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, você acessa diferentes tipos de avaliação (após descrição automática ou classificação manual). 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.
Não Houve Falhas: indica que o insight foi um falso positivo. O padrão é aprendido como comportamento normal.
Mudanças no Sensor: indica que o padrão foi alterado por mudança na instalação ou posição do sensor. A IA sempre será reentreinada nesse caso.
Substituição do Ativo: informa que o ativo ou seus componentes principais foram substituídos completamente. A IA passa a aprender a assinatura operacional única do novo equipamento. Por exemplo, ao trocar um motor, crie um evento de manutenção registrando a substituição e inclua detalhes como o identificador do modelo. Em seguida, retreine a IA para que ela aprenda o novo comportamento operacional do equipamento.
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.
Eventos que disparam o reaprendizado da IA
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. A documentação adequada dos eventos de manutenção na Tractian garante que o sistema mantenha um histórico preciso das alterações feitas nos ativos. Isso é essencial para:
Atualizar o modelo de IA para refletir os novos padrões operacionais.
Evitar pontuações de saúde incorretas causadas por baselines desatualizadas.
Manter um registro claro do histórico do ativo para consulta futura.
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.
Como documentar esses eventos
Importante: para saber mais sobre a criação de Eventos, leia este artigo.
Para documentar os eventos de forma eficaz, siga os passos abaixo:
Acesse o ativo na plataforma — navegue até o ativo específico (por exemplo, motor ou hierarquia de equipamento) ao qual o sensor está atribuído.
Abra a Linha do Tempo ou a seção de Eventos do ativo — localize a seção onde os eventos são registrados.
Crie um novo evento — selecione um tipo apropriado, como "manutenção" ou "substituição de componente".
Forneça descrições detalhadas — inclua informações específicas sobre a manutenção realizada, como:
Tipo de manutenção (ex.: troca de motor, troca de rolamento).
Identificadores do modelo anterior e do novo, quando aplicável.
Marque o evento como "sem falha" quando for o caso.
Salve o evento — confirme o registro para que o histórico do ativo seja atualizado.
Exemplos de Cenários de Manutenção
Cenário 1: Troca de Motor
Ação: crie um evento de manutenção registrando a troca do motor e inclua detalhes como o identificador do modelo.
Próximo passo: retreine a IA para que ela aprenda o novo comportamento operacional do motor.
Cenário 2: Pontuação de Saúde Ruim Após Troca de Rolamento
Problema: uma pontuação de saúde ruim pode resultar de diferenças no padrão vibracional antes e depois da manutenção.
Solução: crie um evento de manutenção e retreine a IA para que ela se adapte às novas condições de baseline.
Retreinamento de IA pela aba de Ativos
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 "Ativos";
Selecione o ativo;
Role o conteúdo do canto esquerdo até ver a seção de "Controle 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.
