Introdução
A busca por maior eficiência e disponibilidade operacional tem impulsionado o uso de tecnologia na indústria de celulose. A Suzano, em parceria com a Futurai, implementou um sistema de predição de falhas baseado em machine learning para monitoramento de ativos. Esse case detalha como o monitoramento inteligente evitou falhas graves no Filtro 20-3212-12 da unidade de Aracruz-ES, reduzindo riscos e custos de manutenção.
Filtro 20-3212-12 da unidade de Aracruz-ES
O Processo e o desafio
O processo Kraft de produção de celulose envolve etapas críticas, como depuração e lavagem, que exigem equipamentos confiáveis. O Filtro 20-3212-12 desempenha papel fundamental na remoção de impurezas e, caso falhe, pode comprometer toda a operação. Para evitar paradas não planejadas, a Suzano implementou um Centro de Prevenção de Falhas (CPF),incorporando monitoramento baseado em dados e modelos de machine learning para análise preditiva.
Centro de Prevenção de Falhas (CPF) Suzano Aracruz com Paulo Henrique Mendes, Felipe Lobo e Leandro Yamamoto.
Implementação do monitoramento inteligente
O ativo passou a ser monitorado em tempo real por meio de 8 sensores (tags), cujos dados são analisados pelo sistema da Futurai integrado ao PIMS (Plant Information Management System).Esse modelo detecta padrões anormais, permitindo a identificação antecipada de falhas de processo ou manutenção.
Primeira detecção de anomalia
No dia 04/07/2023, a ferramenta identificou um aumento anormal na temperatura da coroa do acionamento do filtro, um possível indício de falha mecânica iminente. A equipe do CPF analisou os dados e confirmou a tendência preocupante.
Anomalia apontada no sistema da Futurai
Análise e ações corretivas
Para entender a causa da anomalia, a equipe realizou inspeções detalhadas, utilizando a metodologia de análise de causa raiz (espinha de peixe). O estudo revelou:
Trincas na base dos dentes da coroa;
Parafusos quebrados e afrouxados;
Oscilação térmica no giro do filtro.
Com isso, a Suzano programou uma parada planejada nos dias 18 e 19/07/23 para realizar manutenções preventivas, incluindo a instalação de flanges e inspeção detalhada dos componentes.
Inspeção visual realizada no filtro
Continuidade do monitoramento e nova intervenção
Mesmo após a manutenção, novas anomalias surgiram entre os dias 14 e 15/08/23. A ferramenta de machine learning alertou novamente sobre alterações térmicas anormais. Durante inspeção, foram encontrados 4 parafusos quebrados na fixação da coroa, indicando necessidade de intervenção urgente. No dia 17/08/23, foi realizado um by-pass do filtro para evitar impactos operacionais, permitindo a continuidade da produção até que a manutenção definitiva fosse realizada.
.png)
Inspeção visual na coroa do filtro
Resultados Obtidos
O monitoramento preditivo trouxe ganhos significativos:
Antecipou falhas mecânicas antes que gerassem uma parada inesperada.
Reduziu o tempo de intervenção, permitindo um planejamento mais eficiente.
Evitou custos elevados com manutenção emergencial e perda de produção.
Gerou conhecimento técnico para futuras prevenções.
Conclusão
A parceria com a Futurai foi essencial para a Suzano evitar uma parada não planejada de 2 dias, protegendo a produção e evitando prejuízos significativos. Além de garantir maior disponibilidade dos ativos e eficiência operacional, a solução da Futurai se destacou pela capacidade de antecipar falhas com direcionamento para a causa raiz, permitindo intervenções no momento certo.
