A crescente complexidade dos sistemas críticos do Sistema de Controle do Espaço Aéreo Brasileiro (SISCEAB) demanda soluções mais eficientes para a gestão da manutenção, especialmente diante do volume de dados operacionais não estruturados, armazenados em bancos de dados, como o Sistema Integrado de Logística de Material e de Serviços (SILOMS). Nesse contexto, este ensaio defende o uso da Inteligência Artificial (IA) como ferramenta de apoio à Manutenção Centrada na Confiabilidade (MCC), com foco na otimização da elaboração de boletins técnicos e na predição de falhas em ativos eletromecânicos. A tese sustenta que a IA pode ampliar a efetividade da MCC ao organizar informações despadronizadas e ao viabilizar o monitoramento contínuo de variáveis operacionais, contribuindo para uma tomada de decisão mais ágil e fundamentada. O primeiro argumento discute como a IA aplicada ao processamento de linguagem natural pode sistematizar dados do histórico de inoperâncias, viabilizando a construção de análises como a Análise de Modos de Falha e Efeitos (FMEA) com maior precisão e celeridade. O segundo explora o potencial da IA no suporte ao monitoramento em tempo real da infraestrutura crítica, fortalecendo a lógica da manutenção preditiva. As soluções propostas podem ser adaptadas a outros setores técnicos da Força Aérea Brasileira (FAB) que utilizam o SILOMS, como Radiodeterminação, Telecomunicações e Navegação e centros logísticos, promovendo decisões mais confiáveis e processos técnicos mais previsíveis. A adoção dessas soluções tecnológicas representará um avanço estratégico para a FAB, alinhando inovação digital com confiabilidade operacional.
Palavras- Ver menos