A Norsk Hydro, responsável pela operação da Mineração Paragominas, que conta com uma mina de extração de bauxita no Pará, investiu em uma nova infraestrutura de dados para reduzir o tempo de inatividade e os custos de manutenção de seus equipamentos fixos. Utilizando o Aveva PI System integrado a algoritmos de Inteligência Artificial (IA) e Machine Learning, a mineradora buscou responder a três perguntas críticas da operação: como consertar um equipamento, por que ele falhou e o que fazer para prevenir novas ocorrências.
Dyulia Rossi, engenheira de Confiabilidade na Norsk Hydro, diz que o mercado costuma aplicar a gestão de performance em equipamentos industriais fixos, mas as máquinas móveis, como caminhões, tratores e mineradores de superfície, ficam fora desse escopo. Dessa forma, o cenário anterior era marcado por dados fragmentados, limitações na integração com o despacho de frota e um alto volume de alertas manuais que dificultava a priorização pelas equipes de campo.
Como a tecnologia mudou o cenário para a Norsk Hydro
Para romper esses silos de informação, a mineradora utilizou a arquitetura do Aveva PI System para integrar dados de sensores de IoT, telemetria da frota móvel multimarca, apontamentos de laboratório e sistemas corporativos, como o SAP.
A adoção dessa inteligência em tempo real permitiu à Norsk Hydro criar uma taxonomia padronizada no PI Asset Framework (PIAF), organizando os ativos desde o nível da planta e do fabricante (OEM) até subsistemas específicos, como motores e circuitos hidráulicos. Esse nível de granularidade viabilizou uma análise escalável em toda a frota.
Rossi explica que, a partir dessa base de dados unificada, a companhia adotou a arquitetura RAG (Retrieval-Augmented Generation) e Modelos de Linguagem de Grande Escala (LLMs) para cruzar variáveis e criar mais de 65 regras de negócios automáticas. O sistema passou a fornecer análises de causa raiz, executar o FMEA (Análise de Modos de Falha e Efeitos) de forma automatizada e a recomendar manutenções prescritivas em segundos.
“O verdadeiro valor da nossa gestão de ativos está na janela de oportunidade”, ressalta Dyulia Rossi. “Em vez de reagir a uma falha funcional, quando a operação já foi impactada, nós estruturamos os dados para identificar a falha potencial no início. Quanto mais cedo detectarmos o problema, maior será a nossa capacidade de agir e evitar paradas críticas.”
Resultados práticos e retorno escalável
O escopo da entrega tecnológica para o gerenciamento de performance incluiu a criação de mais de 200 telas de monitoramento online, mais de 8 mil PI Points integrados, 50 tabelas de dados nativas e 1.200 elementos estruturados na plataforma. Esse volume contínuo alimenta 5 mil análises simultâneas e 350 notificações automatizadas.
O impacto financeiro gerado por essa visibilidade já é tangível. Em um dos casos registrados pela Norsk Hydro, a tecnologia identificou que um minerador de superfície (surface miner) apresentava um tempo de deslocamento estendido incomum e gerou um alerta preditivo. A recomendação do sistema foi a abertura imediata de uma ordem para a troca do óleo da caixa de engrenagens de translação. O custo dessa intervenção preventiva orientada por IA representou menos de 1% do valor que a companhia gastaria para consertar o equipamento caso ocorresse uma falha mecânica total.
