vida útil de componentes críticos.

Os usuários industriais dependem cada vez mais de tecnologias digitais avançadas para monitorar a vida de seus equipamentos. Os sistemas modernos de monitoramento de condições aplicam técnicas analíticas avançadas para detectar os primeiros sinais de desgaste ou danos nos rolamentos e outras partes críticas. Uma vez identificado um problema, no entanto, os olhos de um engenheiro experiente sempre foram a ferramenta de diagnóstico mais poderosa.

Ao olhar para as marcas nas superfícies de contato, os especialistas em SKF podem avaliar a gravidade de um problema e, muitas vezes, identificar sua causa mais provável. Essa informação é extremamente valiosa para os usuários finais. Por exemplo, a inspeção visual pode permitir que eles modifiquem os procedimentos de operação ou manutenção para evitar que os problemas se repitam. Também pode determinar, no caso dos grandes rolamentos utilizados em aplicações como fábricas de papel, produção de aço ou turbinas eólicas, se um rolamento danificado é adequado para remanufatura e reutilização.

Entretanto, ter acesso a um analista de rolamento qualificado nem sempre é fácil. Pode levar anos trabalhando com rolamentos todos os dias para especialistas da SKF acumularem os conhecimentos e experiências necessários. Se o equipamento danificado estiver em um local remoto, só conseguir um engenheiro de rolamento no local já pode ser difícil, um problema agravado nos últimos meses por restrições de viagem e de acesso impostas por conta da pandemia de Covid-19.

Além disso, quando os rolamentos usados devem ser enviados de volta à SKF para remanufatura, os responsáveis querem saber que o item que estão enviando está em condições adequadas para ser reciclado. Se não estiver, provavelmente será mais econômico e ambientalmente amigável reciclar o rolamento localmente.

Sistema de Inteligência Artificial para avaliação de rolamentos

Para endereçar essas questões, uma equipe da SKF está desenvolvendo uma nova abordagem. Eles construíram um sistema automatizado de visão computacional que pode avaliar danos causados através de câmeras digitais. O sistema usa inteligência artificial (IA) na forma de um algoritmo de reconhecimento de imagem de rede neural que foi treinado usando milhares de imagens de rolamentos danificados dos arquivos da SKF.

o-sistema-pode-identificar-caracteristicas de superfície de rolamentoAo contrário das abordagens mais antigas da visão de máquina, o sistema de visão de IA foi projetado para operar em condições reais, onde as imagens podem ser obtidas no chão de fábrica ou no campo, onde o controle rigoroso sobre a iluminação e a composição são impossíveis. O sistema pode identificar características de superfície de rolamento mesmo que a imagem seja filmada em um ângulo imperfeito ou o fundo esteja desordenado.

Uma vez escolhida a área de interesse, a ferramenta de IA classifica o tipo e a gravidade dos danos na superfície de rolamento. Os rolamentos podem exibir muitos tipos diferentes de falha. Por exemplo, a ISO 15243:2017, padrão internacional relevante, lista mais de uma dúzia delas. A equipe da SKF optou por focar por enquanto em um número seleto de modos de falhas que representam cerca de 80 % de falhas no serviço.

Treinando o algoritmo

Treinar e otimizar o algoritmo foi um esforço colaborativo entre uma equipe de pesquisadores do Centro de Pesquisa e de Desenvolvimento Tecnológico da SKF e um grupo de especialistas em análise de rolamento altamente experientes. Primeiro, a equipe mostrou ao sistema milhares de imagens, cada uma marcada com o modo de falha relevante, para ensiná-lo as características de cada modo de falha. Então, para testar o algoritmo, eles pediram que ele classificasse novas imagens e comparou seus resultados com as opiniões dos especialistas humanos, ajustando o modelo a melhorar sua precisão.

, o sistema de IA baseado na visão computacional
Figura 1: Em pouco tempo, o sistema de IA baseado na visão computacional (visão de IA) foi capaz de diferenciar entre os modos de falha que os observadores humanos acham difíceis de distinguir. A imagem mostra dois rolamentos danificados com marcas semelhantes onde pode ser complexo diferenciar entre danos de corrente elétrica e desgaste abrasivo. A ferramenta de IA identificou apenas danos de corrente elétrica na imagem direita, uma previsão que foi confirmada por uma análise mais aprofundada dos rolamentos

exemplo de falha na superfície do rolamento

numeros-mostram-exemplos-de-imagens-de-entrada
Figura 2: Os números mostram exemplos de imagens de entrada contendo danos ao rolamento (esquerda) e a saída resultante (direita) da ferramenta AI que exibe o dano detectado na forma de caixas delimitadoras com a classificação correspondente do modo de falha ISO

Implantação e aprendizagem contínua

Com o sistema de visão de IA funcionando bem durante a fase de testes, a implantação começou em toda a organização para ajudar as equipes de suporte ao cliente a classificar problemas e de remanufatura a acelerar a avaliação dos rolamentos recebidos. Trabalhando ao lado de pessoas experientes, o algoritmo de visão computacional continua aprendendo e melhorando sua precisão o tempo todo.

A próxima fase do projeto será disponibilizar o sistema aos clientes. A equipe planeja implantá-lo como software baseado em nuvem, permitindo que as pessoas de manutenção tirem fotos dos rolamentos e os carreguem na nuvem para análise. O objetivo inicial é uma perfeita experiência aumentada por IA que ajuda instantaneamente um usuário a decidir se um rolamento é ou não adequado para remanufatura.

Mais adiante, a SKF está explorando maneiras de combinar a nova abordagem com outras ferramentas analíticas em seu portfólio. Saber como um rolamento falhou, por exemplo, não diz porque ele falhou, já que o mesmo problema pode surgir de múltiplas causas-raízes. Mas ao vincular a visão de IA com os dados coletados dos sistemas de monitoramento de condições e controle de máquinas, a equipe espera automatizar e acelerar a resolução de problemas de causa-raiz e a resolução de desafios de confiabilidade.

 

2 respostas

  1. Muito bom saber desta ferramenta de IA, para análises de falhas de rolamentos. Parabéns para a equipe da SKF pela iniciativa, facilitando a atividade dos profissionais de manutenção.

  2. Ótima idéia. Ferramenta se implementada será de grande utilidade e vai ajudar a desenvolver bastante as equipes de manutenção em análise de falhas. Tem previsão para o serviços estar disponível para os clientes? Tem uma estimativa de custo?

Average
5 Based On 2

Deixe um comentário

O seu endereço de e-mail não será publicado.

Esse site utiliza o Akismet para reduzir spam. Aprenda como seus dados de comentários são processados.

Deixe um comentário

Artigos mais lidos

Últimas Notícias

Categorias

Tags