O setor de celulose representa 38% da produção mundial, porém essa posição de destaque se deve a alta produtividade das florestas de eucalipto, existe muito espaço para melhoria da produção do setor. Um dos pontos que mais afeta a produção e a gestão de ativos, dominada pelo método de manutenção corretiva, tem elevado tempo de inatividade e consequentemente causa um enorme impacto no valor final do produto. Nesse trabalho iremos discorrer sobre as características e desafios da manutenção no setor de celulose, e iremos demonstra como os drones poderão revolucionar o setor através de um estudo da implementação dessa tecnologia em um dos equipamentos presentes na planta. Apresentaremos a história, as vantagens e os desafios dos usos de drones, bem como sua relação com as outras tecnologias habilitadoras da indústria 4.0. Por fim, com os resultados obtidos, podemos dizer que os drones trarão inúmeras vantagens ao setor, melhorando não somente a produção, mas a saúde dos empregados. Gerando valor para todas a empresas que os implementarem em seus processos, que não precisa se limitar a manutenção, vários outros setores da empresa podem ganhar com essa tecnologia

1. PROPOSTADE APLICAÇÃO DE DRONES NA GESTÃO DE ATIVOS
NO SETOR DE PRODUÇÃO CELULOSE
Autor: Luis Felipe Murari Moledo
Consultor Trainee de Digitalização e Indústria 4.0 do SENAI São Paulo
Orientador: Márcio Henrique Venturelli
Coordenador Técnico de Digitalização e Indústria 4.0 do SENAI São Paulo
RESUMO
O setor de celulose representa 38% da produção mundial, porém essaposição de destaque se deve
a alta produtividade das florestas de eucalipto, existe muito espaço para melhoria da produção do
setor. Um dos pontos que mais afeta a produção e a gestão de ativos, dominada pelo método de
manutenção corretiva, tem elevado tempo de inatividade e consequentemente causa um enorme
impacto no valor final do produto.
Nesse trabalho iremos discorrer sobre as características e desafios da manutenção no setor de
celulose, e iremos demonstra como os drones poderão revolucionar o setor através de um estudo
da implementação dessa tecnologia em um dos equipamentos presentes na planta.
Apresentaremos a história, as vantagens e os desafios dos usos de drones, bem como sua relação
com as outras tecnologias habilitadoras da indústria 4.0.
Por fim, com os resultados obtidos, podemos dizer que os drones trarão inúmeras vantagens ao
setor, melhorando não somente a produção, mas a saúde dos empregados. Gerando valor para
todas a empresas que os implementarem em seus processos, que não precisa se limitar a
manutenção, vários outros setores da empresa podem ganhar com essa tecnologia.
Palavras chave: Manutenção, Drones, Celulose, Indústria 4.0
ABSTRACT
The pulp sector accounts for 38% of the world's production, but this outstanding position is due to
the high productivity of the eucalyptus forests, there is a lot of room for improvement of the sector's
production. One of the issues that most affects production and asset management, dominated by
the corrective maintenance method, has high downtime and consequently has a huge impact on the
final value of the product.
In this paper we will discuss the characteristics and challenges of maintenance in the pulp sector,
and we will demonstrate how drones can revolutionize the industry through a study of the
implementation of this technology in one of the equipment present in the plant.
We will present the history, advantages, and challenges of drone usage as well as its relationship to
other enabling technologies in the industry 4.0.
Finally, with the results obtained, we can say that the drones will bring innumerable advantages to
the sector, improving not only the production, but the health of the employees. By generating value
for all companies that implement them in their processes, which do not have to be limited to
maintenance, several other sectors of the company can gain from this technology
Keywords: Maintenance, Drones, Pulp, Industry 4.0
INTRODUÇÃO
O Brasil está em uma posição de destaque na produção mundial de celulose com
participação de 38% em 2010. Essa alta participação advém da alta competitividade da produção
brasileira, que por sua vez é oriunda da floresta: condições edafoclimáticas favoráveis e um longo
histórico de investimento em pesquisa e desenvolvimento elevaram a produtividade do pínus e,
sobretudo, do eucalipto brasileiro ao maior patamar mundial. (VIDAL e DA HORA, 2012)

2. O grande sucesso do aproveitamento do eucalipto como matéria-prima básica para a
produção de celulose tem garantido ao país custos de produção entre os mais baixos do mundo.
