Proposta do uso de um indicador de OEE para auxiliar no planejamento da manutenção de aerogeradores eólicos

Abstract

Um dos maiores custos envolvidos em um parque eólico é o de manutenção, principalmente, quando ocorre após a falha de algum equipamento, que muitas vezes gera parada de maquinário, refletindo na diminuição da lucratividade do parque. Antes da falha de um componente acontecer, o aerogerador já demonstra indícios de que não está operando da melhor maneira possível, resultando em anomalias dos dados extraídos do seu sistema supervisório. Por isso, a manutenção preditiva torna-se um ponto chave dentro das empresas gestoras de usinas eólicas. Este trabalho apresenta uma relação entre anomalias encontradas nos dados antes da falha de dois aerogeradores com o valor de um indicador OEE definido, além de propor este como uma métrica de decisão para auxílio no planejamento das manutenções preditivas. O método de averiguação das anomalias dos dados foi feito através de análise comparativa com turbinas operando regularmente e utilizou-se de informações extraídas do banco de dados do sistema supervisório das turbinas, com foco em duas grandezas, a temperatura e orientação delas. Outro método utilizado foi a análise dos valores do indicador OEE, durante seis meses, a fim de averiguar sua relação com os dados referentes às manutenções realizadas nos aerogeradores para este período e determinar uma métrica para auxiliar no planejamento da manutenção preditiva, para cada um dos dois aerogeradores analisados. Assim, nos aerogeradores escolhidos, foram definidos três parâmetros para controle. O primeiro refere-se ao valor limite para cada aerogerador, sendo 60% para o A e 65% para o B. Este limite diz respeito à qual valor de OEE o operador deve atentar-se para definir o momento necessário da realização da manutenção. Os outros parâmetros foram similares para os dois aerogeradores escolhidos, sendo um referente à queda do valor do indicador de OEE por duas semanas consecutivas e o outro, ao desvio negativo de mais do que 15% do valor do OEE de uma semana para outra. O método de cálculo do OEE e a análise das anomalias, auxiliou a compreender a importância do acompanhamento dele e a definir três etapas para o planejamento da manutenção com base no indicador de OEE, sendo elas: (1) Comportamento do OEE, através do gráfico temporal; (2) Definição de valores limites para o OEE; (3) Definição de outras métricas, pela recorrência antes da falha. Assim, o trabalho mostrou que o acompanhamento do OEE é uma estratégia de auxílio na gestão da manutenção de aerogeradores eólicos, sendo possível encontrar parâmetros e valores limites que servirão como métricas do OEE, para que o operador entenda o momento correto que o aerogerador necessita da manutenção. Além disso, a redução dos valores do indicador demonstrou-se estar relacionada com o desgaste do aerogerador, perda de performance e com o momento necessário de realização da manutenção. Portanto, os resultados obtidos no trabalho se mostram aplicáveis e indicam que o acompanhamento do indicador de OEE é uma importante ferramenta no auxílio no planejamento de manutenções preditivas em aerogeradores eólicos.

One of the biggest costs involved in a wind farm is maintenance, especially when it occurs after the failure of some equipment, which often generates machinery downtime, reflecting in the reduction of the park's profitability. Before a component fails, the wind turbine already shows signs that it is not operating in the best possible way, resulting in anomalies in the data extracted from its supervisory system. Therefore, predictive maintenance becomes a key point within wind farm management companies. This work presents a relationship between anomalies found in the data before the failure of two wind turbines with the value of a defined OEE indicator, in addition to proposing this as a decision metric to aid in the planning of predictive maintenance. The method of investigating data anomalies was done through comparative analysis with turbines operating regularly and using information extracted from the turbine supervisory system database, focusing on two quantities, their temperature and orientation. Another method used was the analysis of the values of the OEE indicator, during six months, in order to verify its relationship with the data referring to the maintenance carried out in the wind turbines for this period and to determine a metric to assist in the planning of predictive maintenance, for each of the two wind turbines analyzed. Thus, in the chosen wind turbines, three parameters were defined for control. The first refers to the limit value for each wind turbine, being 60% for A and 65% for B. This limit refers to which OEE value the operator must pay attention to in order to define the necessary time to carry out the maintenance. The other parameters were similar for the two chosen wind turbines, one referring to the drop in the OEE indicator value for two consecutive weeks and the other to the negative deviation of more than 15% of the OEE value from one week to another. The OEE calculation method and the analysis of anomalies helped to understand the importance of monitoring it and to define three steps for maintenance planning based on the OEE indicator, namely: (1) OEE behavior, through the chart temporal; (2) Definition of threshold values for the OEE; (3) Definition of other metrics, by recurrence before failure. Thus, the work showed that the monitoring of the OEE is a strategy to help manage the maintenance of wind turbines, being possible to find parameters and limit values that will serve as OEE metrics, so that the operator understands the correct moment that the wind turbine needs the maintenance. In addition, the reduction in the indicator values was shown to be related to the wear of the wind turbine, loss of performance and the necessary time to carry out maintenance. Therefore, the results obtained in the work are applicable and indicate that the monitoring of the OEE indicator is an important tool to aid in the planning of predictive maintenance in wind turbines.