A plataforma Tractian utiliza modelos de inteligência artificial que aprendem continuamente com os dados capturados. Esse aprendizado é atualizado de forma controlada, com base em feedbacks do cliente, eventos operacionais e, em alguns casos, ajustes manuais. Entender como e quando o modelo é ajustado é essencial para interpretar os insights gerados (ou não gerados) corretamente.
Feedbacks do Cliente
O feedback dado em um insight é a forma mais direta de interação com a IA. Ele permite calibrar a sensibilidade dos alertas e ajustar o comportamento do modelo com base na operação real do ativo.
Ao clicar em “Checar” em um insight, o cliente acessa diferentes tipos de avaliação. Cada tipo tem uma função específica — alguns ajustam o aprendizado da IA, outros apenas registram a situação.
Feedbacks que ajustam o aprendizado:
Ajuste de Processo: Informa que o comportamento detectado é resultado de uma mudança planejada no processo. A IA aprende esse novo padrão como o novo comportamento saudável do ativo.
Sem Falha: Indica que o insight foi um falso positivo. O padrão é aprendido como comportamento normal.
Ajuste de Sensor: Indica que o padrão foi alterado por mudança na instalação ou posição do sensor. A IA sempre será reentreinada nesse caso.
Feedbacks que não ajustam o aprendizado:
Falha Potencial: O ativo não está em falha, mas deve continuar sendo monitorado. Nenhum ajuste é feito.
Falha Funcional: Confirma que o insight estava correto. Não há necessidade de retreinamento.
Indeferido: O insight foi descartado e nenhuma inspeção foi realizada. O sistema apenas registra o feedback, sem alterar o modelo.
Eventos que disparam o reaprendizado da IA
Observação importante: para saber mais sobre a criação de Eventos, leia este artigo.
Algumas alterações operacionais ou de hardware afetam significativamente os dados de vibração capturados e, por isso, disparam automaticamente o retreinamento da IA. Abaixo estão os principais eventos que geram esse comportamento:
Troca de Sensor
Sensores diferentes, mesmo do mesmo modelo, podem apresentar pequenas variações na resposta em frequência ou na rigidez de montagem. Isso quebra a consistência dos dados anteriores e exige retreinamento.
Mudança na Rotação na Ficha Técnica
A rotação registrada é usada como referência para identificação de frequências relacionadas à máquina. Alterar esse valor afeta diretamente os algoritmos de análise de falha, exigindo ajuste no modelo.
Parada Programada (Manutenção)
Durante manutenções, é comum que sensores sejam reposicionados ou que peças do ativo sejam trocadas. Isso pode alterar drasticamente o comportamento vibracional. Nestes casos:
A IA espera de 5 a 7 dias antes de reaprender, para garantir que o novo comportamento seja estável.
Ajuste de Processo
Mudanças operacionais como alterações na carga, velocidade ou no modo de uso do ativo impactam o padrão vibracional. A IA aprende esse novo comportamento como o novo “normal” da operação.
Retreinamento de IA pela aba de Status
Você pode selecionar diretamente o ativo para o qual a IA será retreinada. Para isso, siga o passo a passo abaixo:
Acesse a aba de "Status";
Selecione o ativo;
Role o conteúdo do canto esquerdo até ver a seção de "Treinamento de IA";
Clique em "Retreinar Modelo".
Então, você deverá escolher entre Velocidade e Aceleração.
Depois, selecione um período que contenha pelo menos 100 amostras com a máquina em funcionamento e represente entre 5 e 30 dias de operação.
Para selecionar esse período, basta ajustar as datas até chegar no intervalo ideal, que é medido pela quantidade de amostras e dias, no lado direito.