Essa vantagem de custos tem sido reforçada pela realização de investimentos na modernização do
parque industrial, especialmente na fabricação de celulose de mercado. (CGEE, 2013)
A indústria de base florestal, que experimentou e apoiou consistentemente as três principais
fases da transformação industrial ocorridas desde o século XVIII – da energia a vapor até a elétrica,
passando pela integração progressiva de tecnologias de automação e informação. Agora,
acompanha de perto os incrementos apresentados pelos conceitos da Indústria 4.0, em um contexto
de evolução das necessidades dos clientes e dos mercados, juntamente com as pressões
relacionadas à concorrência global. (MARTIN, 2017)
A Indústria 4.0 tende a reduzir o contato entre homens, máquinas e equipamentos, levando,
entre outros aspectos,a uma maior segurança nas fábricas.Outra tendência que deve se fortalecer,
à medida que a Indústria 4.0 firma-se na rotina industrial, é o aumento do tempo de vida útil dos
ativos por meio de uma manutenção preditiva mais eficiente, assim como maior produtividade dos
fabricantes de celulose e papel em virtude de um maior sensoriamento (virtual e real) conectado a
controles mais robustos. (MARTIN, 2017)
O SETOR: MANUTENÇÃO
Manutenção é o conjunto de ações para detectar, prevenir ou corrigir falhas e defeitos, falhas
funcionais e potenciais, com o objetivo de manter as condições operacionais e de segurança dos
itens, sistemas ou ativos. (DE JESUS, 2014)
A indústria de celulose emprega maquinas complexas de grande porte conforme
apresentado na figura 1, que trabalham com produtos químicos altamente corrosivos em elevados
níveis de temperatura e pressão, esses fatores afetam bastante a integridade estrutural desses
equipamentos como a infraestrutura ao redor.
Figura 1: Processo de produção de celulose
Fonte: https://www.researchgate.net/figure/Overview-of-a-conventional-kraft-pulp-mill-C-2008-
Kvaerner-Pulping-Pettersson-et-al_fig5_272125192, Acesso em 15/04/2019
Um exemplo de equipamento de grande porte presente nas plantas de celulose são as torres
de resfriamento, normalmente, quando a indústria estiver com um processo produtivo em
funcionamento, a torre de resfriamento vinculada àquele processo, estará também em operação.
Um processo pode estar vinculado a mais de uma torre de resfriamento, porém na falha de uma, as
demais não a substituem, podendo gerar estresse no sistema, reduzindo a capacidade de
resfriamento. (DYNAMOX SOLUÇÕES CRIATIVAS, 2019)
Dentre os vários componentes envolvidos na operação dessas torres, podemos citar
ventiladores, motores, redutores ou caixas de engrenagens e eixos de transmissão que realizam o

3. processo de evaporação e transferência de calor responsáveis por resfriar um fluido, geralmente
água, e reaproveita-lo nos processos, fazendo-o recircular em circuito fechado.
Figura 2: Características das Torres de Resfriamento
Fonte:https://www.industria40.ind.br/artigo/17447-desafios-da-manutencao-em-torres-de-resfriamento,
Acesso em 12/03/2019
Torres de resfriamento são difíceis de serem mantidas devido:
 Ao posicionamento de seus componentes em altura;
 A possuírem componentes de difícil acesso, como equipamentos inacessíveis
durante operação ou em posições que oferecem riscos ao mantenedor;
 À falta de uma plataforma de segurança para o acesso;
 Às temperaturas elevadas e geração de umidade nos componentes;
 A níveis altos de ruído e vibração, que podem resultar em problemas de segurança
aos colaboradores, fadiga e falha prematura;
 Ao modelo convencional de medição da vibração: de custo elevado e que requer o
acesso do mantenedor ao componente
 Corrosão e erosão.
