Agroindústria — etanol de milho · Brasil (Mato Grosso do Sul) · 2023–2024
Manutenção preditiva com sensores e IA leva disponibilidade de ativos a 99,76%
Uma das maiores produtoras de etanol de milho da América Latina passou a monitorar continuamente seus ativos críticos com sensores e modelos de IA, antecipando falhas e reduzindo paradas não planejadas em períodos críticos de safra.
Contexto
A Inpasa opera plantas de etanol de milho em Mato Grosso do Sul. Como processo contínuo de altíssima demanda, qualquer parada não planejada na safra tem impacto direto em faturamento e custo. A empresa já mantinha rotas de manutenção preventiva.
O problema prioritário
A manutenção preventiva por ciclo fixo deixava lacunas entre rotas, e falhas que se desenvolviam nesse intervalo geravam paradas inesperadas. Faltava monitoramento contínuo da saúde dos ativos.
Objetivo do projeto
Complementar as rotas preventivas com monitoramento contínuo em tempo real, antecipando falhas e otimizando o esforço da equipe de manutenção sem ampliar o quadro.
Passo a passo da jornada
- Selecionar ativos críticos — Mapearam os equipamentos cuja parada gera maior impacto no processo contínuo de produção.
- Instalar sensores sem fio — Sensores capturam continuamente vibração, temperatura, horímetro e consumo de energia, sem grande obra de instalação.
- Analisar dados com IA em nuvem — Modelos de IA processam os dados em tempo real, identificam padrões anormais e geram alertas preventivos antes da falha.
- Reorientar as rotas preventivas — As equipes passaram a concentrar esforço onde os alertas indicam, mantendo as rotas só onde elas realmente agregam.
Dados necessários
- Vibração, temperatura, horímetro e consumo de energia de ativos críticos
- Histórico de paradas e intervenções
- Rotas e procedimentos de manutenção preventiva
Ferramentas e arquitetura
Barreiras enfrentadas
- Cultura historicamente baseada em manutenção preventiva por ciclo fixo
- Necessidade de confiança nos alertas para alterar rotas estabelecidas
- Cobertura de ativos em locais de difícil acesso
Aprendizados-chave
- Para indústrias de processo contínuo (alimentos, bebidas, plásticos, papel, metalurgia, têxtil), monitoramento contínuo + IA é o complemento natural à manutenção preventiva — não a substituição.
- Modelo de preço por ponto monitorado torna a abordagem acessível também a MPMIs com 10–50 ativos críticos.
- O ganho central é antecipar falhas antes da rota programada, evitando paradas no pior momento.