ISO 13374: Monitoramento de condições e diagnóstico de máquinas – Processamento, comunicação e apresentação de dados

Resumo

A ISO 13374 é uma norma altamente influente no mundo da IoT industrial e de software de monitoramento de condições. Ela aborda o desafio da interoperabilidade entre diferentes sistemas de monitoramento, sensores e plataformas de software. Em vez de definir técnicas de medição, ela especifica uma arquitetura padronizada e aberta para o processamento, armazenamento e troca de dados de monitoramento de condições. É frequentemente chamada de arquitetura Machinery Information Management Open Systems Alliance (MIMOSA), na qual se baseia. O objetivo é criar um ambiente "plug-and-play" para tecnologias de monitoramento de condições.

Índice (Estrutura Conceitual)

O padrão é dividido em várias partes e define uma arquitetura de informação em camadas. O núcleo do padrão é um diagrama de blocos funcionais com seis camadas principais que representam o fluxo de dados em qualquer sistema de monitoramento de condições:

1. 1. DA: Bloco de Aquisição de Dados:

   Esta é a camada fundamental, atuando como ponte entre a máquina física e o sistema de monitoramento digital. A função principal do bloco DA é interagir diretamente com sensores, como acelerômetros, sondas de proximidade, sensores de temperatura ou transdutores de pressão — e para adquirir os sinais analógicos ou digitais brutos e não processados que eles produzem. Este bloco é responsável por todas as interações de hardware de baixo nível, incluindo o fornecimento de energia aos sensores (por exemplo, energia IEPE para acelerômetros), a execução do condicionamento de sinal, como amplificação e filtragem para remover ruídos indesejados, e a execução da conversão analógico-digital (ADC). A saída do bloco DA é um fluxo digitalizado de dados brutos, normalmente um forma de onda temporal, que então é passado para a próxima camada na arquitetura para processamento.

2. 2. DP: Bloco de Processamento de Dados:

   Este bloco é o mecanismo computacional do sistema de monitoramento. Ele recebe o fluxo de dados brutos e digitalizados (por exemplo, a forma de onda temporal) do bloco de Aquisição de Dados (DA) e o transforma em tipos de dados mais significativos e adequados para análise. A função principal do bloco DP é realizar cálculos padronizados de processamento de sinais. Isso inclui, principalmente, a execução do Transformada Rápida de Fourier (FFT) para converter o sinal do domínio do tempo em um sinal do domínio da frequência espectro. Outras tarefas de processamento importantes definidas neste bloco incluem o cálculo de métricas de banda larga, como RMS valores, realizando integração digital para converter sinais de aceleração em velocidade ou deslocamento e executando processos mais avançados e especializados, como demodulação ou análise de envelope para detectar sinais de impacto de alta frequência indicadores associados a falhas em rolamentos de elementos rolantes.

3. 3. DM: Bloco de Manipulação de Dados (Detecção de Estado):

   Este bloco marca a transição crítica do processamento de dados para a análise automatizada. Ele recebe os dados processados do bloco DP (como valores RMS, amplitudes de frequência específicas ou bandas espectrais) e aplica regras lógicas para determinar o estado operacional da máquina. É aqui que ocorre a "detecção" inicial de um problema. A função principal do bloco DM é realizar a verificação de limites. Ele compara os valores medidos com pontos de ajuste de alarme predefinidos, como os limites de zona definidos em ISO 10816 ou variações percentuais definidas pelo usuário a partir de uma linha de base. Com base nessas comparações, o bloco DM atribui um "estado" discreto aos dados, como "Normal", "Aceitável", "Alerta" ou "Perigo". Essa saída não é mais apenas um dado; é uma informação acionável que pode ser passada para a próxima camada para diagnóstico ou usada para disparar notificações imediatas.