Nessas estruturas o normal são manutenções corretivas que são realizadas após inspeções
que ocorrem durantes as paradas programadas da planta ou quando algo mais sério acontece.
Hoje, a maioria desses trabalhos é executada manualmente, com base em inspeções em pessoa,
um processo lento e caro que produz resultados incompletos e de baixa qualidade. Em alguns
casos, são necessários acesso por corda, andaimes e plataformas elevadas
O fato que as inspeções realizadas por pessoas nessas maquinas são bastante perigosas,
envolve trabalhos em altura, em ambientes confinados e em locais com produtos químicos
corrosivos.Portanto o tempo de preparação para uma inspeção é bem demorado, envolve a limpeza
das maquinas, instalação de andaimes, polias e cordas para o acesso dos inspetores. Combinado
com a necessidade de desligar a instalação durante o período de preparação, inspeção e
manutenção, o que significa que a planta fica inativa por um longo tempo.
Esse tempo de inatividade é um importante fator de custo para a indústria de papel e
celulose, bem como para outros setores de manufatura. Em uma pesquisa com 200 executivos
encomendada pela Honeywell, fornecedora de serviço de engenharia, o tempo de inatividade não
programado foi classificado como uma das principais ameaças à maximização da receita.
Curiosamente, 42% dos entrevistados admitiram deixar os equipamentos funcionarem por mais
tempo do que deveriam. (ALMAGOR, 2018)
De acordo com o Central Pulp & Paper Research Institute os custos de manutenção
representam 10% das vendas do setor, uma taxa significativamente maior do que a fabricação de
motores, fabricação de automóveis ou indústrias químicas (Fig. 3).

4. Figura 3: Proporção do custo de manutenção no prço final do produto de diversos setores
Fonte: https://paper360.tappi.org/2018/09/24/machine-learning-and-improved-performance/, acesso
12/03/2019
PROPOSTA
Fazer a digitalização do processode inspeção das torres de resfriamento por meio de drones
na planta de produção de celulose para auxiliar e acelerar a atividade de manutenção, de forma
alcançar alto nível de segurança, disponibilidade e lucro em operação. E investigar os impactos
dessa solução na manutenção e gestão de ativos, de forma de escalar a solução para toda a planta.
SOLUÇÃO
As tecnologias de drones (UAV) em conjunto com machine learning, computaçãoem nuvem,
big data e cibersegurança, serão utilizadas para criar um sistema de inspeção autônomo, ágil e
inteligente, auxiliando no planejamento da manutenção, trazendo segurança e reduzindo a pressão
nos trabalhadores.
Os drones são capazes de auxiliar a gestão de diversos tipos de projetos de infraestrutura.
Eles não só realizam trabalhos em ambientes perigosos, como também são extremamente ágeis,
precisos e econômicos na captura de dados que são estratégicos e essenciais para tomada de
decisões empresariais. (GALVÃO, 2018)
Os drones atuarão autonomamente, com sua flexibilidade de uso poderão ser usados para
monitorar regularmente a integridade da infraestrutura de quase todas as instalações,
independentemente do design ou localização do equipamento. Ajudando a manutenção a produzir
resultados precisos e a eliminar os erros resultantes da realização de testes em diferentes locais.
O que pode ser muito útil ao analisar a eficácia de qualquer reparo
Isso pode aumentar significativamente a segurança, a confiabilidade e a eficiência da
infraestrutura, por serem capazes de identificar defeitos que podem levar a condições inseguras,
mau funcionamento ou falha catastrófica em tempo suficiente para que os departamentos de
manutenção corrijam os problemas antes que eles ocorram, evitando perdas de produção, no
modelo da manutenção preditiva.
