A Norsk Hydro adotou inteligência artificial, machine learning e análise avançada de dados para tornar mais eficiente a gestão de ativos em sua operação de extração de bauxita no Brasil. A iniciativa faz parte do programa interno Zero Equipment Breakdown (ZEB), desenvolvido para reduzir paradas não planejadas, ampliar a disponibilidade dos equipamentos e diminuir os custos de manutenção.

Para colocar o projeto em prática, a mineradora contou com a tecnologia da AVEVA. A plataforma reúne informações operacionais em tempo real e permite que dados antes dispersos sejam usados para antecipar problemas e apoiar decisões de manutenção, aumentando a confiabilidade da operação.

O projeto foi criado para responder a três questões essenciais da manutenção industrial: como reparar um equipamento, entender o motivo da falha e identificar formas de evitar que o problema volte a acontecer.

Dados integrados para antecipar falhas

Segundo Dyulia Rossi, Engenheira de Confiabilidade na Norsk Hydro, o desafio foi adaptar um modelo tradicionalmente utilizado em ativos fixos para a realidade do setor de mineração. Em nota a engenheira apontou que “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”.

Antes da implementação, as equipes lidavam com informações distribuídas em diferentes sistemas, baixa integração entre dados operacionais e um grande número de alertas manuais, fatores que dificultavam a priorização das intervenções. Para consolidar as informações, a Norsk Hydro integrou dados de sensores de Internet das Coisas (IoT), telemetria da frota multimarca, resultados laboratoriais e sistemas corporativos, incluindo o SAP, utilizando a arquitetura do AVEVA PI System.

Sobre essa base unificada, foram incorporadas tecnologias de arquitetura RAG (Retrieval-Augmented Generation) e modelos de linguagem de grande porte (LLMs). A combinação tornou possível cruzar informações automaticamente e criar mais de 65 regras de negócio para identificar causas de falhas, automatizar análises FMEA e recomendar ações de manutenção prescritiva em poucos segundos.

Monitoramento em larga escala reduz custos

A infraestrutura implantada reúne mais de 200 telas de monitoramento online, mais de 8 mil PI Points, 50 tabelas nativas de dados e cerca de 1.200 elementos estruturados. Atualmente, a plataforma executa aproximadamente 5 mil análises simultâneas e gera 350 notificações automáticas para as equipes responsáveis pela manutenção.

Os ganhos já aparecem na operação. Em um dos casos apresentados pela companhia, o sistema identificou um tempo de deslocamento acima do padrão em um minerador de superfície e emitiu um alerta preditivo. A recomendação foi realizar imediatamente a troca do óleo da caixa de engrenagens de translação. A manutenção preventiva custou menos de 1% do valor que seria necessário para reparar o equipamento após uma falha mecânica completa

“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, nós 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”, ressaltou Dyulia.