Como se Interpretam os Modelos?
Nesta secção, poderá visualizar informações detalhadas sobre a previsão desejada, juntamente com os seus indicadores, gráficos, entre outros.
Interpretação de um Modelo de Degradação
Os modelos de degradação permitem estudar o estado de um ativo ao longo do tempo. No Predictto, apresentamos isso de forma simplificada através de dois gráficos: o primeiro mostra a evolução de uma variável crítica ao longo do tempo, e o segundo mostra a fiabilidade do equipamento no mesmo período de tempo.
No primeiro gráfico, "Previsão das Medições", pode observar a evolução da variável medida durante as horas de operação do ativo. Os pontos laranja representam dados reais das medições da variável; a linha azul escura é o ajuste encontrado pelo nosso algoritmo; e a sombra em tons celestes representa o intervalo de confiança dos valores futuros. Simplificando, no futuro é mais provável que a variável tenha o valor da linha central azul, mas pode encontrar-se em qualquer ponto dentro da sombra cinzenta.
Agora, para que serve esta informação? Bem, as variáveis monitorizadas podem ter limites dentro dos quais se considera que o ativo está a funcionar de forma satisfatória. Esses limites podem ser definidos por uma norma ou estabelecidos pelo utilizador com base nos seus conhecimentos e experiência prévia.
Com este gráfico, pode saber quando a variável em estudo alcançará esse limite, marcado por uma linha horizontal vermelha. Por defeito, para análise de vibração, esse valor limite corresponde ao estabelecido pela norma ISO 10816-3 para velocidade de vibração; no entanto, pode alterar este valor a qualquer momento para outro limite (máximo ou mínimo) que considere mais adequado, no painel de configuração à esquerda dos gráficos. No mesmo formulário mencionado, também pode editar o limite do eixo x, ou seja, até que ponto no tempo deseja fazer a previsão da variável.
Com base nisso, podemos obter informações sobre a fiabilidade do equipamento, como se pode observar no segundo gráfico.
À medida que a variável atinge o limite estabelecido, observa-se uma diminuição na fiabilidade do ativo, chegando a 0% de fiabilidade quando o nosso modelo determina que é absolutamente certo que a variável ultrapassará esse limite (ou seja, quando toda a sombra cinzenta o ultrapassa).
Como pode observar, o nosso modelo não indica apenas quando o seu ativo irá avariar, também fornece a probabilidade de avaria ao longo do tempo.
Interpretação de um Modelo de Fiabilidade
Os modelos de fiabilidade permitem estudar o estado de um ou vários ativos ao longo do tempo. No Predictto, apresentamos isso de forma simplificada através das seguintes barras: fiabilidade, risco do sistema, avarias acumuladas e custos. A seguir, veremos alguns conceitos importantes relacionados com Weibull:
Mediana (m): Corresponde ao ponto no tempo em que a probabilidade é de 50%, sendo assim uma medida de tendência central facilmente identificável a partir dos dados ou ferramentas disponíveis.
R2m: É o valor de probabilidade localizado na curva de fiabilidade em m mais 50% da mesma.
Probabilidade de avaria: Refere-se à percentagem de ocorrência de avaria, permitindo identificar momentos de maior e menor risco, juntamente com os períodos em que o sistema requer atenção especial por parte da operação e manutenção.
Fiabilidade: Refere-se à probabilidade de um ou mais ativos operarem sob condições preestabelecidas.
Taxa de avaria: Refere-se à probabilidade de ocorrência de avaria, tendo em consideração se o ativo se avariou anteriormente ou não. Este parâmetro é vital para classificar os processos de avaria. Além disso, corresponde ao tempo médio entre avarias (MTBF), sendo um dos parâmetros de referência mais renomados na indústria de manutenção e fiabilidade.
Taxa de avaria acumulada: Refere-se à estimativa da quantidade de avarias que o sistema apresenta após ser submetido a políticas de reparações mínimas. Esta variável permite estimar a quantidade de avarias para um intervalo de tempo definido no ciclo de vida do sistema.
As ferramentas mencionadas acima adicionam valor preditivo aos dados de avarias recolhidos, permitindo caracterizar o comportamento dos dados recolhidos das avarias do sistema. Uma vez obtidos os parâmetros, é possível determinar o comportamento das variáveis críticas.
Período de vida útil: São aqueles processos com R2m igual a 0,3535 ou 35,35%; têm uma taxa de avaria constante. As avarias são de natureza acidental e estatisticamente imprevisíveis.
Período de desgaste: São aqueles processos com R2m inferior a 0,3535 ou 35,35%; têm uma taxa de avaria crescente com um comportamento de tendência central. As avarias são previsíveis e adequadas para esquemas de manutenção preventiva.
Período de mortalidade infantil: São aqueles com R2m superior a 0,3535 ou 35,35%; têm uma taxa de avaria decrescente e apresentam uma alta probabilidade de avaria no seu período inicial. As avarias são altamente previsíveis e adequadas para esquemas de proteção durante a garantia.
Recálculo de Modelos
Para realizar novamente um diagnóstico, clique no botão "Editar"; lá encontrará opções para alterar o nome, modificar os parâmetros de treino e recalcular (Testar) com um único clique, incluindo os dados mais recentes.
Lembre-se de que também pode realizar vários testes na secção de modelos preditivos.
Indicadores e Resumo de Previsões
Poderá visualizar os indicadores do seu modelo, como horas restantes até a avaria e fiabilidade do ativo. Estes indicadores são acompanhados por cores representativas, semelhantes às cores de um semáforo, para avaliar rapidamente o estado do seu ativo em estudo. Além disso, ao consultar cada diagnóstico, será fornecida uma explicação resumida em linguagem natural do que esses indicadores indicam, basta posicionar o rato sobre cada um deles, tal como demonstrado na imagem seguinte.
Nota: Se o indicador "Horas até limite máximo" estiver negativo, indica o número de horas que passaram desde que a manutenção deveria ter sido realizada. Além disso, é importante mencionar que os indicadores rápidos na tabela dos modelos realizados são baseados nestas informações.
Versões de Modelos
Os grupos de dados que têm o mesmo nome e correspondem ao mesmo ativo serão considerados diferentes versões do mesmo modelo. Pode consultar as diferentes versões de um modelo dentro do respetivo diagnóstico.