A manutenção preditiva, na verdade, evita falhas que podem levar a incêndios e acidentes
a trabalhadores, bem como pessoas da comunidade perto da instalação afetada. Principalmente os
acidentes associados aos procedimentos de teste, onde os trabalhadores precisam acessar áreas
de difícil acesso e ambientes hostis, onde há possibilidade de incêndios e outros acidentes que
possam ocorrer durante os testes destrutivos tradicionais, como os que envolvem soldagem ou uso
de chamas abertas.
Ao usar um drone para acessar áreas difíceis, a inspeção pode avaliar as estruturas e
fornecer dados abrangentes imediatos que, de outra forma, levariam vários dias usando os métodos
tradicionais de acesso. Apenas alguns trabalhadores, se houver, precisam ir a campo para realizar

5. as inspeções, reduzindo custos com transporte, bem como os custos de seguro. E, como os testes
levam menos tempo, a empresa gasta-se menos em acomodações e descontos.
O sistema de análise de imagens inteligente, é capaz de aprender a identificar defeitos e
classifica-los de acordo com a gravidade (machine learning). O sistema de aprendizagem será
necessário para estruturar os dados fornecidos pelo drone, e consequentemente trazer mais
precisão a analise, além de poder combinar outras informações da fábrica com os dados obtidos
pelo drone.
Por ser ligado em nuvem há possibilidade de escalar a solução de apenas uma torre de
resfriamento para todas as outras, assim como para todos os outros tanques e infraestruturas que
possua características semelhantes.
Soluções utilizando a computação em nuvem exigem cibersegurança, nesse caso
utilizaremos de Firewall, Nuvem Privada, Criptografia e Autenticações de Autorização de acesso.
TECNOLOGIAS
UAVs (Unmanned Aerial Vehicles) foram usados pela primeira vez no Japão no início dos
anos 1980, quando helicópteros não tripulados provaram ser uma forma eficiente para pulverizar
pesticidas em campos de arroz. Naquela época, a tecnologia de aeronaves não tripulados era
bastante cara e complicada. O progresso avançou nas capacidades tecnológicas, regulamentos e
apoio ao investimento, gerou novas aplicações, particularmente na agricultura, infraestrutura,
segurança, transporte, mídia e entretenimento, telecomunicações, mineração e seguros. (PWC,
2016)
A aplicação de drones nesses setores, permitiu eliminar a dependência de métodos
tradicionais, como aviões e satélites, para a coleta de imagens aéreas. Esses métodos têm custo
elevado e fornecem imagens de baixa qualidade, que impedia as empresas de realizar um controle
total de seus ativos. Os drones, no entanto, são muito mais econômicos, garantem alta qualidade
de dados e são capazes de fornecer dados diferentes dos métodos tradicionais.
Graças as novas tecnologias, é possível equipar os drones com uma ampla variedade de
equipamentos, por exemplo com sensores para diferentes tipos de inspeções. Esses sensores
fornecem imagens em alta definição para inspeção visual, imagens térmicas, imagens de correntes
parasitas, analises com ultrassom, analise com radiografia, que geram dados mais aderentes as
necessidades da empresa. Com dados mais detalhados e adequados a sua realidade, as empresas
podem acompanhar em tempo real e em qualquer lugar, a localização, a saúde e a produção de
seus ativos.
O desenvolvimento de novos tipos de fontes de energia, motores e materiais estruturais
afetará o potencial dos drones, por exemplo células de hidrogênio são mais eficientes e leves
poderão em um futuro próximo aumentar o tempo de voo e as capacidades dos drones.
