Com uso de inteligência artificial, Raízen produz modelo que otimiza manutenção de colhedoras de cana-de-açúcar

Case bem-sucedido foi incorporado em Guia de Manutenção Preditiva do C4IR, que pode ser utilizado como referência por outras empresas do setor sucroenergético

O uso de inteligência artificial (IA) na Raízen, voltado para otimização da manutenção de maquinário utilizado na colheita da cana-de-açúcar, foi incorporado, na forma de um Guia de Manutenção Preditiva do Centro para a Quarta Revolução Industrial no Brasil (C4IR), iniciativa multissetorial do Fórum Econômico Mundial, para cooperação entre governos empresas, sociedade civil e pesquisadores. Esse conhecimento está disponível gratuitamente no site do C4IR, e pode ser utilizado como referência para outras empresas sucroenergéticas.

O case destacado pelo C4IR é resultado de um projeto A3/PDCA inserido no Sistema de Excelência Raízen (SER+), iniciativa criada para potencializar ações de melhoria e eliminar desperdícios. Esse movimento, que existe desde 2021, já proporcionou ganho de R＄ 58 milhões à maior produtora brasileira de etanol, na forma de redução de custos, incrementos de performance e de qualidade.

No caso específico do case aproveitado pelo C4IR, a criação de um modelo computacional aumentou para 77% a previsibilidade do fim da vida útil das unidades injetoras de colhedoras de cana, um avanço que otimiza o processo de manutenção e aumenta a disponibilidade desses equipamentos. “Pela primeira vez na manutenção automotiva de equipamentos, construímos uma metodologia de aplicação de conceitos de IA para previsão de falhas”, destaca Gabriel Jonatas Santos Netzlaff, gestor de processos em manutenção da unidade Bonfim, em Guariba (SP).

Essa tecnologia, desenvolvida com auxílio da empresa de consultoria Lean 4 ponto 0, foi testada em um programa-piloto no bioparque Bonfim. A construção da inteligência artificial consumiu 300 horas de análise e três meses de atividades, incluindo treinamento de equipes. Esse esforço produziu um algoritmo capaz de prever a vida útil dos bicos injetores.

O conhecimento gerado por esse projeto já está sendo replicado para outros sistemas de colhedoras da Raízen, sob a liderança da engenharia de manutenção corporativa da Raízen. “Esse projeto foi o estopim para aplicação de novas tecnologias nas áreas de manutenção. Já estamos usando deep learning para reconhecimento de imagens nas áreas operacionais da Raízen, para identificar componentes de baixa qualidade ou com defeito”, revela Gabriel Netzlaff