Big data pode reduzir custo de manutenção em até 12%, aponta Steag

O uso do big data em manutenção de parques eólicos pode ajuda a reduzir o custo dessas ações quando comparado à manutenção preventiva. A estimativa é de que os valores fiquem entre 8% e 12% na comparação entre as duas abordagens. Os dados são da Steag Energy Services, a manutenção reativa, que ainda é a realidade de muitos empreendedores, de 30% a 60% do total, é a mais custosa de todas com valores até 20% mais elevados que a preventiva.

De acordo com o diretor executivo da empresa, Ulrich Sigel, que esteve semana passada no Brasil, o uso do big data para essas ações de manutenção estão sendo aplicadas em diversos países do mundo. Entre os motivos está o aumento da eficiência e a redução dos custos operacionais que essas medidas trazem. Ele explicou em evento promovido no escritório Demarest Advogados que o uso da tecnologia permite novo meios de detectar causas de perdas com antecedência, desenvolver de forma mais assertiva o planejamento de paradas planejadas, a otimização do acionamento de equipes e a disponibilidade dos ativos.

“Comparando, a manutenção preventiva você determina um período recorrente de tempo para a troca de componentes, independente de seu uso. Na preditiva a substituição ou ação é feita apenas quando há realmente a necessidade de intervenção no equipamento, o que permite o uso daquele equipamento por mais tempo evitando ações que são desnecessárias”, disse ele.

Outra vantagem que a manutenção preditiva apresenta, consequentemente, é o menor tempo de parada quando comparada à reativa. No exemplo apresentado por ele, a ação reativa pode comprometer o funcionamento de um aerogerador em casos mais extremos. Entre as vantagens que o big data traz estão menores esforços para criação de um sistema e qualquer tipo de anomalia pode ser detectada mesmo aquelas mais imperceptíveis quando se tem a manutenção preventiva. Contudo, faz parte de um processo que envolve a necessidade de engenheiros para análise de dados e uma curva de aprendizagem que depende diretamente do volume de dados a serem considerados.

Apesar desses aspectos, no geral, comentou ele, a abordagem preditiva deverá tornar-se a mais utilizada devido à assertividade de aplicação. Ainda mais em um mundo em que as fontes renováveis na matriz elétrica estão cada vez mais presentes e por sua variabilidade da operação há incertezas acerca de se determinar corretamente qual deverá ser a hora adequada para ações de manutenção.