Isso está ligado à tendência de simplificar e automatizar o uso de drones, por exemplo,
permitindo o controle por meio de dispositivos móveis, como smartphones ou tablets, em vez dos
controladores dedicados usados atualmente. Outro exemplo pode ser o desenvolvimento de
sistemas autônomos de controle de voo que permitem às empresas operar com segurança uma
frota de drones em várias missões. Usando a geolocalização e outros controles, os drones podem
fazer os mesmos testes do mesmo ponto e ângulo repetidamente. (PWC, 2016)
Figura 4:Fotos de inspeções realizadas com drones em tanques de polpa de celulose
Fonte: https://blog.flyability.com/casestudies/inspection-of-tanks-in-a-pulp-and-paper-mill, acesso 15/04/2019

6. Figura 5: Programação de rotas autônomas para Drones
Fonte: https://heighttech.nl/flight-planning-software/ Acessado: 15/04/2019
Como em todos os outros mercados, a indústria de drones também está exposta a vários
fatores que podem bloquear a rápida adoção. O aspecto regulatório das operações comerciais de
drones é atualmente um dos fatores mais importantes no desenvolvimento de soluções com drones.
Varias empresas buscam como aplicar os drones em suas operações, mas tem duvidas sobre os
aspectos legais, sobre como e onde podem usá-los, o que devem fazer para garantir a segurança
e a eficiência das operações de drones. (PWC, 2016)
As autoridades nacionais e internacionais de aviação começaram a desenvolver marcos
regulatórios para garantir que os drones sejam usados de maneira segura e favorável aos negócios.
Regulamentações responsáveis e criteriosas aumentarão a popularidade de soluções baseadas em
drones entre empresas de diversos setores.
O desafio mais urgente que as autoridades nacionais de aviação e o setor privado enfrentam
é garantir a supervisão segura das operações de drones recreativos e comerciais, para isso será
necessário criar o registro obrigatório de drones, para identificar os pilotos que infringirem a lei, e
desenvolver um sistema complexo de gerenciamento de tráfego aéreo, de modo a evitar colisões
com outros objetos em voo, permitir comunicação com os controladores de tráfego aéreo de
veículos tripulados. (PWC, 2016)
Além disso, os drones precisam possuir funções de falha automática, evitando uma queda
descontrolada do ar para o solo. Os principais fabricantes agora estão implementando tais funções
na maioria dos modelos, às vezes até acoplando-os a sistemas de detecção de obstáculos
autônomos.
Inteligência Artificial encontra Drones
Os dados adquiridos durante as operações de drones precisam ser processados para
fornecer um valor substancial para as empresas. Os insights e recomendações baseados nessas
informações devem ser fornecidos o mais rápido possível, de maneira compreensível, coesa e
abrangente. Os clientes esperam que os dados estejam disponíveis em todo tipo de dispositivo
(móvel ou desktop), a qualquer hora, em qualquer lugar do mundo. (PWC, 2016)
Nossos últimos anos as imagens de alta de resolução ficaram mais acessíveis para
as indústrias do mundo todo, essas imagens contém uma abundância de informações que podem
ser correlacionadas aos interesses da manutenção e gestão de ativos. Infelizmente, tais dados são
altamente desestruturados e por isso é desafiador extrair insights significativos em escala, mesmo
com uma análise manual intensiva.
Nos tanques metálicos da indústria de celulose obter esses insights e ainda mais difícil. As
pequenas rachaduras se confundem com as características normais das superfícies metálicas,
como riscos, arranhões e manchas, por que a maioria dessas características tem formas lineares e
contrastes mais elevados em comparação com as minúsculas rachaduras. A figura 6a mostra um
quadro de vídeo de amostracom uma rachadura e seus padrões ruidosos circundantes que incluem
um arranhão, uma marca de moagem e uma solda. A figura 6b demonstra amostras de pequenas

7. rachaduras com baixo contraste e brilho variante que dificilmente são visíveis. (CHEN e
JAHANSHAHI, 2018)
Figura 6: Desafios da detecção de rachaduras dos vídeos de superfícies metálicas: (a) comparação
das rachaduras com características normais do material, e (b) pequenas rachaduras com pouco contraste e
brilho variável. Fonte: (CHEN e JAHANSHAHI, 2018)
Adquirindo e processando imagens de drone de nível industrial
Para realizar o mapeamento abrangente, o processo de aquisição de imagens aéreas pode
ser resumido em duas etapas.
