ISQ procura reduzir a quantidade de lubrificante e pegada de carbono na indústria

ISQ procura reduzir a quantidade de lubrificante e pegada de carbono na indústria

Categoria Advisor, Investigação

O ISQ integra o consórcio LubSysTech, um projeto que  visa desenvolver um sistema integrado de lubrificação sob condição, combinando análise de óleo em tempo real com um sistema inteligente de gestão de lubrificação. Este projeto incorpora uma filosofia de lubrificação condicionada: lubrifique quando necessário, substitua os lubrificantes apenas no final de sua vida útil e garanta o desempenho dos lubrificantes.

A lubrificação sob condição também orienta uma estratégia de manutenção preditiva usando análises de óleo para identificar estágios iniciais dos modos de falhas, permitindo a antecipação de falhas catastróficas.

A solução consistirá num serviço de manutenção inovador que permitirá monitorizar em campo os lubrificantes e dar uma visibilidade em tempo real do estado de condição dos óleos e dos principais órgãos das máquinas. Esta solução possibilitará oferecer à indústria um conjunto de ferramentas que permitirão melhorar a tomada de decisão na gestão dos equipamentos e dos seus lubrificantes, aumentando a disponibilidade dos equipamentos e reduzindo simultaneamente os custos globais da lubrificação o que propiciará uma mais-valia competitiva com ganhos económicos, ambientais e sociais às empresas que a venham a adotar.

Abordagem

O LubSysTech é baseado no desenvolvimento de um coletor de óleo portátil, que envia informação online para uma plataforma de gestão. O coletor de óleo é equipado com sensores que medem parâmetros relevantes, permitindo análise de tendências e reconhecimento de padrões para previsão de falhas. O teste é feito no local com 200ml e leva cerca de 5 minutos para obter os resultados.

O software de gestão incorpora um algoritmo para avaliar a saúde do óleo e fornecer informações sobre a causa raiz da degradação do fluido. Os algoritmos de análise são baseados em modelos analíticos e empíricos e, em cenários mais complexos, em modelos preditivos usando machine learning para análise de manutenção preditiva. A plataforma também é responsável pelo agendamento de rotas, estabelecendo o ativo, o ponto de lubrificação, a quantidade e o tipo de lubrificante a ser usado.