O monitoramento de vazamentos de ar comprimido transforma uma perda invisível e sempre ativa em um número que você pode acompanhar, reportar e usar para agir. Neste guia você vai projetar uma configuração de monitoramento com sensores de vazão e pressão que publicam via MQTT, calcular o vazamento a partir do consumo fora do turno e da queda de pressão e gerar alertas quando a taxa de vazamento voltar a subir depois de uma campanha de reparos.
Por que vazamentos de ar comprimido merecem monitoramento contínuo
O ar comprimido é uma das utilidades mais caras de uma fábrica por unidade de energia útil entregue: o compressor converte a maior parte da eletricidade em calor, e apenas uma fração chega como trabalho na ferramenta. Os vazamentos pioram isso porque consomem ar em todas as horas de todos os dias, inclusive noites e fins de semana em que nada está sendo produzido.
A maioria das plantas já sabe que os vazamentos existem. As equipes de manutenção fazem levantamentos ultrassônicos, etiquetam os vazamentos e os corrigem. O problema é o que vem depois: sem medição, ninguém sabe dizer quanto a campanha economizou e, em poucos meses, surgem novos vazamentos em engates rápidos, mangueiras gastas, purgadores e vedações de cilindros. O monitoramento contínuo fecha esse ciclo. Ele informa a taxa de vazamento de hoje, compara-a com a taxa após o último reparo e sinaliza quando é hora do próximo levantamento.
O que medir
Você não precisa de um sensor em cada máquina para começar. Um pequeno conjunto de pontos de medição responde às perguntas importantes.
| Ponto de medição | Sensor | O que ele responde |
|---|---|---|
| Linha principal após o secador | Medidor de vazão mássico térmico | Ar total consumido pela planta |
| Descarga do compressor | Transmissor de pressão (4 a 20 mA ou Modbus) | Pressão de geração e faixa de controle |
| Ponta mais distante da rede | Transmissor de pressão | Queda de pressão em tubulações, filtros e secadores |
| Cada compressor | Transformador de corrente ou registradores Modbus do controlador | Estados em carga, alívio e desligado, potência elétrica |
| Grandes consumidores ou zonas (opcional) | Medidores de vazão de ramal | Qual área é responsável pela carga de vazamentos |
| Programação da produção | MES, CLP ou um simples calendário de turnos | Quando a planta deveria estar parada |
Medidores de vazão mássicos térmicos são a escolha usual para a linha principal porque medem a vazão padrão diretamente e têm baixa perda de carga. Muitos modelos atuais expõem as leituras via Modbus RTU ou Modbus TCP, alguns via 4 a 20 mA, e alguns poucos falam MQTT nativamente.
Arquitetura: do sensor ao número de vazamento
O caminho dos dados segue o mesmo padrão usado para qualquer monitoramento de utilidades:
- Sensores e medidores ficam na rede de ar e nos compressores.
- Um gateway de borda (um PC industrial, um Raspberry Pi com interface RS-485, um CLP com biblioteca MQTT ou o Node-RED) consulta registradores Modbus ou entradas analógicas a cada poucos segundos.
- O gateway publica JSON via MQTT em um broker, usando uma estrutura de topics baseada na hierarquia da planta.
- Os consumidores assinam: um historiador grava os valores em um banco de séries temporais, um pequeno serviço calcula as métricas de vazamento, e dashboards e alertas leem os resultados.
O broker desacopla todos eles. Se você não tem certeza de o que um broker MQTT faz nesse cenário, pense nele como a central à qual todo produtor e consumidor se conecta, de modo que adicionar um novo dashboard nunca mexe no gateway.
Um layout de topics que segue a ISA-95 mantém tudo legível e permite que a ConnectMQ mostre os dispositivos por nível na sua visão de dispositivos:
connectmq/plant1/utilities/compressed-air/header/flow {"ts":1760600000,"nm3_min":18.4}
connectmq/plant1/utilities/compressed-air/header/pressure {"ts":1760600000,"bar":6.9}
connectmq/plant1/utilities/compressed-air/end-of-line/pressure {"ts":1760600000,"bar":6.4}
connectmq/plant1/utilities/compressed-air/comp1/state {"ts":1760600000,"state":"load","kw":72.5}
connectmq/plant1/utilities/compressed-air/leak/offshift {"ts":1760600000,"nm3_min":4.1,"share_pct":22.3}
O último topic é um valor derivado, publicado como retido para que um dashboard aberto a qualquer momento veja imediatamente o número de vazamento mais recente.