Fotogrametria: Durante um voo UAV, várias imagens precisam ser tiradas em intervalos
regulares para garantir que as imagens se sobreponham. Isso é fundamental para que as medições
entre os objetos presentes nas imagens possam ser feitas. Em linhas gerais, esse processo é
conhecido como fotogrametria. Para imagens a serem usadas para análise de dados e
mapeamento, os metadados relevantes são necessários para a criação de imagens. Esses
metadados são inseridos automaticamente por um microcomputador a bordo de um UAV.
Costura de imagem: Uma vez concluída a aquisição de dados, o segundo passo é
amalgamar imagens aéreas individuais em um mapa útil, normalmente usando uma forma
especializada de fotogrametria para unir rapidamente as imagens. Esta forma especializada de
fotogrametria é chamada Estrutura-de-Movimento (Structure for Movement - SfM). O software SfM
costura imagens da mesma cena a partir de diferentes ângulos, comparando, combinando e
medindo os ângulos entre objetos dentro de cada imagem. Durante esta etapa, as imagens podem
ser georreferenciadas para anexar informações de localização a cada imagem.
Após a costura de imagem, o mapa gerado pode ser usado para vários tipos de análise para
os aplicativos mencionados acima. (KAILA, 2018)
Figura 7: Ilustração do procedimento de escanear frames 120x120 e costura de imagens
(esquerda), e da detecção de rachaduras usando inteligência artificial Fonte: (CHEN e JAHANSHAHI, 2018)

8. Desafios e restrições para automatizar o uso de imagens aéreas
Existem vários desafios a serem superados ao automatizar a análise de imagens de drones.
A seguir listamos alguns deles com uma solução prospectiva:
 Visualização simples e reduzida de objetos: os algoritmos atuais de visão computacional e
os conjuntos de dados são projetados e avaliados em configurações de laboratório usando
fotografias centradas no ser humano tomadas horizontalmente a uma distância próxima do
objeto. Para as imagens de UAV tomadas verticalmente, os objetos de interesse são
relativamente pequenos e com menos recursos na maior parte aparecendo planos e
retangulares. Por exemplo A imagem de um edifício tirado de um UAV mostraapenas o telhado,
enquanto a imagem terrestre do edifício terá características como portas, janelas e paredes.
 Dificuldade em rotular dados: seguindo o ponto acima, mesmo que pudéssemos adquirir
muitas imagens, ainda precisamos rotular essas imagens. Esta é uma tarefa manual e que
requer precisão e exatidão, pois “o lixo leva ao lixo”. Não há solução mágica para rotular em vez
de fazê-lo à mão.
 Tamanhos grandes de imagem: as imagens do drone são grandes em tamanho, excedendo
a resolução 3000px X 3000px na maioria dos casos. Isso aumenta a complexidade
computacional ao processar essas imagens. Para contornar isso, aplicamos métodos de pré-
processamento a imagens aéreas para torná-las prontas para a fase de treinamento do nosso
modelo. Isso envolve o corte de imagens em diferentes resoluções, ângulos e poses, a fim de
tornar nosso treinamento invariável a essas mudanças.
 Sobreposiçãode objetos: Um dos problemas com a divisão de imagens é que o mesmoobjeto
pode ocorrer em duas imagens separadas. Isso leva a uma detecção dupla e erros na contagem
de objetos. Além disso, durante a detecção, certos objetos que estão muito próximos um do
outro também podem ter caixas delimitadoras sobrepostas. Uma das maneiras de superar esse
problema é fazer o upsample por meio de uma janela deslizante para procurar objetos pequenos
e densamente compactados.
AS PESSOAS
A redução das atividades de manutenção e particularmente as de manutenção reativa
correlaciona-se positivamente com a redução de incidentes relacionados à segurança. A figura 8
mostra que, quando 75% das manutenções e do tipo reativa, a incidência de absenteísmo-doença
por causa de lesões no técnico de manutenção é 12 vezes maior do que quando apenas 25% da
manutenção é reativa. Com Aprendizado de Máquina, os dados do sensorsão usados para detectar
a degradação e as falhas futuras, de modo que as atividades de manutenção ocorram com tempo
suficiente para remediar sem a pressão da perda de produção. (ALMAGOR, 2018)
.
