IA em guindastes: anti-balanço e manutenção preditiva

As pontes rolantes biviga de serviço pesado operam continuamente em ambientes de metalurgia, construção naval, equipamento pesado e pré-fabricados, com cargas muito variáveis e arranques e paragens frequentes. A entrada da inteligência artificial nos sistemas de controlo de guindastes não se resume a acrescentar câmaras ou ecrãs: trata-se de integrar transmissão elétrica, resposta estrutural, atitude da carga e dados de saúde do equipamento numa mesma cadeia de cálculo. Na fase de projeto, é necessário verificar a estrutura segundo os requisitos de tensão admissível, rigidez e coeficiente de carga dinâmica da norma FEM 1.001 — especificação de projeto de ponte rolante; a integração de funções de monitoramento de segurança e alerta inteligente deve ainda cumprir as exigências do regulamento TSG 51-2023 — regulamento de supervisão técnica de segurança de equipamentos de elevação relativas a registos de monitoramento, sinalização de falhas e arquivo do estado operacional.

Em termos de fronteiras funcionais, as aplicações de IA para guindastes dividem-se em três grandes domínios.

O domínio do controlo de movimento resolve problemas de oscilação da carga, posicionamento preciso e elevação síncrona de múltiplos mecanismos.

O domínio da perceção visual resolve a deteção de obstáculos em zonas cegas do operador, o reconhecimento de pessoas na área de trabalho e a deteção de deformações em estruturas críticas.

O domínio da gestão de saúde resolve o desgaste de rolamentos, o pitting nos dentes dos redutores, a degradação da resposta dos freios e a deteção de trincas nos cordões de solda da viga principal.

A Kelude, nos seus produtos de dupla viga padrão europeu, decompõe estas três categorias de capacidades em módulos verificáveis, combinando-os em função das condições de cada projeto.

Controlo anti-balanço com IA: alternativas ao controlo PID tradicional

O controlo anti-balanço tradicional em pontes rolantes recorre frequentemente à modelagem de entrada em malha aberta ou ao controlo PID em malha fechada de velocidade. A modelagem de entrada em malha aberta é sensível à variação do comprimento do cabo, e os parâmetros PID dependem de comissionamento no local: basta alterar a carga, o comprimento do cabo, a altura de elevação ou a carga de vento para que o balanço residual reapareça. O operador vê-se obrigado a aguardar a estabilização da carga antes de efetuar uma descida precisa, o que afeta o ritmo de trabalho.

O controlo anti-balanço com IA, através de aprendizagem em linha ou controle preditivo por modelo, utiliza como entradas a posição do carro, a velocidade, o comprimento do cabo, a massa da carga e o ângulo de oscilação, calculando o próximo comando de velocidade em algumas dezenas de milissegundos. Em comparação com o PID de parâmetros fixos, o controlador de IA ajusta dinamicamente a aceleração e o momento de frenagem em função do estado atual de oscilação, reduzindo a dependência de parâmetros empíricos definidos manualmente.

O algoritmo anti-balanço com IA adotado pela Kelude nas pontes rolantes biviga padrão europeu de 50 t a 300 t articula-se com a interface de binário do inversor de frequência e com os sinais do encoder. A lógica de processamento associada está descrita na análise técnica do algoritmo anti-balanço com IA. No comissionamento, os intervalos de comprimento de cabo correspondentes a três condições típicas — gancho vazio, meia carga e plena carga — são primeiro introduzidos na tabela de parâmetros, sendo depois interpolados em linha pelo controlador, evitando uma adaptação a uma única condição de carga.

Em aplicações concretas, a coordenação entre o mecanismo de elevação e o mecanismo de carrinho completa-se habitualmente em poucos segundos. Os ganhos do controlo anti-balanço com IA traduzem-se sobretudo numa redução da amplitude do balanço residual, num menor número de correções secundárias por parte do operador e numa maior suavidade do processo de frenagem. Em alguns projetos é ainda possível combinar medição visual da posição do ponto de içamento, permitindo um controlo conjunto de anti-balanço e posicionamento.