Método 1: vazão de base fora do turno
A forma mais simples e robusta de quantificar o vazamento continuamente é observar a vazão quando a produção está parada. Durante uma janela de parada planejada (turno da noite desligado, domingo, intervalo de almoço em uma linha que para totalmente), quase tudo o que passa pela linha principal é vazamento, mais alguns usuários legítimos sempre ligados, como ar de purga ou facas de ar que não foram desligadas.
O serviço abaixo assina a vazão da linha principal, verifica se o horário atual cai dentro de uma janela de parada configurada, calcula a média da vazão nessa janela e publica o resultado. Para a demonstração ele usa o servidor MQTT público, adequado apenas para testes; troque pelas suas credenciais em produção.
#!/usr/bin/env python3
"""Off-shift compressed air leak estimator."""
import json
import statistics
import time
from datetime import datetime
import paho.mqtt.client as mqtt
BROKER = "broker.connectmq.com"
PREFIX = "connectmq/demo/air-7f3k/plant1/utilities/compressed-air"
FLOW_TOPIC = f"{PREFIX}/header/flow"
LEAK_TOPIC = f"{PREFIX}/leak/offshift"
IDLE_HOURS = range(1, 5) # 01:00-04:59 é uma janela de parada planejada
PRODUCTION_AVG_NM3_MIN = 18.0 # vazão média de referência durante a produção
samples = []
window_open = False
def in_idle_window(now: datetime) -> bool:
return now.hour in IDLE_HOURS
def on_connect(client, userdata, flags, reason_code, properties):
print("Connected:", reason_code)
client.subscribe(FLOW_TOPIC, qos=1)
def on_message(client, userdata, msg):
global window_open
data = json.loads(msg.payload)
now = datetime.now()
if in_idle_window(now):
window_open = True
samples.append(float(data["nm3_min"]))
elif window_open and samples:
leak = statistics.median(samples)
result = {
"ts": int(time.time()),
"nm3_min": round(leak, 2),
"share_pct": round(100 * leak / PRODUCTION_AVG_NM3_MIN, 1),
"samples": len(samples),
}
client.publish(LEAK_TOPIC, json.dumps(result), qos=1, retain=True)
print("Published leak estimate:", result)
samples.clear()
window_open = False
client = mqtt.Client(mqtt.CallbackAPIVersion.VERSION2, client_id="leak-estimator-7f3k")
client.on_connect = on_connect
client.on_message = on_message
client.connect(BROKER, 1883, keepalive=60)
client.loop_forever()
Usar a mediana em vez da média torna a estimativa resistente a alguém que sopra uma peça rapidamente durante a noite. Em uma planta real, você obteria a janela de parada da programação da produção ou dos estados das máquinas, em vez de uma faixa fixa de horas, e subtrairia os usuários sempre ligados conhecidos.
Método 2: teste de queda de pressão
Quando ainda não há medidor de vazão, ou você quer validá-lo, um teste de queda de pressão dá uma estimativa direta do vazamento. Com todos os consumidores parados, os compressores são desligados e a pressão do sistema é registrada enquanto cai. Como os transmissores de pressão já publicam via MQTT, você só precisa anotar o início e o fim do teste.
A vazão de vazamento em ar livre é aproximadamente:
Q_leak [l/min free air] = V [l] x (p1 - p2) [bar] / (t [min] x 1.013 [bar])
V = total system volume (receivers + piping)
p1 = start pressure, p2 = end pressure (gauge)
t = time to fall from p1 to p2
Por exemplo, com um sistema de 3.000 litros caindo de 7,0 para 6,0 bar em 2 minutos, o vazamento é de cerca de 3.000 x 1,0 / (2 x 1,013), ou aproximadamente 1.480 l/min de ar livre. Alguns profissionais aplicam um fator de correção porque os vazamentos escoam mais rápido na pressão máxima do que no fim do teste; qualquer que seja a convenção escolhida, aplique-a de forma consistente para que os resultados continuem comparáveis ao longo do tempo.
Execute o teste nos mesmos horários todo mês e publique o resultado em um topic leak/decay-test, e você terá uma segunda linha de tendência que não depende do medidor de vazão.
Alertas e KPIs do monitoramento de vazamentos de ar comprimido
Números só mudam comportamentos quando alguém os vê. Um conjunto prático de alertas e KPIs:
- Vazão de vazamento fora do turno por noite, com tendência semanal. Este é o número principal.