Figura 8: Proporção de acidentes por método de manutenção
Fonte: https://paper360.tappi.org/2018/09/24/machine-learning-and-improved-performance/ Acesso 12/03/2019

9. IMPLANTAÇÃO
Inicialmente o foco será na digitalização de apenas um tanque de resfriamento, por ser um
sistema crítico e com desafios comuns da inspeção a vários outros equipamentos da planta. Se o
projeto for bem-sucedido, teremos uma base para escalar a solução para vários outros
equipamentos, com facilidade e rapidez.
Realizaremos a análise de maturidade do setor de manutenção e da gestão de ativos, para
identificar sua situação atual em relação aos pré-requisitos para a digitalização, e definir qual a meta
a ser alcançada quando o projeto for concluído.
Será criada uma rota de inspeção, que será definida junto a equipe de manutenção durante
o processo de mapeamento da torre de resfriamento, a qual o drone percorrerá autonomamente o
que permite a padronização da inspeção.
A definição de qual tipo de drone, qual tipo de imagem e dados, e como será a arquitetura
do sistema,será realizada junto a equipe de manutenção, de forma buscar o melhor custo benefício
para o processo.
As imagens capturadas serão carregadas em um sistema de análise de imagens com
aprendizagem de máquina (Machine Learning) ligada a nuvem. Será necessário separar um tempo
para que o sistema de machine learning aprenda, e nesse tempo poderemos realizar o treinamento
da equipe de inspeção, no uso da nova tecnologia.
Os dados estruturados pelo machine learning, serão armazenados em um serviço de Big
Data, também hospedado na nuvem, podendo ser combinados com outras informações da planta,
gerando novos indicadores.
Esses dados serão protegidos por um sistemade controle de acessode usuários, que serão
treinados sobre as boas práticas de cibersegurança, além de encriptação dos dados, e backup em
diferentes servidores.
Após os treinamentos, teste e a verificação de que o sistema e capaz de gerar valor ao
cliente, escalaremos a solução para as outras torres e por fim os outros setores da fábrica, tornando
a gestão de ativos inteligente e modificando o método de manutenção para preditiva.
RESULTADOS ESPERADOS
Os drones implementados na inspeção eliminaram a necessidade de preparação do
equipamento para inspeção. A combinação de rota de inspeção e analise de imagens, evita que
erros passem desapercebidos. Fornecendo ao planejamento exatamente os itens que necessitam
de manutenção.
O planejamento da manutenção será mais eficiente, por causa da melhoria da qualidade dos
dados apresentados, portanto estaremos modificando a metodologia de manutenção de corretiva
para preditiva, o que reduz os custos com material e homens horas trabalhadas, aliviando a pressão
das equipes de manutenção.
Figura 9: Fluxograma de treinamento do Machine Learning, Fonte
http://wjmvs.com/product/visionpro-vidi/ acesso 15/04/2019

10. As equipes de manutenção, sobre menor pressão, terão melhor qualidade de vida no
trabalho, sofrerão menos acidentes e terão menores índices de absenteísmo.
Consequentemente, a redução do tempo de inatividade, melhora do planejamento e dos
índices de absenteísmo, significará uma economia de custo com a manutenção, fator significativo
para preço final do produto. Elevando a competitividade da indústria.
A solução poderá ser escalada para outros equipamentos e setores, o que representa uma
indústria mais inteligente e competitiva, com alto índice de maturidade na digitalização.
CONCLUSÕES
Apesar da posição de destaque o setor de celulose brasileiro, as empresas podem se tornar
ainda mais eficientes, as tecnologias habilitadoras da indústria 4.0 permitem revolucionar todo o
processo produtivo. A manutenção certamente será um dos setores mais afetados, passando a
prever os problemas e corrigi-los com eficácia e segurança.
