Como as frotas de construção melhoram a utilização de ativos com análises personalizadas

A maioria dos sistemas de gerenciamento de frotas de construção pode informar onde uma máquina está. Poucos conseguem responder exatamente sobre a frota: quais veículos produziram trabalho útil, quais consumiram combustível sem fazer nada e quais ativos estão silenciosamente a caminho de falhar?

Principais conclusões

• Obtenha horas de trabalho reais em vez de horas de motor, identificando assim máquinas que estão desperdiçando combustível e operadores que não trabalham com eficiência suficiente.
• Combine RPM e carga do motor para identificar comportamento de alta marcha lenta que passa despercebido em relatórios padrão.
• Equilibre a carga de trabalho em ativos pesados para estender a vida útil e adiar despesas de CAPEX com substituição.
• Detecte degradação do motor antes que códigos de falha gerem paradas.
• Conecte a telemetria aos operadores para melhorar a responsabilidade, reduzir desperdícios e direcionar treinamentos.

Que informações uma plataforma de telemática deve fornecer a um gestor de frota de construção?

Um operador de máquinas pesadas do Reino Unido gerencia centenas de ativos conectados, incluindo mais de 100 escavadeiras, geradores e máquinas industriais, todos equipados com dispositivos de telemática. Embora o rastreamento GPS funcionasse, relatórios de horas de motor existissem e códigos de falha chegassem a tempo, a equipe de operações ainda enfrentava dificuldades para responder a perguntas práticas:

• Quais escavadeiras estavam realmente sob carga versus paradas em alta rotação?
• Quais geradores eram superdimensionados para os locais em que operavam?
• Quais operadores sobrecarregavam ou subcarregavam consistentemente as máquinas?
• Quais ativos estavam se aproximando de eventos de manutenção caros?

A frota já gerava enormes volumes de dados, mas a maior parte dessas informações permanecia presa em relatórios padrão.

Trabalhando com a integradora de sistemas Plug N Play Solutions, a empresa refez sua estratégia de dados em torno da plataforma de análises de frota IoT Query da Navixy, transformando a telemetria bruta em sinais acionáveis fundamentais para o negócio. Eles criaram estados operacionais específicos para cada máquina, métricas de horas produtivas, acionadores de manutenção baseados em condição e análises ao nível do operador, voltadas para operações com equipamentos pesados.

Este estudo de caso é baseado no episódio do podcast Telematics Talks da Navixy.

Por que métricas tradicionais de gerenciamento de frota de construção precisam ser revisadas

A frota não tinha escassez de telemetria. O problema surgiu quando os gerentes de operações tentaram tomar decisões de manutenção e utilização a partir desses dados.

Uma escavadeira poderia registrar oito horas de motor ativo enquanto passava metade do turno parada em alta rotação. Um gerador poderia funcionar continuamente, mas operando apenas com uma fração da carga prevista. Dois operadores usando máquinas idênticas poderiam gerar padrões de desgaste e perfis de consumo de combustível completamente diferentes sem que ninguém percebesse. Os relatórios de telemática padrão achatavam toda essa nuance operacional em métricas genéricas.

Os dispositivos GPS industriais modernos de fornecedores como Teltonika e Galileosky podem transmitir centenas de parâmetros de sensores a partir de uma única máquina. Mas a maioria dos softwares de gerenciamento de frota de construção exibe apenas um subconjunto restrito dessa telemetria por meio de relatórios e painéis predefinidos.

Isso faz diferença porque frotas de construção se comportam de forma diferente das frotas de logística. Para operações com máquinas pesadas, o que realmente importa não é para onde os ativos se deslocaram, mas como operaram sob carga durante essas horas.

Isso muda todo o modelo analítico. Por exemplo, em vez de depender de estados de ignição, eles correlacionaram RPM, carga do motor, ciclos de trabalho e limiares específicos da máquina.

Como a frota de construção passou a medir horas produtivas em vez de horas de motor

Uma das mudanças mais importantes no projeto foi redefinir o que “tempo de trabalho” realmente significava. Em muitas frotas de máquinas pesadas, as horas de motor são tratadas como uma métrica de utilização. Mas, na prática, o tempo com o motor ligado diz muito pouco sobre trabalho produtivo.

A equipe da Plug and Play substituiu o modelo tradicional de horas de motor por análises de horas produtivas. Para isso, eles combinaram vários sinais de telemetria: faixas de RPM, carga do motor, ciclos de trabalho, status de marcha lenta, limiares operacionais específicos da máquina.

Em vez de uma visão binária “motor ligado/motor desligado”, as máquinas eram classificadas em estados operacionais como:

• Carga produtiva
• Operação de baixa carga
• Marcha lenta
• Alta marcha lenta
• Ciclo de trabalho pesado

Isso criou uma visão muito mais realista da utilização de ativos em toda a frota. A mudança expôs imediatamente uma grande fonte de ineficiência oculta: a alta marcha lenta.