Importa notar que o controlo anti-balanço com IA não equivale à eliminação da margem de segurança mecânica. O cálculo estrutural deve continuar a cobrir a combinação de carga dinâmica de elevação, força de inércia horizontal e carga de vento. O algoritmo de IA melhora essencialmente a suavidade de operação e não substitui a verificação de resistência.

Planeamento de trajetória e deteção de obstáculos por visão de máquina

Em naves industriais de grandes dimensões, a zona de operação do guindaste cruza-se frequentemente com passagens de pessoal, colunas, pilhas de material e outros equipamentos. A medição a laser de distância ou os fins de curso mecânicos cobrem apenas posições fixas, sendo insuficientes para lidar com pilhas temporárias, veículos em movimento ou a entrada súbita de pessoas.

Com a fusão de visão de máquina e LiDAR, o sistema constrói um mapa tridimensional em grelha da zona de trabalho, identificando e seguindo os obstáculos. O planeamento de trajetória com IA gera estratégias executáveis de desaceleração, desvio ou paragem, com base nas dimensões da carga, na altura do spreader, nos limites de velocidade do carro e na distância de frenagem da ponte. Ao contrário de uma distância de segurança fixa, esta abordagem distingue níveis de resposta em função do tipo de obstáculo.

A definição da estratégia anticolisão deve ter em conta simultaneamente a disposição do local e o risco de exposição de pessoas. Pode complementar-se com o método de estratificação de distâncias descrito na distância de segurança anticolisão para guindastes, inscrevendo zonas de aviso, desaceleração e paragem de emergência no CLP e no controlador de periferia. A IA de visão fornece a posição e a velocidade dos alvos dinâmicos, sem assumir diretamente o controlo do circuito de parada de emergência.

A Kelude, no sistema elétrico das suas pontes rolantes biviga padrão europeu, liga habitualmente o processador de visão, o LiDAR e o radar de ondas milimétricas a um gateway independente, que por sua vez comunica com o controlador principal via EtherCAT ou Profinet. Desta forma evita-se que os dados de vídeo ocupem a rede principal e garante-se o envio da posição dos alvos em pacotes de dados em tempo real para os módulos de anti-balanço e planeamento de trajetória.

É preciso ter em conta que o reconhecimento visual é afetado por poeira, óleo, contraluz e vibração. Nas aplicações industriais devem prever-se limpeza das lentes, iluminação auxiliar, grau de proteção adequado e sensores redundantes. Uma única câmara não pode constituir o único critério de segurança de pessoas; o circuito de segurança continua a basear-se na paragem de emergência, nos fins de curso mecânicos e no alarme sonoro e visual.

Manutenção preditiva: como a aprendizagem automática usa vibração e temperatura

A manutenção de guindastes assentou durante muito tempo na manutenção periódica e na reparação após avaria. Quando surgem anomalias no redutor, no freio ou no mancal do tambor, já existem habitualmente ruído, aumento de temperatura ou ruído anormal percetíveis, e a continuação da operação pode agravar os danos.

O núcleo da manutenção preditiva consiste em recolher séries temporais de aceleração vibratória, temperatura, corrente, estado de lubrificação e número de ciclos de operação, extrair características e alimentar um modelo de aprendizagem automática. O modelo avalia se o estado atual se desvia da linha de base normal e indica o tempo de vida útil restante ou a janela de intervenção recomendada.

Os dados de vibração são adequados para detetar o descolamento precoce de rolamentos, o desgaste do engrenamento, o desalinhamento de eixos e folgas. Os dados de temperatura permitem identificar arrastamento do freio, lubrificação deficiente e aumentos localizados de temperatura por sobrecarga do motor. O sinal de corrente reflete variações de carga, bloqueio de mecanismos e atrasos no acionamento do freio.

