A Çolakoğlu Metalurji, uma das principais fabricantes de aço da Turquia, vem promovendo a excelência operacional e a transformação digital em toda a sua aciaria desde o início das operações, em 1960. A empresa depende de dois guindastes de aciaria cruciais, que operam de forma intermitente, o que dificulta prever falhas e coloca a produção em risco de perdas. Para melhorar a confiabilidade, a empresa adotou o AVEVA™ Predictive Analytics, integrando dados de SCADA e de sensores para monitoramento em tempo real orientado por eventos. Essa abordagem eliminou falhas inesperadas nas rodas dos guindastes e evitou uma perda de produção de quase 350 toneladas de aço.
Desafios
Falta de visibilidade dos parâmetros do guindaste e da previsão de anomalias.
As operações não contínuas das pontes rolantes tornavam o monitoramento tradicional ineficaz
Alto risco de interrupção operacional e perda de produção
Resultados
Eliminou falhas inesperadas nas rodas das pontes rolantes, reduzindo-as a praticamente zero ao longo do tempo
350 toneladas
de perda na produção de aço evitada, aproximadamente
Intervenções de manutenção otimizadas com base na condição real dos ativos
Melhoria da segurança operacional e da continuidade
A Çolakoğlu Metalurji, uma das principais fabricantes de aço da Turquia, iniciou suas operações em 1960 e agora está focada em impulsionar a eficiência e a produtividade por meio da digitalização. Seu processo de produção utiliza fornos elétricos e fornos de panela para fundir o aço, seguidos por máquinas de lingotamento de placas e tarugos para moldá-lo. A produção (placas de aço) é enviada diretamente aos clientes ou posteriormente processada no local em bobinas e vergalhões.
Falhas não planejadas nas pontes rolantes levaram a perdas de produção
No centro dessas operações estão dois guindastes de aciaria, cada uma com capacidade de 500 toneladas. Esses guindastes são essenciais para manter a produção sem interrupções. Qualquer falha pode causar interrupções operacionais, complicações ou a necessidade de desviar guindastes, resultando em perdas significativas de produção. A identificação proativa de problemas era, portanto, crucial.
A Çolakoğlu opera guindastes críticos em condições irregulares e não programadas, o que torna as falhas difíceis de prever. Para enfrentar esse desafio e evitar tempo de inatividade não planejado e perdas de produção, a empresa fez parceria com a AVEVA para implementar manutenção preditiva voltada para operações intermitentes.
"Identificar problemas antes que ocorram e resolvê-los de forma planejada é fundamental para aumentar o tempo de operação da aciaria."
–Özgür Özsoy, Diretor de Fábrica, Çolakoğlu Metalurji
AVEVA Predictive Analytics implemented to cranes
As operações intermitentes das pontes rolantes exigiam um monitoramento mais inteligente
Diferentemente dos equipamentos em funcionamento contínuo, os guindastes da fundição operam de forma intermitente, tornando as abordagens convencionais de monitoramento ineficazes. As falhas frequentemente ocorriam sem aviso prévio, interrompendo a produção e desencadeando reparos emergenciais dispendiosos. Cada avaria significava horas perdidas, aumento de custos e maiores riscos de segurança para os operadores e equipes de manutenção.
Os riscos eram altos. Uma única falha em um guindaste poderia interromper todo o fluxo de materiais, afetando a produtividade e os cronogramas de entrega. Operar guindastes cruciais em um ambiente não contínuo e não programado gerava uma lacuna significativa de visibilidade. Sem monitoramento em tempo real, problemas menores poderiam evoluir para falhas graves, aumentando os riscos operacionais e o tempo de inatividade.
Esse era um desafio único, porque o AVEVA Predictive Analytics é tradicionalmente aplicado a sistemas de produção contínua 24/7, como ventiladores, bombas ou compressores. Mas, neste caso, a análise precisava ser implementada para guindastes com operações não contínuas e frequentemente não programadas. A Çolakoğlu precisava de uma abordagem inteligente que pudesse se adaptar às operações intermitentes e fornecer informações práticas antes que ocorressem falhas.
Solução
Implementou o AVEVA Predictive Analytics existente, integrado ao SCADA e sensores de IoT, para viabilizar a detecção de anomalias orientada por eventos e a manutenção proativa nas operações não contínuas dos guindastes.
Dados precisos para monitoramento preditivo confiável
Para enfrentar esses desafios, a Çolakoğlu implementou o AVEVA Predictive Analytics nas operações dos guindastes, integrando-o perfeitamente ao SCADA e garantindo dados precisos e de alta qualidade para previsões confiáveis. Sensores de comunicação sem fio foram instalados nos sistemas de monitoramento online da condição dos guindastes de lingotamento e de placas, possibilitando a captura de dados em tempo real.
