Para reduzir o tempo de inatividade e os custos de manutenção em sua extração de bauxita, no Pará, a Norsk Hydro transformou sua gestão de ativos com o apoio da tecnologia da Aveva, líder global em software industrial.
Por meio do programa interno Zero Equipment Breakdown (ZEB) e da iniciativa de Gestão de Performance de Ativos (GPA), a companhia implementou uma infraestrutura de dados utilizando o Aveva PI System integrado a algoritmos de inteligência artificial (IA) e Machine Learning.
De acordo com Dyulia Rossi, engenheira de Confiabilidade da Norsk Hydro, o cenário anterior era marcado por dados fragmentados, limitações na integração com o despacho de frota e um alto volume de alertas manuais que dificultavam a priorização pelas equipes de campo. Sendo assim, o objetivo central era responder a três perguntas críticas da operação: “Como consertar um equipamento?”; “Por que ele falhou?”; e “O que fazer para prevenir novas ocorrências?”.
“O mercado costuma aplicar a gestão de performance em equipamentos industriais fixos. O nosso grande desafio foi expandir essa abordagem para equipamentos móveis de mineração, como caminhões, tratores e mineradores de superfície”, explica Dyulia Rossi.
Para romper esses silos de informação, a mineradora utilizou a arquitetura do Aveva PI System para integrar dados de sensores de IoT, telemetria da frota móvel multimarca, apontamentos de laboratório e sistemas corporativos, como o SAP.
A adoção dessa inteligência em tempo real permitiu à Norsk Hydro criar uma taxonomia padronizada no PI Asset Framework (PIAF), organizando os ativos desde o nível da planta e do fabricante (OEM) até subsistemas específicos, como motores e circuitos hidráulicos. Esse nível de granularidade viabilizou uma análise escalável em toda a frota.
A engenheira explica ainda que, a partir dessa base de dados unificada, a companhia adotou a arquitetura Retrieval-Augmented Generation (RAG) e Modelos de Linguagem de Grande Escala (LLMs) para cruzar variáveis e criar mais de 65 regras de negócios automáticas. O sistema passou a fornecer análises de causa raiz, executar a Análise de Modos de Falha e Efeitos (FMEA) de forma automatizada e recomendar manutenções prescritivas em segundos.
“O verdadeiro valor da nossa gestão de ativos está na janela de oportunidade. Em vez de reagir a uma falha funcional, quando a operação já foi impactada, estruturamos os dados para identificar a falha potencial no início. Quanto mais cedo detectarmos o problema, maior será a nossa capacidade de agir e evitar paradas críticas”, explica.
O impacto financeiro gerado por essa visibilidade já é tangível. Em um dos casos registrados pela Norsk Hydro, a tecnologia identificou que um minerador de superfície (surface miner) apresentava um tempo de deslocamento estendido incomum e gerou um alerta preditivo. A recomendação do sistema foi a abertura imediata de uma ordem para a troca do óleo da caixa de engrenagens de translação. O custo dessa intervenção preventiva orientada por IA representou menos de 1% do valor que a companhia gastaria para consertar o equipamento caso ocorresse uma falha mecânica total.
Crédito da imagem de abertura: Ricardo MzF .com/stock.adobe.com
