Para qual dado olhar: Criando dados dentro da indústria
Foto: ST-One – direitos reservados
Dentro da indústria, o dia a dia é de cobrança intensa por melhores resultados, e isso se concretiza de várias maneiras: Para atingir as metas de produção desejadas, aumento da performance das máquinas, melhor aproveitamento dos insumos e no uso mais sustentável dos recursos naturais.
Para se manter uma indústria de alta performance, que atua dentro de um alto padrão de eficiência, é indispensável fazer uso da ciência de dados para o monitoramento dos indicadores mais importantes. Com ela, é possível estudar e tomar decisões baseadas no chão de fábrica- entendendo suas perspectivas -, prover informações acuradas sobre a linha de produção, fiscalizar e ter controle sobre o status ininterrupto de qualidade, entender o consumo de água e energia, entre outros.
Apesar das notáveis vantagens da digitalização da indústria, segundo o estudo Data Paradox (2021)– realizado pela consultoria Forrester, e encomendado pela Dell Technologies –, no mundo somente 66% das empresas usam dados, e apenas 21% desse total sabem fazer bom proveito deles adequadamente para gerar resultados. No Brasil esse cenário não é muito diferente, pois em 2016 – segundo um estudo da Confederação Nacional da Indústria (CNI), chamado de Sondagem Especial sobre a indústria 4.0 no Brasil (2021) – apenas 48% das indústrias faziam uso de alguma tecnologia digital em determinada etapa da produção, já em 2021 esse percentual subiu para 69%. Grande parte delas ainda estão em processo inicial, as conhecidas “novata de dados”, e ainda não sabem muito bem como lidar com tamanho acesso a informação.
Em resumo, acompanhar as métricas relevantes de maneira inteligente é indispensável para aumentar a produtividade da fábrica. Segundo a matéria “Entenda porque a análise de dados é essencial para a indústria”, publicada em 2021 pelo site Voz da Indústria, “estruturar uma boa análise de dados garante à indústria a possibilidade de tomar decisões muito mais assertivas e fundamentadas em informações confiáveis, que representam o verdadeiro cenário”, o que reforça a importância de tais KPI’s.
Como uma indústria lida com dados
Foto ST-One – direitos reservados
Nem sempre os dados estão disponíveis e formatados em um modelo de fácil interpretação, que contribua para tomadas de decisões assertivas. São comuns os relatos de que o volume de informação coletada dentro da indústria é crescente, porém essa não está categorizada, hierarquizada e muito menos integrada – como ilustra a matéria “Utilização de dados no setor de manufatura – quatro desafios e soluções explicados” publicado pelo STRATUS Blog em 2023. A partir dessa frustração, muitos gestores se deparam com a pergunta: “Para qual dado devo olhar?”
Para responder essa questão, é necessário, logo no primeiro momento, definir qual análise deve ser realizada, e verificar se o objetivo desta está alinhado com as metas estratégicas do negócio. Após isso, é preciso entender quais são os dados disponíveis para então chegar ao ponto principal da questão, que é identificar os dados relevantes.
Porém, vários aspectos da rotina de um processo produtivo são complicadores de uma clara visualização e a compreensão de dados importantes. Alguns seriam, possuir um parque fabril com máquinas de diferentes tecnologias, processos manuais de pouca resolução (com informações incompletas) ou ainda lacunas de temo entre um dado e outro, o que impede uma análise estável.
Muitas vezes o dado mais importante não está disponível de forma fácil, mas isso não significa que ele não possa ser encontrado. Nessas situações, o cientista de dados (descubra aqui como se tornar um), através das ferramentas certas, pode criar o dado que faz mais sentido ser monitorado – a partir da combinação de duas ou mais variáveis que são possíveis de serem extraídas nativamente do chão de fábrica.
Criando dados a partir de dados
Uma maneira de criar o dado que precisa ser monitorado é utilizar fórmulas com as informações disponíveis para calcular o indicador chave. Os parágrafos seguintes detalham um processo em que esse recurso é utilizado.
Em uma indústria, melhorar a performance de uma linha produtiva muitas vezes significa inovar: através de diferentes práticas de gestão, novas tecnologias, designs eficientes, repensar o uso dos insumos etc. Segundo a matéria “Produtividade na indústria” do Portal da Indústria (2022), “Não há limites para inovação, portanto, não há limites para o aumento da produtividade”.