4. 4. HA: Bloco de Avaliação de Saúde:

   Este bloco funciona como o "cérebro" do sistema de diagnóstico, respondendo à pergunta "Qual é o problema?". Ele recebe as informações de estado (por exemplo, um status de "Alerta") do bloco de Manipulação de Dados (DM) e aplica uma camada de inteligência analítica para determinar a causa raiz específica da anomalia. É aqui que a lógica de diagnóstico, que pode variar de sistemas simples baseados em regras a algoritmos complexos de inteligência artificial, é executada. Por exemplo, se o bloco DM sinalizar um alerta para alta vibração em uma frequência que seja exatamente o dobro da velocidade de operação do eixo (2X), a lógica baseada em regras no bloco HA correlacionaria esse padrão a uma falha específica e geraria um diagnóstico de "Provável Eixo". Desalinhamento.” Da mesma forma, se o alerta estiver em um pico não síncrono de alta frequência com bandas laterais características, o bloco HA diagnosticaria um “Defeito no rolamento.” A saída deste bloco é uma avaliação de saúde específica para o componente da máquina.

5. 5. PA: Bloco de Avaliação Prognóstica:

   Este bloco representa o ápice da manutenção preditiva, com o objetivo de responder à pergunta crucial: "Por quanto tempo mais a manutenção preditiva pode ser executada com segurança?". Ele utiliza o diagnóstico específico da falha do bloco Avaliação de Saúde (HA) e o combina com dados históricos de tendências para prever a progressão futura da falha. Esta é a camada mais complexa, frequentemente empregando algoritmos sofisticados, modelos de aprendizado de máquina ou modelos de física de falhas. O objetivo é extrapolar a taxa atual de degradação para o futuro a fim de estimar a Vida Útil Restante (RUL) do componente. Por exemplo, se o bloco HA identificar um defeito em um rolamento, o bloco PA analisará a taxa na qual as frequências de defeitos têm aumentado nos últimos meses para prever quando atingirão um nível crítico de falha. O resultado não é apenas um diagnóstico, mas um cronograma concreto para ação.

6. 6. AP: Bloco de Apresentação Consultiva:

   Esta é a camada final e mais crítica da perspectiva do usuário, pois traduz todos os dados e análises subjacentes em inteligência acionável. O bloco AP é responsável por comunicar as descobertas das camadas inferiores aos operadores humanos, engenheiros de confiabilidade e planejadores de manutenção. Sua função principal é apresentar as informações corretas à pessoa certa no formato correto. Isso pode assumir muitas formas, incluindo painéis intuitivos com indicadores de saúde codificados por cores, alertas por e-mail ou mensagem de texto gerados automaticamente, relatórios de diagnóstico detalhados com gráficos espectrais e de forma de onda e, o mais importante, recomendações de manutenção específicas e claras. Um bloco AP eficaz não apenas declara que um rolamento apresenta uma falha; ele fornece um aviso abrangente, como: "Defeito na pista interna detectado no rolamento externo do motor. Vida útil restante estimada em 45 dias. Recomendação: Programe a substituição do rolamento na próxima parada programada."

Conceitos-chave

• Interoperabilidade: Este é o objetivo principal da ISO 13374. Ao definir uma estrutura e um modelo de dados comuns, ela permite que uma empresa use sensores do Fornecedor A, um sistema de aquisição de dados do Fornecedor B e um software de análise do Fornecedor C, e faça com que todos trabalhem juntos.
• Arquitetura Aberta: O padrão promove o uso de protocolos e formatos de dados abertos e não proprietários, evitando a dependência de fornecedores e fomentando a inovação no setor de monitoramento de condições.
• MIMOSA: A norma é fortemente baseada no trabalho da organização MIMOSA. Entender o C-COM (Modelo de Objeto Conceitual Comum) da MIMOSA é fundamental para entender a implementação detalhada da ISO 13374.
• Dos dados às decisões: O modelo de seis blocos fornece um caminho lógico desde medições brutas de sensores (Aquisição de Dados) até recomendações práticas de manutenção (Apresentação Consultiva), formando a espinha dorsal digital de um programa moderno de manutenção preditiva.

← Voltar ao índice principal