Os drones, uma das tecnologias habilitadoras, são um equipamento ágil, flexível e barato,
capazes de levar para o chão de fábrica outras tecnologias habilitadoras mais complexas. Essa
combinaçãofornece um leque de soluções para os mais diversos problemas. Determinando, apesar
dos desafios com a regulação, que os drones serão uma das mais importantes ferramentas no
processo de digitalização.
Esse alcance, é claro, se deve a crescente necessidade de dados de alta qualidade, o
desenvolvimento de novas tecnologias e ao aperfeiçoamento das ferramentas de processamento
de dados, como por exemplo a análise de dados por machine learning. Essa tecnologia tem grande
potencial na indústria por tomar decisões baseadas em dados, eliminado achismos e reduzindo
erros.
No futuro, podemos esperar ver drones não só diagnosticando problemas com
infraestruturas em ruínas, comorachaduras em asfalto, pontes e fachadas de edifícios, mas também
os reparando. Associado a tecnologia de impressão 3D para produzir peças de reposição no local
e reparar elementos danificados da infraestrutura.
REFERÊNCIAS
ALMAGOR, D. paper360. Machine Learning and Improved Performance, 2018. Disponivel em:
<https://paper360.tappi.org/2018/09/24/machine-learning-and-improved-performance/>. Acesso
em: mar. 2019.
CGEE. Eficiência energética:recomendações de ações de CT&I em segmentos da indústria
selecionados – celulose e papel: série documentos técnicos, 20. Centro de Gestão e Estudos
Estrategicos. Brasília, p. 148. 2013. (978-85-60755-59-2).
CHEN, F.-C.; JAHANSHAHI, M. R. NB-CNN: Deep Learning-based Crack Detection Using
Convolutional Neural Network and Na¨ıve Bayes Data Fusion. IEEE TRANSACTIONS ON
INDUSTRIAL ELECTRONICS, v. 65, n. 5, p. 4392 - 4400, Maio 2018.
DE JESUS, A. G. FATORES RELACIONADOS À EFICIÊNCIA DO PLANEJAMENTO DA
MANUTENÇÃO DE INDÚSTRIAS DE CELULOSE, VIÇOSA , 2014.
DYNAMOX SOLUÇÕES CRIATIVAS. Industria 4.0 Manufatura Avançada. Desafios da
manutenção em torres de resfriamento, 2019. Disponivel em:
<https://www.industria40.ind.br/artigo/17447-desafios-da-manutencao-em-torres-de-resfriamento>.
Acesso em: 12 Março 2019.
GALVÃO, M. R. Administradores. Drones na Inspeção Industrial, 2018. Disponivel em:
<http://www.administradores.com.br/artigos/tecnologia/drones-na-inspecao-industrial/110397/>.
Acesso em: mar. 2019.
KAILA, G. Medium. How to easily do Object Detection on Drone Imagery using Deep learning,
2018. Disponivel em: <https://medium.com/nanonets/how-we-flew-a-drone-to-monitor-construction-
projects-in-africa-using-deep-learning-b792f5c9c471>. Acesso em: abr. 2019.
MARTIN, C. Indústria 4.0 aponta caminhos para chegar do futuro. O Papel, Abril 2017.
PWC. Clarity from above PwC global report on the commercial applications of drone
technology. PWC. [S.l.], p. 36. 2016.
VIDAL, C. F. ; DA HORA,. BNDES 60 anos: perspectivas setoriais, vol. 1. 1ª. ed. Rio de Janeiro:
BNDES, v. I, 2012.

11. (*) Autor: Luis Felipe Murari Moledo, Consultor Trainee
de Digitalização e Indústria 4.0 – SENAI São Paulo
(**) Orientador: Márcio Henrique Venturelli,
Coordenador Técnico - Digitalização e Indústria 4.0 - SENAI São
Paulo