O que a alta marcha lenta revelou sobre a utilização da frota em máquinas pesadas

Alguns operadores pressionavam o acelerador até o máximo de RPM e deixavam a máquina em marcha lenta enquanto se afastavam da cabine. Relatórios tradicionais contavam essas horas como utilização ativa porque o motor estava em funcionamento. Do ponto de vista de negócios, essas máquinas não geravam nenhum valor, mas ainda assim geravam:

• Custos de combustível
• Desgaste do motor
• Acúmulo de manutenção
• Métricas de utilização artificialmente infladas

A equipe introduziu um estado operacional de “alta marcha lenta” baseado em uma combinação simples:
Alta RPM + baixa carga do motor = alta marcha lenta.

Esse único indicador mudou a forma como a frota avaliava produtividade. Máquinas que antes pareciam “ocupadas” de repente mostraram grandes períodos de tempo operacional desperdiçado. Os gestores de frota agora podiam distinguir entre ativos realizando trabalho real e ativos consumindo combustível sem produzir.

Uma vez que o comportamento de alta marcha lenta se tornou mensurável, os supervisores puderam:

• identificar hábitos operacionais problemáticos,
• comparar a utilização entre diferentes locais,
• aprimorar decisões de agendamento com muito mais confiança.

Importante ressaltar que nada disso exigiu investimentos em novo hardware. O valor veio de interpretar os dados de forma diferente.

Como análises personalizadas de frota remodelaram o planejamento de manutenção

A mesma abordagem transformou a gestão de manutenção. Os fluxos de trabalho de manutenção em frotas de máquinas pesadas geralmente são reativos. Um código de falha aparece, a máquina falha e um técnico é acionado.

O problema é que muitas questões operacionais se desenvolvem muito antes de os códigos de falha acionarem alarmes. Sobrecarga de motor persistente obstrui gradualmente os sistemas DPF. Padrões instáveis de RPM indicam comportamento anormal do motor. Picos de carga revelam estresse operacional antes que falhas mecânicas se tornem visíveis.

Como a frota tinha acesso à telemetria histórica, a equipe pôde monitorar esses padrões ao longo do tempo, em vez de reagir apenas a falhas em estágio final.

Matt Watson, Managing Director na Plug and Play Solutions, descreveu o valor da seguinte forma:

“Se você consegue ver essa tendência ao longo do tempo, pode interceptar o problema antes mesmo de o erro de motor ocorrer.”

Isso muda completamente a economia da manutenção. Um evento de serviço agendado em um dia operacional tranquilo é muito mais barato do que paradas emergenciais, tempo de inatividade não planejado, deslocamento de técnico em campo, custos de equipamentos substitutos e prazos de projeto perdidos.

Como o balanceamento de carga ajuda frotas de construção a estender a vida útil do equipamento

Frotas de máquinas pesadas raramente distribuem a carga de trabalho de forma uniforme. Algumas máquinas suportam cargas operacionais extremas, enquanto outras permanecem subutilizadas. Com o tempo, esse desequilíbrio gera consequências previsíveis: desgaste acelerado em ativos altamente exigidos, depreciação desigual, substituições prematuras, custos de manutenção mais altos, eficiência geral mais baixa da frota.

Com visibilidade direta da carga do motor e da carga de trabalho produtiva, a equipe de operações pôde gerenciar as atribuições de forma mais inteligente.

Essa abordagem é especialmente valiosa para frotas de geradores. Em um exemplo, os locais de construção solicitavam rotineiramente geradores de 100 kVA, independentemente das necessidades reais de consumo. Posteriormente, a telemetria mostrou que alguns locais consumiam apenas 18 kVA.

Esse descompasso gerava problemas de subcarga persistente. Motores modernos com controle de emissões precisam de carga suficiente para operar de forma eficiente. Operar geradores superdimensionados em baixa carga acelera o acúmulo de fuligem e reduz a vida útil dos componentes.

Com análises personalizadas, a frota pôde identificar esses padrões precocemente e dimensionar corretamente o equipamento antes que falhas ocorressem. Após a implementação, os operadores podem recomendar ajustes de equipamento com base em dados operacionais reais.

Como análises em nível de operador melhoraram a responsabilidade

A camada final do projeto de análises personalizadas de frota de construção se concentrou no operador. Beacons Bluetooth vinculavam cada fluxo de telemetria a uma pessoa identificada. A mesma credencial usada para ligar a máquina identificava quem a operava.

Isso permitiu várias melhorias operacionais ao mesmo tempo:

1. Pessoal não treinado podia ser bloqueado de operar determinados equipamentos. Somente operadores autorizados conseguiam ligar máquinas designadas.
2. Eventos suspeitos tornaram-se rastreáveis. A frota identificou incidentes recorrentes de acesso a combustível durante a noite, combinando identificação por beacon com dados de telemetria de vídeo. O que antes parecia perda de combustível inexplicável tornou-se um padrão operacional documentado.
3. O comportamento do operador tornou-se mensurável de uma maneira que a telemática padrão raramente fornece. Alguns operadores geravam consistentemente ciclos de trabalho mais limpos. Outros produziam muito mais tempo de marcha lenta. Uma vez que esses padrões ficaram visíveis, os supervisores puderam introduzir treinamento direcionado.

