O manual de campo do machine learning na indústria · atualizado a 1 de setembro de 2026
ManufacturingML
Início / Enciclopédia / Manutenção preditiva (PdM)
Aplicações · Entrada · atualizado a 1 de setembro de 2026

Manutenção preditiva (PdM)

Pontos-chave
  • A manutenção preditiva usa modelos aprendidos sobre sinais de vibração, elétricos e de processo para prever avarias antes de pararem a linha.
  • Os programas baseados na condição recuperam normalmente 20-50% das paragens não planeadas; a Renault atribui à PdM poupanças de ~270 M€/ano a nível de grupo.
  • Competem duas filosofias de sensorização: sensores de vibração dedicados (o diagnóstico mais profundo em equipamentos rotativos) versus deteção de deriva nos sinais de processo (sem hardware novo, apanha modos de avaria não rotativos).
  • A PdM não resolve problemas de qualidade nem de refugo: isso é tarefa da otimização de processo, e confundir as duas é um erro frequente na seleção de fornecedores.

A manutenção preditiva troca o calendário pela condição: em vez de rever uma bomba a cada seis meses, revê-a quando os seus sinais indicam que o rolamento se está a degradar. A camada de ML é o que lê esses sinais: treinada em bibliotecas de avarias etiquetadas (os especialistas em vibração) ou no comportamento normal do próprio equipamento (a abordagem de deteção de anomalias).

As duas filosofias de sensorização

Sensorização dedicada: sensores de vibração, temperatura ou magnéticos concebidos para o efeito em cada equipamento, alimentando modelos treinados em enormes bibliotecas de avarias etiquetadas. O diagnóstico mais profundo (“defeito na pista exterior do rolamento, confiança média, intervir em três semanas”) com custo de hardware por equipamento. Deriva dos sinais de processo: os modelos observam os sinais que a fábrica já tem (correntes, pressões, temperaturas, caudais) à procura de derivas precursoras. Sem hardware novo, cobre modos de avaria que nunca vibram e muitas vezes alerta mais cedo, mas com um diagnóstico menos prescritivo. As grandes fábricas usam cada vez mais ambas, e a pergunta honesta de avaliação é que modos de avaria dominam o seu histórico de perdas.

O que dizem os números

Os programas que passam do piloto reportam reduções de 20-50% nas paragens não planeadas, seguidas de reduções nos custos de manutenção. O caso público de referência é a Renault: cerca de 270 M€ de poupanças anuais atribuídas à manutenção preditiva em todo o grupo (2024). O padrão por trás dos programas bem-sucedidos é constante: começar pelos equipamentos cujas avarias custam realmente dinheiro, ligar os alertas ao fluxo de manutenção existente e medir as paragens evitadas desde o primeiro dia.

Perguntas frequentes

Qual é a diferença entre manutenção preventiva e preditiva?
A manutenção preventiva atua segundo um calendário; a manutenção preditiva atua segundo o estado medido. Os programas preditivos reduzem ambas as categorias de desperdício: avarias que chegam antes da revisão programada e equipamento saudável revisto sem motivo.
Precisamos de sensores de vibração para a manutenção preditiva?
Apenas para os modos de falha que se manifestam na vibração: ativos rotativos como bombas, ventiladores, redutores. Uma parte crescente dos programas começa antes pelos sinais de processo existentes, o que não custa nada em hardware e deteta precursores do tipo deriva; muitas fábricas combinam ambos.
Entradas relacionadas
Está a comparar plataformas que fazem isto? O pack de dados de adoção traz os números de mercado por trás desta entrada.
Da teoria aos sinais
Que sinais de máquina se tornam que variáveis, e como cada uma falha
Gratuito, sem login. Um contacto da TEEPTRAK, depois mais nada.
Obter o kit de mapeamento →