AQTech fecha primeiros contratos para O&M preditiva na Europa e Ásia

A AQTech, empresa que atua no monitoramento e diagnóstico de usinas está expandindo seu processo de internacionalização com foco na Europa e Sudeste Asiático. O movimento mira alcançar seus primeiros clientes em países como Portugal, França, Espanha, Indonésia, Filipinas e Vietnã, ao mesmo tempo em que fortalece presença nas Américas. A empresa que conta com 11 GW de hidrelétricas e 1 GW eólico monitorados em seu portfolio espera mais do que dobrar o faturamento anual, passando dos atuais R$ 40 milhões para R$ 100 milhões até 2027.

“O mercado internacional representa 10% do faturamento total da AQTech e com essa nova fase esperamos atingir até 30% do nosso rendimento vindo do exterior nos próximos cinco anos”, pontua à Agência CanalEnergia o executivo de Vendas Globais da companhia, Thiago Kleis. O primeiro passo nesse sentido é a recém abertura de uma unidade operacional na cidade do Porto, em Portugal, para capitanear os negócios na Eurásia. O país foi escolhido para abrigar o escritório por sua posição estratégica e as similaridades com o Brasil, que inclui a língua e questões sócio-culturais.

A estratégia é conquistar parceiros locais já consolidados. Atualmente são oito na América Latina e sete entre Europa e Ásia, com prospecções avançadas na Itália, Índia, Suíça e Noruega. Esse plano considera o conhecimento das leis e o mercado de cada país. É o mesmo que possibilitou realizar no Peru, em 2020, o primeiro projeto de grande porte da empresa no exterior. Posteriormente, o modelo de atuação permitiu implantar sistemas em usinas de mercados como o da Guatemala e do Panamá. Atualmente o principal cliente internacional da empresa é a italiana Enel, tendo acordos por aqui com a Eletrobras, Cemig, CPFL, Weg, Elera Renováveis, Santo Antônio Energia e outros.

Empresa possui 15 parceiros internacionais para implementação de suas soluções preditivas (AQTech)

Thiago afirma que a multinacional catarinense fornece um sistema composto por sensores de vibração, temperatura, acústica e análise de óleo, capaz de identificar as oscilações das máquinas e gerar dados para auxiliar na tomada de decisão nas rotinas de O&M. Apesar de focar em ativos com certo tempo de operação, a AQTech também possui participação em plantas novas, com os clientes primarizando suas rotinas para diagnósticos preditivos. “Nosso diferencial é a customização das soluções a partir das demandas dos clientes, estudando cada tipo de projeto e máquinas, com etapas de engenharia de dados para redução de custos”, ressalta.

O executivo conta que o negócio começou com UHEs em 2014 e que há três anos os esforços se voltaram também para a fonte eólica, de onde espera agora sua expansão majoritária, podendo subir sua representatividade na carteira de 30% para 50% em um ou dois anos. Nos dois últimos períodos o percentual de participação da vertical no faturamento global foi de 10,63% para 28,7%, chegando a R$ 1,8 milhão em 2021. Nesse ano deve ultrapassar os R$ 10,6 milhões neste ano, saltando 470%.

As ferramentas são compostas por sensores de vibração instalados nos ativos das usinas para captar as oscilações das máquinas e enviam esses dados para o software, que faz a análise das informações e as transforma em insights para as equipes de gestão da manutenção. Assim, a tecnologia ajuda a mitigar, de maneira indireta, falhas e interrupções não programadas nas plantas de geração. O sistema identifica e alerta possíveis defeitos da máquina e prevê em quanto tempo esse problema se tornará grave. Com as informações em mãos, a equipe de manutenção do equipamento pode realizar ações para evitar que isso aconteça.

Além de disponibilizar essas informações, a AQTech também oferece treinamento para que a equipe de manutenção entenda o que os dados significam. Caso o cliente tenha mais dúvidas, é oferecido um serviço especializado de apoio na interpretação de dados. Essa operação é feita por especialistas no Centro de Análise de Condição, em Florianópolis (SC).

Falhas na parte do gearbox é a principal desafio para operação e manutenção de aerogeradores (AQTech)

Na parte de modernização de hidrelétricas para otimização das rotinas de manutenção, a companhia fechou há um mês o primeiro contrato na Europa, para uma usina de grande porte em Portugal. Já pensando no futuro, Kleis destaca os desafios para o mercado da eólica offshore, que tende a ter uma O&M com problemas mais complexos do que o ambiente onshore, por lidar estruturas maiores.

“Estamos aprimorando a tecnologia, como os modelos de machine learning para esse mercado ainda novo”, comenta, acrescentando o hidrogênio como uma realidade ainda distante, mas que está no radar da empresa. Já na província de North Sulawesi, na Indonésia, o contrato firmado em dezembro prevê o fornecimento de equipamentos de monitoramento para a hidrelétrica Tanggari 2.

Ocorrências e o fator climático

Segundo Thiago Kleis, o principal defeito nos parques eólicos atualmente acontece no Drive Train. A turbina gira em baixa velocidade e o gerador em alta, tendo o acoplamento na parte inferior através de uma máquina multiplicadora denominada gearbox, cujo índice de falha é alto pela complexidade mecânica. Além disso, a parada para troca da peça requer de três a quatro meses dependendo do caso, devido a logística de operação com guindastes.

Outro foco de atenção é no hub, que faz a conexão entre a nacele e as pás. Com o passar do tempo o movimento gera folgas e problemas que podem causar até a queda dos equipamentos. Um projeto de P&D da companhia está sendo direcionado para ocorrências nas pás, como aqueles envolvendo descargas atmosféricas e raios.

Sobre as ocorrências envolvendo ventos cada vez mais fortes e que por vezes podem torcer as torres, Kleis ressalta que esses ciclos estão cada vez mais indeterminados pelas mudanças climáticas, fator que traz complexidade para gestão da manutenção, com a predição assertiva diminuindo. “O que temos feito é buscar comparar as variáveis que medimos, fazendo cruzamento de vibrações com a velocidade do vento e potência, correlacionando dados e comportamentos”, conclui o executivo, citando o uso de machine learning para predizer a possível aceleração desse desgaste.