Neoenergia inaugura novo Centro de Monitoramento de Ativos da Transmissão em Campinas
14/03/2025
Nenhum comentário
A inteligência artificial (IA) está transformando diferentes níveis organizacionais, contribuindo para a estratégia, a eficiência, a tomada de decisão e a inovação. Ela impacta diferentes níveis organizacionais e possui um limite para cada um destes níveis.
No nível operacional, a IA é amplamente utilizada para automatizar tarefas rotineiras, liberando tempo e recursos para atividades de maior valor agregado. Por exemplo, empresas de energia, as equipes operacionais terão informações necessárias para tomadas de decisões operacionais, dados para avaliação da condição dos ativos, planejamento da manutenção e operação de forma eficiente, indicadores de desempenho, informações de dados de sistemas de proteção de ativos e operação em tempo real, fornecendo um suporte imediato para as equipes. No nível tático, a IA atua como suporte em processos gerenciais e administrativos, indicando e sugerindo aos gestores decisões mais direcionadas. No nível estratégico, a IA desempenha um papel crucial na tomada de decisão baseada em dados, inovações tecnológicas, oportunidades futuras e resultados financeiros das companhias. Porém, mesmo que o uso de IA nos processos facilite a assertividade nas decisões, fornece insights valiosos, as decisões críticas ainda dependem de habilidades humanas.
Neste sentido, a implantação de Centrais de Monitoramento de Ativos (CMA), que apresentam dados e informações históricas, preventivas e preditivas dos ativos, são um facilitador e tem como objetivo a velocidade, assertividade e agilidade na tomada de decisão. Ou seja, as CMAs permitem que as equipes visualizem os dados de tendências atuais e históricas de ativos por meio de um dashboard personalizável e widgets em um sistema de monitoramento de ativos padronizado. Além disto, as análises de dados avançadas e a inteligência artificial (IA) para detectar anomalias e uso de dados do histórico operacional e de manutenção de ativos minimizam o downtime e estende o ciclo de vida do ativo. A funcionalidade de detalhamento configurável dessas Centrais integra-se sem dificuldades aos fluxos de trabalho existentes no gerenciamento de ativos empresariais, permitindo intervenções mais inteligentes e direcionadas. Também são agregados dados de tecnologia da informação – TI, com dados operacionais e parâmetros de processos nos sistemas de controle existentes, historiadores, sensores de IoT e outros repositórios que fornecem uma visibilidade dos ativos monitorados sobre o desempenho e a condição do ativo.
O uso de dashboard já é considerado uma grande evolução na visualização de dados, permitindo uma visão holística de uma área ou de uma empresa. Com o uso de IA, é possível agrupar e analisar um volume gigantesco de dados gerados continuamente. Um dos exemplos de IA no processo de Gestão de Ativos, são o uso de dados e informações para avaliar o ciclo de vida e saúde dos ativos operacionais. A quantidade de informações que são necessárias, desde a especificação técnica dos equipamentos, resultados de ensaios de inspeção em fábrica, comissionamento e durante a vida operacional, são significativos. Também é possível monitorar KPIs específicos, acompanhar o progresso de projetos, ou medir a eficiência operacional.
A tomada de decisão baseada em dados (Data-Driven Decision Making, DDDM) é o processo de tomar decisões estratégicas fundamentadas em dados concretos e análises quantitativas, ao invés de se basear apenas em intuição, experiências passadas ou suposições. Esse método implica coletar, analisar e interpretar dados relevantes para guiar as escolhas e ações dentro de uma organização.
Para garantir que a tomada de decisão baseada em dados seja efetiva, é importante implementar uma cultura organizacional voltada para dados e promover a democratização dessas informações.
A transformação cultural quanto a implementação de tecnologias e processos específicos necessita da adoção das seguintes etapas: compromisso da liderança (business transformation) e governança; formulação de uma estratégia de dados; plataformas e sistemas que suportem o processo; possuir uma estrutura de coleta de dados, fazer a análise dos dados coletados (dashboards, monitoramento de performance, quick wins) e estrutura para testes; equipe qualificada (políticas de formação/capacitação – Cientistas de Dados e Machine Learning Engineers) e segurança de dados – CyberSecurity. Estabelecer esses recursos básicos é crucial para encorajar todos os níveis da organização a adotarem decisões impulsionadas por dados.
Os benefícios da IA para monitoramento de ativos podem ser quantificados financeiramente, desde os ativos retirados de operação, o custo do tempo de indisponibilidade do ativo medido com a inclusão de danos à reputação, imagem, perda de receita, aplicação de multas, suspensão de operação comercial e demais sanções regulatórias. Com isto, os ganhos com a implementação garantem um resultado financeiro significativo, uma vez que ativos são retirados de operação ou modernizados, evitando falhas catastróficas. O valor da solução é quantificado para que o investimento realizado seja reembolsado em melhor inteligência e melhor desempenho.
Neste sentido, os ganhos com a implantação de CMAs nos processos de gestão de ativos podem ser elencados:
Assim, a implementação de CMAs melhora significativamente a confiabilidade e eficiência operacional dos ativos, fornecendo uma base sólida para decisões estratégicas operacionais e de investimentos.
Sobre a autora:
Lílian Ferreira Queiroz é engenheira eletricista, Membro do Cigré e especialista em confiabilidade e
gestão de ativos. Atualmente, é Diretora de Gestão de Ativos da Geração da Eletrobras