Isso é relevante porque as diferenças de comportamento entre operadores muitas vezes geram lacunas de eficiência maiores do que as diferenças entre as máquinas.

Por que o IoT Query foi importante nas análises de frota de construção

Nenhuma dessas análises teria sido viável sem acesso direto aos dados de telemetria brutos no IoT Query. A maioria dos sistemas de telemática oferece apenas relatórios predefinidos e painéis fixos. Isso funciona para fluxos de trabalho padrão de rastreamento GPS, mas se torna limitado quando frotas de máquinas pesadas precisam de lógica operacional personalizada.

O IoT Query expõe todo o banco de dados de telemetria e organiza os dados em várias camadas analíticas: camada de dados brutos para sinais de telemetria originais e camada de transformação para entidades operacionais e lógica personalizada.

Essa arquitetura deu ao integrador a flexibilidade de criar estados específicos de cada máquina, KPIs personalizados e modelos operacionais sem precisar aguardar o desenvolvimento de recursos no lado do fornecedor. Para o gerenciamento de frota de construção, isso é relevante porque nenhum ambiente operacional se comporta exatamente da mesma maneira.

O que os gerentes de frota de construção podem aprender com este projeto

Várias lições desta implantação se aplicam amplamente a grandes frotas de máquinas pesadas. Primeiro, horas de motor, por si só, são uma métrica fraca de utilização. Até que as frotas separem a carga de trabalho produtiva do tempo em marcha lenta, os relatórios de utilização continuam incompletos.

Segundo, a carga do motor é um dos sinais operacionais mais valiosos em ambientes de equipamentos pesados. Ela afeta diretamente o planejamento de manutenção, a eficiência de combustível, o desgaste da máquina e a vida útil do ativo.

Terceiro, o comportamento do operador importa mais do que muitas frotas imaginam. Quando a telemetria é vinculada a operadores individuais, oportunidades de treinamento e ineficiências tornam-se muito mais fáceis de identificar.

Por fim, o valor das análises para frotas de construção depende menos de coletar mais dados e mais de usar inteligentemente a telemetria existente.

Entre em contato conosco para explorar como o IoT Query ajuda frotas de construção a transformar telemetria bruta em análises de horas produtivas, inteligência de manutenção e KPIs personalizados para máquinas pesadas.

Perguntas frequentes sobre análises de frotas de máquinas pesadas

P.: Qual é o papel da telemática no gerenciamento de frota de construção?

R.: A telemática oferece às equipes de gerenciamento de frotas de construção visibilidade sobre a localização do equipamento, comportamento do motor, uso de combustível, atividade do operador e condições de manutenção. Em operações com máquinas pesadas, o maior valor geralmente vem da análise da carga de trabalho, do comportamento de marcha lenta e da carga do motor, em vez de apenas do rastreamento GPS. Para perceber a diferença, use modelos de dashboard para Heavy Machinery no Dashboard Studio, um aplicativo de visualização de dados incorporado que permite aos usuários criar painéis personalizados para seus fluxos de trabalho e KPIs específicos sem serviços externos ou ferramentas de BI, diretamente no Navixy.

P.: Qual é a diferença entre horas de motor e horas produtivas para frotas de construção?

R.: A diferença entre horas de motor e horas produtivas é que as horas de motor medem o tempo total de funcionamento do motor, enquanto as horas produtivas medem a operação sob carga significativa. A análise de horas produtivas oferece às frotas uma visão mais precisa de utilização, eficiência de combustível e desempenho operacional.

P.: O IoT Query funciona com o hardware de telemetria existente em equipamentos pesados?

R.: O IoT Query funciona com dados recebidos do hardware de telemetria existente em equipamentos pesados, incluindo dispositivos GPS industriais, integrações de barramento CAN e sistemas personalizados de controle de máquinas. A plataforma de telemática Navixy conclui com sucesso integrações de dispositivos GPS industriais e barramento CAN, incluindo Teltonika, Galileosky e sistemas de controle personalizados. Como resultado, o IoT Query pode ingerir fluxos de telemetria padrão e personalizados.

P.: Como as análises em nível de operador melhoram as operações de máquinas pesadas?

R.: As análises em nível de operador melhoram as operações de máquinas pesadas ao vincular dados de telemetria a cada colaborador por meio de beacons Bluetooth ou identificação por RFID. Isso ajuda as frotas a aprimorar a responsabilidade, reduzir o tempo de marcha lenta, investigar atividades não autorizadas e identificar oportunidades de treinamento.

P.: Como análises avançadas aprimoram o planejamento de manutenção?

R.: As análises avançadas aprimoram o planejamento de manutenção ao identificar padrões operacionais anormais antes que apareçam códigos de falha. Monitorar comportamento de carga, estabilidade de RPM e tendências operacionais permite que as equipes de manutenção agendem serviços de forma proativa e reduzam o tempo de inatividade não planejado. Consulte o post “How to control actual work on heavy machinery fleets in Navixy” para saber mais sobre análises baseadas em RPM que melhoram o gerenciamento de frotas de construção.