Para realizar a análise de produtividade, é necessário a medição e comparação dos indicadores de desempenho, como quantidade de produção e velocidade, entre outros padrões já pré-definidos. Assim, é permitido identificar áreas de melhoria, implementar ações corretivas e monitorar o impacto dessas ações na produtividade e performance geral da fábrica.
Nesse exemplo, serão consideradas 2 máquinas que, durante cerca de 40 minutos, estiveram produzindo ao mesmo tempo (mesma disponibilidade), e que obtiveram os seguintes resultados:
Máquina 1: 10.287 produtos
Máquina 2: 11.120 produtos
Ao comparar os resultados, nota-se uma diferença de quase 8%, que impactará no resultado de todo o mês se não for resolvida. Ao buscar os dados de produtividade dessas máquinas, obtém-se as seguintes informações:
Ao analisar os gráficos separadamente, é desafiador encontrar onde está o problema e como é possível otimizar o uso da máquina que apresenta um baixo rendimento. Portanto, uma das técnicas a ser aplicada é a junção de ambas as informações em uma só imagem, que por mais que não deixe uma conclusão clara, permite a comparação de rendimento:
Dado encontrado: como realizar uma análise relevante
Dentro da análise de produtividade, um dos indicadores que podem ser monitorados é a velocidade das máquinas, como já citado anteriormente. Visto que o dado de produção é coletado a cada 5 segundos, é possível por exemplo calcular a velocidade a cada 30 segundos com a fórmula:
Velocidade=∆Produção/∆Tempo
Mesmo que a variável “velocidade” não possa ter sido extraída nativamente do maquinário, é possível descobri-la e olhar apenas para o dado mais relevante para entender a performance da linha. A resposta para a pergunta citada alguns parágrafos acima “para qual devo olhar” muitas vezes é nebulosa justamente porque a informação que é buscada não pode ser coletada diretamente do equipamento, mas pode ser criada. Ao comparar, fica nítido em qual período houve a maior discrepância, e o que pode ser feito para melhorar a performance.
Nesta comparação fica claro que a velocidade da máquina 1 é inferior à máquina 2, inclusive em nenhum momento a máquina 1 consegue atingir o mesmo patamar de velocidade da máquina 2, ficando cerca de 6% abaixo nos momentos de pico de performance.
Com esse tipo de informação, fica evidente que o trabalho a ser realizado para melhorar a performance geral da linha deve se concentrar em aumentar a velocidade de produção da máquina 1, com uma margem de ganho de mais de 6%. A máquina 1 ainda não opera tão rápido quanto a máquina 2, que é mais eficiente. Com isso, e com a descoberta de que é possível aumentar a velocidade da primeira máquina, o resultado é um maior rendimento em menos tempo.
Esse trabalho precisa levar em consideração as velocidades nominais das máquinas subsequentes e neste caso um V-Graph pode ser uma ótima ferramenta de auxílio.
Dados que desbloqueiam resultados
O uso de dados na indústria é uma realidade cada vez mais presente no Brasil e no mundo. Com uma demanda cada vez maior, a digitalização permite que as fábricas atinjam uma maior otimização da produção, suprindo as necessidades e exigências em menos tempo e de maneira mais automatizada.
Para isso ser feito, é necessário monitorar o dado certo, que nem sempre está disponível de maneira nativa. Isso não significa que não possa ser encontrado, pelo contrário, com um time de cientistas de dados é possível encontrar o cálculo mais adequado para chegar até a variável que deve ser observada, como através da comparação de duas variáveis ou a utilização de fórmulas.
Apesar de o caso utilizado se tratar de uma análise de performance, essa linha de raciocínio (comparação de dados) também funciona para monitorar outras áreas, como uso de matéria prima, recursos naturais, manutenção, qualidade do produto etc. Esse cenário se concretiza graças ao leque de possibilidades permitida pela ciência de dados e pela capacidade de análise dos cientistas, que utilizam de sua experiência, criatividade e visão de mercado para encontrar as métricas mais relevantes para a indústria. Utilizar métodos como esses fazem com que os dados deixem de ser apenas dados, e se transformem em informações que desbloqueiam resultados.
Descubra como a ciência de dados contribui para diferentes aplicações:
Performance
Matéria Prima
Recursos Naturais
Manutenção e Qualidade
Pesquisa e Desenvolvimento