A fadiga de longo prazo dos cordões de solda e da estrutura da viga principal é mais complexa. É possível obter variações de tensão local através de extensómetros, emissão acústica ou medição visual, e recorrer depois a algoritmos de regressão para identificar tendências anómalas. Quanto aos métodos de deteção de trincas em soldas, consulte-se a abordagem técnica descrita em deteção de trincas em cordões de solda da viga principal. A Kelude prevê, antes da entrega, interfaces para pontos de medição nos componentes estruturais das suas pontes biviga padrão europeu, facilitando a posterior integração num sistema de monitoramento de saúde estrutural.

A manutenção preditiva não dispensa totalmente a manutenção periódica. Para peças de desgaste como o revestimento de fricção do freio, continua a ser necessário efetuar inspeções cíclicas conforme as exigências do fabricante. A previsão por IA é mais adequada a processos de degradação lenta, como a falha precoce de rolamentos, a propagação de pitting nos dentes das engrenagens e tensões estruturais anómalas.

A qualidade dos dados determina diretamente a fiabilidade da previsão. A posição de instalação dos sensores, a taxa de amostragem, a compensação de temperatura e a calibração de carga influenciam os resultados. Na fase inicial do projeto é necessário realizar uma aprendizagem de linha de base em condições normais de operação; caso contrário, o modelo tenderá a classificar como anómalas situações normais de carga pesada.

Monitorização de segurança com IA e gestão remota de saúde para pontes rolantes de viga dupla padrão europeu

As pontes rolantes de viga dupla padrão europeu exigem elevada rigidez, baixos níveis de ruído, monitorização de segurança rigorosa e consistência de fabrico. Os produtos Kelude Indústrias Pesadas de 50 t a 300 t destinam-se sobretudo aos setores de equipamento pesado, metalurgia, construção naval e grandes componentes pré-fabricados, onde a altura de elevação, o vão e a classe de funcionamento variam significativamente — razão pela qual o sistema de IA é configurado caso a caso.

Na implementação, o computador de borda é normalmente instalado no gabinete elétrico da viga da ponte, recolhendo dados do mecanismo de elevação, do mecanismo de carrinho, do mecanismo de translação da ponte, do Freio de Segurança e dos pontos de medição da viga principal. O computador de borda executa alarmes em tempo real e inferência leve, enquanto os dados históricos são enviados para uma plataforma local ou na nuvem. Mesmo com rede instável no local, o lado da borda mantém os registos de operação mais recentes.

A plataforma de gestão remota de saúde organiza os dados de várias pontes rolantes numa árvore de equipamentos, gerando indicadores como espectro de carga, número de atuações do freio, elevação de temperatura do motor e tendências de vibração do redutor. Os responsáveis podem consultar a pontuação de saúde e receber alertas de manutenção programada. Para equipamentos de dupla viga padrão europeu, a plataforma deve ainda permitir a exportação do registo de operação, facilitando a articulação com os arquivos de supervisão de segurança.

A configuração das funções de monitorização de segurança e alerta precoce inteligente deve abranger itens críticos como capacidade de elevação, torque, altura de elevação, curso, velocidade, estado do freio e proteção por intertravamento. No comissionamento no local, a verificação funcional é realizada em articulação com os requisitos aplicáveis de supervisão técnica de segurança. A Kelude Indústrias Pesadas oferece calibração antes da entrega, comissionamento integrado no local e Treinamento de Operadores, garantindo que os módulos inteligentes mantêm fronteiras claras em relação ao circuito de segurança existente.

Na aplicação prática, os benefícios da IA não se limitam à redução de avarias: incluem também a diminuição dos ajuste repetido do operador durante o posicionamento preciso, a redução do esforço operacional e a melhoria da perceção em turnos noturnos ou em ambiente severo. Ao construir um sistema de elevação inteligente, é essencial consolidar primeiro o intertravamento de segurança e o controle elétrico de base, e só depois acrescentar as funções de IA — evitando que os módulos inteligentes se tornem um novo ponto único de falha.

perguntas frequentes