Case: Conheça o projeto de sistema para detecção de anomalias em correias transportadoras

A realização de inspeções periódicas em processos industriais é de grande importância para o sucesso de uma operação. É a partir dessas que se torna possível a detecção de anomalias e outras falhas antes que se tornem problemas maiores.

Pensando nisso, a Pix Force se juntou à companhia Eneva para um projeto em um importante programa de pesquisa e desenvolvimento da ANEEL (Agência Nacional de Energia Elétrica).

Neste texto, apresentamos os detalhes de um case de sucesso da Pix Force. Boa leitura!

O que foi o projeto e seu objetivo?

O projeto teve como principal objetivo desenvolver um produto automatizado, aplicável e escalável para verificação de anomalias em correias transportadoras tubulares.

Buscava-se realizar manutenções preventivas para minimizar os impactos negativos durante a utilização, colocando como prioridade a segurança de todos os envolvidos no processo. Além disso, o projeto previa uma redução de custos causados pelas interrupções espontâneas.

Para o desenvolvimento da pesquisa, foi selecionada uma correia de aproximadamente 4 quilômetros de extensão e com mais de 24 mil roletes. Essa, percorre do porto de Itaqui até a Usina Termelétrica da Eneva, ambos localizados no município de São Luiz, no Maranhão.

Durante a pesquisa, alguns problemas foram notados no processo. Entre eles, elencamos:

  • Aquecimento extremo nos roletes
  • Travamento da correia
  • Atrito excessivo com a esteira
  • Cortes e, por muitas vezes, incêndios
  • Rotacionamento do overlap

Todos esses acabam gerando problemas maiores, incluindo a parada total da correia. Essa, por si só, resulta em maiores custos de manutenção e correção.

E como esses problemas podem ser solucionados?

Para inspecionar os problemas citados, são feitas observações visuais e auditivas durante o funcionamento da transportadora. A partir daí, encontra-se dados como a posição do overlap ou parada de algum rolete.

Esses processos, no entanto, são feitos por uma equipe de campo que precisa percorrer o trajeto de interesse. O caminho árduo, que passa por mudanças de relevo, acaba colocando a segurança do trabalhador em risco e, por isso, foi proposto uma otimização de todo o sistema.

A otimização do processo foi feita a partir de um conjunto de hardware e software em um drone equipado com câmera e sensores. O equipamento foi capaz de obter informações do espectro eletromagnético nos comprimentos de onda do visível (RGB) e no infravermelho termal. Além de um sistema de reconhecimento e classificação das imagens, para análise e apontamento de possíveis falhas.

Assim, o P&D foi segmentado em quatro etapas:

  1. Desenvolvimento de um aplicativo capaz de automatizar o voo do drone
  2. Desenvolvimento de algoritmos de machine learning capazes de identificar os roletes super aquecidos
  3. Desenvolvimento de algoritmos de machine learning capazes de identificar a posição do overlap na correia
  4. Desenvolvimento de uma plataforma web para visualização dos resultados gerados

Um estudo topográfico da área de interesse também foi feito para obter um modelo 3D da correia e, assim, automatizar o drone e elaborar rotas de voo mais precisas. Esse processo foi feito com três rotas de voo e três pontos de decolagem ao longo de 4 km.

O aplicativo

As tecnologias desenvolvidas para o aplicativo foram feitas na plataforma Android com uma linguagem de programação Kotlin/Java. O objetivo do app era ter as funcionalidades e informações do drone durante o voo, tendo como opções executar rotas ou cancelar o voo caso surgisse algum imprevisto.

Ainda foi inserido no aplicativo funcionalidades para download de dados no sistema de processamento e análise.

Os algoritmos

O desenvolvimento dos algoritmos de visão computacional partiram de modelos de redes neurais uma convolucional. Essa apresenta uma maior assertividade na detecção e reduz o número de constantes na projeção da imagem.

Outro modelo trata-se de uma detecção em área ou estrutural, facilitando a detecção de rolos faltantes. Assim, passa a ser possível trabalhar com um modelo estimado de rolos presentes na região de interesse.

Para esse projeto usamos a plataforma RedHat Keycloak, que oferece a opção de suportar múltiplas aplicações e sessões com diferentes tipos de acesso.

Conclusões do projeto

Com esse projeto tornou-se possível identificar os roletes problemáticos de maneira ágil e segura. Os objetivos iniciais foram atendidos com sucesso e conseguiram mostrar uma solução com escalabilidade para diversos setores.

O projeto, ainda, contemplou uma plataforma para otimização dos voos promovendo maior acurácia nos resultados. A Pix Force é uma empresa que busca a inovação em diversos processos e você pode conhecer mais do nosso trabalho acessando o site.

Compartilhe este artigo:

Artigos Relacionados