Estratégia de manutenção: manutenção preditiva com internet of thing (IoT) por sensores

Abstract

Na atualidade, existe um grande interesse por uma abordagem de manutenção que atenda as demandas da produção inteligente em relação à maximização da vida útil de equipamentos, com prevenção de paradas não planejadas. Dentre os tipos de manutenção destaca-se a preditiva por ser baseada na análise contínua das condições dos sistemas e componentes, permitindo prever falhas por meio da monitorização de parâmetros como temperatura, vibração e pressão, e planejar intervenções antecipadamente. Em vista disso, objetivou-se descrever o processo de implementação da manutenção preditiva no contexto da Indústria 4.0 em um ambiente tradicional de manufatura da empresa Bosch, por meio do desenvolvimento do Projeto Smart Press que permitiu ganhar o prêmio “TT Innovation Award”. A intenção é demonstrar os benefícios obtidos com a aplicação de sensores e dispositivos em prensas tradicionais conectados à Internet das Coisas para a manufatura preditiva. Para tanto, o presente estudo foi desenvolvido em duas fases complementares: uma pesquisa bibliográfica e um estudo de caso, articulando fundamentos teóricos e aplicação prática das tecnologias da Indústria 4.0 na manutenção preditiva. A pesquisa bibliográfica, de caráter exploratório-descritivo, abrangeu publicações entre 2015 e 2025, selecionadas nas bases SciELO, ScienceDirect e Google Acadêmico. O estudo de caso compreendeu a análise do Projeto Smart Press, desenvolvido pela Bosch que aplicou soluções de retrofitting industrial. De acordo com as informações institucionais divulgadas pela Bosch, entre os anos de 2021 a 2023, disponíveis em seus canais oficiais de comunicação, bem como nos indicadores de desempenho obtidos, por meio da análise documental, observou-se que o tempo médio de parada não programada (downtime) após seis meses de implantação do Projeto reduziu em 22%; em relação à produtividade média das prensas, decorrente da maior disponibilidade dos equipamentos obteve-se um aumento de 18%; quanto aos custos diretos de manutenção, em virtude da substituição planejada de componentes e eliminação de falhas repetitivas, houve uma queda de 15%; e uma redução de 12% no MTTR. Os resultados quantitativos demonstraram impactos positivos na manutenção, confirmando a viabilidade econômica do retrofit com base em sensores IoT (Internet das Coisas) e estratégias de manutenção preditiva. Além disso, o Projeto integrou tecnologias habilitadoras da Indústria 4.0, como Inteligência Artificial (IA) e Machine Learning para análise de dados em tempo real, computação em nuvem para armazenamento e processamento das informações coletadas, sistemas ciberfísicos para o controle autônomo das máquinas. A análise qualitativa mostra a ocorrência de uma mudança cultural e organizacional da equipe envolvida. Além disso, observou-se maior comprometimento dos operadores com os recursos digitais e a análise de dados, bem como melhoria na comunicação interdepartamental, com redução do tempo de resposta a falhas; e aprimoramento de habilidades na análise de dados e interpretação de relatórios automatizados. No geral, os resultados alcançados com a implantação dos sensores nas prensas tradicionais não somente promoveram eficiência operacional, como também transformou a gestão da manutenção em um processo estratégico e inteligente, em conformidade com os princípios da Indústria 4.0.

Currently, there is great interest in a maintenance approach that meets the demands of smart production in terms of maximizing equipment lifespan and preventing unplanned downtime. Among the types of maintenance, predictive maintenance stands out because it is based on the continuous analysis of the conditions of systems and components, allowing for the prediction of failures through the monitoring of parameters such as temperature, vibration, and pressure, and the planning of interventions in advance. In view of this, the objective was to describe the implementation process of predictive maintenance in the context of Industry 4.0 in a traditional manufacturing environment at Bosch, through the development of the Smart Press Project, which won the “TT Innovation Award”. The intention is to demonstrate the benefits obtained from the application of sensors and devices in traditional presses connected to the Internet of Things for predictive manufacturing. To this end, this study was developed in two complementary phases: a literature review and a case study, articulating theoretical foundations and practical application of Industry 4.0 technologies in predictive maintenance. This exploratory-descriptive bibliographic research encompassed publications from 2015 to 2025, selected from the SciELO, ScienceDirect, and Google Scholar databases. The case study included an analysis of the Smart Press Project, developed by Bosch, which applied industrial retrofitting solutions. According to institutional information released by Bosch between 2021 and 2023, available on its official communication channels, as well as performance indicators obtained through document analysis, it was observed that the average unplanned downtime after six months of project implementation decreased by 22%; regarding the average productivity of the presses, resulting from the greater availability of equipment, there was an increase of 18%; as for direct maintenance costs, due to the planned replacement of components and elimination of repetitive failures, there was a decrease of 15%; and a 12% reduction in MTTR (Mean Time To Repair). Quantitative results demonstrated positive impacts on maintenance, confirming the economic viability of retrofitting based on IoT (Internet of Things) sensors and predictive maintenance strategies. Furthermore, the project integrated enabling technologies of Industry 4.0, such as Artificial Intelligence (AI) and Machine Learning for real-time data analysis, cloud computing for storing and processing collected information, and cyber-physical systems for autonomous machine control. Qualitative analysis shows a cultural and organizational shift within the team involved. Additionally, greater operator engagement with digital resources and data analysis was observed, as well as improved interdepartmental communication, reduced fault response time, and enhanced skills in data analysis and interpretation of automated reports. Overall, the results achieved with the implementation of sensors in traditional presses not only promoted operational efficiency but also transformed maintenance management into a strategic and intelligent process, in accordance with the principles of Industry 4.0.