Modelo preditivo para otimização de operações em equipamentos pesados utilizando uma abordagem de aprendizado de máquina com dados da rede CAN.

Abstract

A manutenção preditiva visa antecipar falhas e otimizar os processos de manutenção, reduzindo custos operacionais e aumentando a eficiência dos equipamentos, no entanto, um modelo de manutenção preditiva robusto, precisa de um conjunto de informações adicionais importantes e confiáveis sobre o equipamento. Assim, proponho desenvolver um modelo capaz de prever o estresse de um caminhão basculante, em tempo real, utilizando técnicas de aprendizado de máquina, separar os operadores em grupos de direção leve, moderado e severa, baseados em sua eficiência para a saúde do equipamento e gerar Key Performance Indicators (KPIs) valiosos que poderão servir como base para um modelo de manutenção preditiva. O desenvolvimento todo foi baseado em dados extraídos da rede Controller Area Network (CAN) de um caminhão Volvo FMX 500, ano 2023, de uma empresa do setor de mineração. Para isso, foi adotado o uso de dados como RPM, temperatura do motor, consumo de combustível e horímetro, coletados em tempo real pela rede CAN. O método utilizado envolve a coleta, pré-processamento e análise desses dados, utilizando algoritmos de aprendizado de máquina, como MLP Regressor e o K-means. A validação do modelo foi realizada com base em dados históricos e o desempenho foi avaliado por meio de métricas como precisão, recall e acurácia. Os resultados indicam que o modelo desenvolvido consegue, em tempo real, prever o esforço baseado em uma grandeza heurística que o equipamento está realizando com alta precisão e classificar os operadores em grupos por seus tipos de condução do equipamento, proporcionando uma solução eficiente para a gestão de manutenção e tomada de decisões para equipamentos pesados. As conclusões apontam para a viabilidade da implementação para um trabalho de manutenção preditiva, mediante a possibilidade de acesso a mais dados, com benefícios significativos para a indústria, especialmente em termos de redução de custos e aumento da vida útil dos equipamentos