No contexto de transformação tecnológica da indústria brasileira já não é mais preciso anotar em papel o tempo que uma máquina ficou parada. Ou a quantidade de peças com defeitos que uma mesma máquina produziu durante um mês. A maioria das empresas do setor industrial já têm essas informações em grande quantidade no formato digital. Boa parte das indústrias também já definiu quais são os seus principais indicadores, os KPIs (Key Performance Indicator) de produtividade, qualidade e custos de produção.  

Mas o mau uso destes dados, que nem sempre são confiáveis pela forma como foram coletados no chão de fábrica ou na visualização imprecisa e vagarosa destas informações, pode complicar, ao final de um longo processo, a implantação da indústria 4.0. 

Os dados do setor industrial mostram o quanto é relevante dominar o processo de produção com soluções tecnológicas. Segundo levantamento da Agência Brasileira de Desenvolvimento Industrial (ABDI), a redução de custos na indústria brasileira com a migração da indústria para este conceito 4.0 poderá ser de, no mínimo, R$ 73 bilhões por ano. Dentro deste total, a diminuição com reparos pode chegar a R$ 35 bilhões. Já os ganhos de eficiência produtiva podem ser de R$ 31 bilhões e os outros R$ 7 bilhões estão relacionados com a redução do gasto com energia.

No artigo anterior, detalhamos as etapas mais importantes antes da implantação de um projeto de transformação digital: diagnóstico fabril, roadmap e implantação de pilotos e MVPs.  Agora, neste artigo, definimos outras três etapas para aumentar a produtividade com o uso de Big Data na Indústria 4.0. 

Fase 1 – Arquitetura da informação 

Informações são abundantes e podem ser extraídas de máquinas, computadores ou planilhas. Mas estes dados muitas vezes estão segmentados e dispersos em diversos locais. Estão fora de uma base única ou não estão integrados, além de não permitirem a pesquisa ou filtragem por algum tipo de indicador específico. 

Para conseguir uma aplicação inicial e melhorar a produção, a primeira ação é definir quais são os dados mais relevantes e quais são os objetivos da empresa com o uso destas informações. 

Com a definição dos dados que devem ser coletados neste planejamento, é necessário decidir a forma e o meio como eles devem ser apurados, desde a linha de produção até o sensor instalado e as máquinas, para assim chegarem em uma base de dados bem estruturada.  

Por isso, nesta fase é criada a arquitetura da informação, a organização das partes de um mesmo sistema para que ele seja compreensível. Essa ação irá evitar uma “colcha de retalhos” e criar um padrão de dados, com uma linguagem única para integrar as informações e as suas trocas entre todos os setores da indústria. 

As ações de planejar, arquitetar e definir onde a empresa quer chegar com os dados vão otimizar o uso do Big Data. Um dos exemplos é quando a indústria aposta em protocolos de comunicação de baixo consumo de energia associados à internet das coisas (IoT) ou de protocolos abertos de comunicação entre máquinas (Modbus ou OPCs) – ferramentas que potencializam a integração dos equipamentos e, consequentemente, dos dados.

Atualmente também é possível instalar sensores magnéticos ou de presença, por exemplo,em processos ou equipamentos que não possuem uma forma própria de contabilização da produção. Como no caso de uma indústria metal mecânica, em que os processos de soldagem não possuíam mecanismos de contagem de peças produzidas e sensores magnéticos foram utilizados para fazer a detecção e contagem automaticamente. Outra possibilidade é usar os dados das máquinas, que muitas vezes já têm algum tipo de contador.  Com estas questões bem alinhadas, a empresa vai ter segurança e clareza sobre as análises dos dados que serão executadas na fase seguinte. 

Fase 2 –  Visualização de disseminação dos dados 

Após a definição da arquitetura de obtenção e armazenamento, é hora de pensar na disseminação e formas de apresentação destes dados.  

Um dos desafios é fazer com que a informação chegue às pessoas certas e no momento correto para a tomada de decisão mais assertiva.  As empresas costumam utilizar alguns modelos mais tradicionais como telões ou dashboards para a disposição desses dados, que podem estar associados a alarmes ou avisos de alertas para a equipe. 

Outro ponto que deve ser definido é o tempo que os dados vão ser consolidados. Uma possibilidade é coletá-los em períodos maiores, e não somente visualizá-los em tempo real, consolidando estes dados em semanas ou meses. Desta forma, é possível verificar a produtividade ao longo de um período para avaliar os problemas e propor soluções para otimizar a produção. 

Nesta fase é importante disseminar os dados a quem vai agir dentro da empresa e parar a produção quando um defeito crítico for identificado antes de causar prejuízos com o retrabalho ou de uso de matéria prima. Ou determinar uma revisão em todo o processo produtivo, após uma análise do conjunto de dados em um período mais longo e alinhado com os KPIs da indústria. 

Nos dois exemplos citados, os benefícios em redução de custos e aumento de produtividade vão ficar mais claros, evidentes e visíveis para que seja executada a próxima etapa do processo.

Fase 3 – Utilização dos dados para geração de cenários e tomada de decisão

Nesta última fase, após uma extração correta dos dados que foram visualizados de forma clara e disseminados nas duas fases anteriores, é possível fazer simulações estratégicas antes da intervenção na produção. 

A utilização de dados reais em simulações permite a implantação do conceito de digital twin na indústria. Essas simulações podem fornecer os melhores parâmetros e condições para uma produção confiável e eficiente. 

As simulações podem fazer uso de tecnologias como data analytics, business intelligence ou mesmo inteligência artificial para analisar dados históricos, evidenciando tendências, padrões ou correlação entre os dados. O principal objetivo com o uso destas inovações é direcionar o capital humano para situações mais estratégicas e colocar a máquina em ações operacionais. 

Por isso, depois destas simulações os dados poderão ser utilizados para tomadas de decisões mais assertivas e com baixo risco, evitando desperdícios de energia ou necessidade de um novo processo de produção. 

A partir deste momento serão estabelecidas as ações necessárias para aumentar a produtividade e a qualidade do produto. Serão verificados com alto grau de certeza se estes KPIs estão mesmo dentro dos limites aceitáveis e estão atualizados da maneira correta. 

É possível fazer uma análise correta dos indicadores, uma das bases para se chegar com resultados sólidos ao fim de uma longa jornada de implantação da indústria 4.0. Para chegar neste ponto, porém, é preciso ter acumulado o conhecimento reunidos nas três etapas do projeto de implantação. 

A coleta certeira dos dados e arquitetura da informação afinados com o planejamento e os objetivos da indústria. O monitoramento dos dados com visualização clara e disseminada para as pessoas corretas. E, por fim, a tomada das decisões com intervenções seguras na produção, depois de simulações que eliminam custos e garantem que a empresa consiga os benefícios do uso inteligente e correto dos dados em uma verdadeira indústria 4.0.