- Participação do vazamento como percentual da vazão média de produção, útil para comparar plantas de tamanhos diferentes.
- Potência específica (kW por m³/min) da central de compressores, que revela ciclos de carga e alívio ineficientes.
- Queda de pressão entre a descarga do compressor e o fim da rede, que muitas vezes explica por que os setpoints foram elevados.
- Alerta quando a participação do vazamento ultrapassa o nível pós-reparo por uma margem definida por você, sinalizando que um novo levantamento ultrassônico é necessário.
No portal da ConnectMQ você pode criar uma regra de alerta por limite no campo nm3_min ou share_pct do topic de vazamento; cada violação vai para o log de alertas. Para notificações por e-mail, chat ou SMS, um pequeno fluxo do Node-RED ou um assinante em Python conectado ao broker encaminha o evento, já que a própria ConnectMQ não envia webhooks. O guia de alertas por limite mostra esse padrão passo a passo.
Armadilhas comuns
- Posição errada do medidor de vazão. Instalar o medidor antes do secador também mede as perdas de purga e de drenagem de condensado. Coloque-o depois do tratamento de ar, a menos que você queira medir essas perdas especificamente.
- Ignorar usuários sempre ligados. Facas de ar, bicos de sopro e resfriadores de painel ligados à noite não são vazamentos, mas são desperdício. Identifique-os separadamente para que o número de vazamento continue honesto.
- Confundir vazão normal e padrão. Garanta que todos os medidores reportem nas mesmas condições de referência antes de comparar ou somar.
- Sem vínculo com o estado da produção. Sem saber quando a planta está parada, a linha de base é um palpite. Obtenha o estado dos seus topics de monitoramento de status de máquinas, se você já os tiver.
- Projetos pontuais. Um dashboard sem dono se degrada rapidamente. Atribua o KPI de vazamento a uma pessoa e revise-o na mesma reunião dos outros indicadores de energia.
Encaixando no panorama mais amplo de energia
O ar comprimido costuma ser um item de um programa mais amplo. O mesmo broker e a mesma estrutura de topics transportam medidores elétricos, gás e água, então o estimador de vazamentos acima fica ao lado dos dados descritos em monitoramento de energia na fábrica e do detalhamento por máquina da submedição elétrica. Se você está se preparando para a ISO 50001, o ar comprimido é frequentemente identificado como um uso significativo de energia, e os dados contínuos de vazamento passam a ser evidência de melhoria. Para a visão estratégica de onde a energia se encaixa entre outras iniciativas, veja o guia de manufatura inteligente.
Operar o broker por conta própria é possível, mas dados de utilidades só têm valor se estiverem sempre disponíveis. Um broker MQTT na nuvem tira da lista da equipe de manutenção as atualizações, os certificados e as preocupações com disponibilidade, para que ela possa se concentrar em corrigir vazamentos.
Monitore o ar comprimido na ConnectMQ
A ConnectMQ é um broker MQTT gerenciado com TLS, visão de dispositivos que entende a ISA-95, explorador de topics ao vivo e alertas por limite. Faça o protótipo do seu monitoramento de vazamentos em broker.connectmq.com e depois crie um broker Serverless gratuito, sem cartão de crédito, e aponte seus gateways para ele.
Perguntas frequentes
Preciso de um medidor de vazão para começar o monitoramento de vazamentos de ar comprimido?
Não. Apenas com transmissores de pressão você pode fazer testes periódicos de queda de pressão e registrar os resultados via MQTT. Um medidor de vazão mássico térmico na linha principal torna a medição contínua e é o próximo passo recomendado.
Com que frequência a estimativa de vazamento deve ser calculada?
Uma vez por janela de parada planejada geralmente basta, tipicamente toda noite ou todo fim de semana. Acompanhe a tendência semanalmente para que o ruído de curto prazo não dispare levantamentos desnecessários.
Os controladores de compressor existentes podem fornecer os dados?
Muitas vezes, sim. Muitos controladores de compressor expõem estado de carga, pressão e horas de operação via Modbus, que um gateway pode ler e publicar via MQTT junto com os seus próprios sensores.
O broker MQTT calcula a taxa de vazamento sozinho?
Não. A ConnectMQ transporta os dados dos sensores e pode gerar alertas por limite sobre os valores publicados. O cálculo do vazamento roda em um pequeno serviço, fluxo do Node-RED ou script de borda que se conecta ao broker como client MQTT.
