Título

ANÁLISE PREDITIVA USANDO GÊMEOS DIGITAIS APLICADA A MÁQUINAS DE LINGOTAMENTO CONTÍNUO

PREDICTIVE ANALYTICS USING DIGITAL TWINS APPLIED TO CONTINUOUS CASTING MACHINES

Autoria

Motta, Deusdedit Araujo e

Motta, Deusdedit Araujo e

Eu sou esse autor

DOI

10.5151/2594-5335-39518

Downloads

Resumo

A manutenção efetiva de equipamentos industriais é fundamental para garantir o desempenho ideal e evitar paradas não planejadas. Os gêmeos digitais surgiram como uma ferramenta poderosa para manutenção de equipamentos, possibilitando a criação de um modelo virtual que replica o comportamento de um sistema físico. Neste trabalho, apresentamos uma abordagem para detecção antecipada de falhas usando gêmeos digitais aplicados a máquinas de lingotamento contínuo. A abordagem proposta utiliza técnicas de aprendizado de máquina e dados em tempo real de sensores para construir modelos precisos do equipamento e prever seu comportamento, a qual gera diagnósticos vinculados aos modos de falha dos componentes da máquina. Demonstramos a capacidade de diagnóstico refinada ligada a importantes modos de falha em uma máquina de lingotamento contínuo. Os resultados mostram que a solução implementada tem o potencial de prever as falhas do equipamento e identificar possíveis problemas antes que eles ocorram. A abordagem proposta pode ajudar a melhorar a eficiência da manutenção de equipamentos e reduzir o custo do tempo de paradas não planejadas, tornando-se uma ferramenta valiosa para a indústria.

Effective maintenance of industrial equipment is critical to ensuring optimal performance and avoiding costly unplanned downtime. Digital twins have emerged as a powerful tool for equipment maintenance, enabling the creation of a virtual model that replicates the behavior of a physical system. In this paper, we present a framework for early warning diagnosis using digital twins applied to continuous casting machines. The proposed approach uses machine learning techniques and real-time data from sensors to build accurate models of the equipment and predict its behavior. It generates alerts and diagnostics linked to the failure modes of the machine components. We demonstrate refined diagnostic capability linked to important failure modes in a continuous casting machine. The results show that the implemented solution has the potential to predict equipment failures and identify possible problems before they occur. The proposed approach can help improve equipment maintenance efficiency and reduce the cost of downtime, making it a valuable tool for the industry.

Palavras-chave

Manutenção; Lingotamento Contínuo; Gêmeos Digitais; Preditiva Analítica

Maintenance; Continuous Casting; Digital Twins; Predictive Analytics