A implementação começou com uma análise detalhada das operações dos guindastes e dos padrões históricos de falhas. A equipe da AVEVA colaborou estreitamente com os engenheiros da Çolakoğlu para definir parâmetros críticos, configurar gatilhos orientados por eventos e treinar modelos preditivos. Graças ao ambiente sem código da AVEVA, a configuração foi concluída rapidamente sem sobrecarregar as equipes internas de TI ou de cientistas de dados.
Um modelo de projeto modular dividiu cada guindaste em seis componentes principais para avaliação direcionada: dois motores elétricos e quatro componentes da ponte. Os motores elétricos foram monitorados quanto a parâmetros críticos, como velocidade do motor, temperatura e vibrações dos rolamentos (velocidade, aceleração e coeficiente de defeito), enquanto as rodas da ponte foram analisadas quanto à temperatura e à condição para detectar superaquecimento e prever possíveis falhas.
Em vez de depender de limiares estáticos, o sistema empregava algoritmos avançados como o hashing sensível à localidade (LSH) para agrupar dados de treinamento e sinalizar desvios em tempo real de padrões operacionais saudáveis. Além disso, a métrica de resíduo geral do modelo (OMR) quantificava as diferenças entre os valores previstos e os dados reais do sensor, proporcionando uma detecção precisa de anomalias. Para acomodar a natureza irregular e de curta duração das operações do guindaste, foi introduzida uma estratégia de avaliação baseada em eventos: cada evento consistia em cinco pontos de dados consecutivos, disparando um alarme caso três em cada cinco fossem não saudáveis — minimizando falsos positivos.
Essa arquitetura garantiu que os dados fossem capturados apenas quando os guindastes estivessem em operação, reduzindo o ruído e focando em eventos operacionais relevantes. Modelos preditivos treinados com dados históricos e em tempo real possibilitaram a detecção precoce de anomalias, permitindo que as equipes de manutenção atuassem antes que os problemas se agravassem.
"O AVEVA Predictive Analytics previu falhas com sucesso."
–, Özgür Özsoy, Diretor da planta, Çolakoğlu Metalurji
Falhas inesperadas em guindastes eliminadas
A implementação do AVEVA Predictive Analytics gerou resultados notáveis. Falhas inesperadas nas rodas dos guindastes foram completamente eliminadas, reduzindo para zero o número de paradas não planejadas. Ao fornecer informações oportunas e práticas, o sistema ajudou a Çolakoğlu Metalurji a evitar uma perda de quase 350 toneladas na produção de aço (348,1 ton).
A capacidade preditiva foi demonstrada em um caso específico: o sistema detectou valores crescentes de OMR na ponte, acionando um alarme. Os engenheiros rastrearam a anomalia até as fontes de temperatura das duas rodas que estavam causando o aumento do OMR. Um estudo de previsão previu um risco moderado para outra roda, estimando a falha em aproximadamente 15 dias. A manutenção foi programada, e a roda foi substituída durante o tempo de inatividade planejado. Após a desmontagem, foram encontrados danos por descamação no anel interno do rolamento, confirmando a precisão da previsão do sistema da AVEVA.
Além do sucesso técnico, o projeto superou a resistência inicial à mudança, garantindo que as equipes de manutenção adotassem informações preditivas para a tomada de decisões proativa. Ao impulsionar a eficiência e a sustentabilidade por meio da digitalização, a Çolakoğlu Metalurji A.Ş. agora está na vanguarda da manutenção preditiva, mesmo em ambientes operacionais desafiadores e não contínuos.
"Quase 350 toneladas de perda na produção de aço foram evitadas."
–Özgür Özsoy, Diretor de Fábrica, Çolakoğlu Metalurji
Wheel failure records of a crane over the years
Mais manutenção preditiva planejada
Com base nesse sucesso, a Çolakoğlu Metalurji planeja expandir a manutenção preditiva para outros ativos cruciais, incluindo laminadores e sistemas de esteiras transportadoras, a fim de alcançar confiabilidade em toda a fábrica. A empresa também está explorando o Advanced Analytics da AVEVA e ferramentas de otimização orientadas por IA para obter informações mais aprofundadas, otimizar cronogramas de produção e aprimorar ainda mais o desempenho operacional. Ao dar continuidade à sua jornada de transformação digital, a Çolakoğlu está se posicionando como líder do setor em eficiência, segurança e sustentabilidade.
"Queremos ser o motor da digitalização na indústria do aço."
–Özgür Özsoy, Diretor de Fábrica, Çolakoğlu Metalurji
Destaques do produto
AVEVA Predictive Analytics
Anteriormente conhecido como PRiSM Predictive Asset Analytics
Acabe com downtime não planejado e reduza custos de manutenção com informações precisas sobre a saúde dos ativos, que melhoram a eficiência operacional e a resiliência
Histórias de sucesso relacionadas
Mantenha-se informado: mantenha-se atualizado sobre os últimos acontecimentos do setor.
