Análise de dados pode realmente transformar sua equipe de engenheiros, operadores e…
Há alguns anos, quando ainda atuava pela TAG Integradora de Sistemas de Automação Industrial, eu estava trabalhando na sala de controle de um grande fabricante de papel de celulose participando do retrofit do sistema de automação e supervisão de uma linha de fabricação de papel.
Durante o período de repartida da linha, instabilidades como: defeitos atrelados a qualidade do papel e quebras de folha, estavam se manifestando com muita frequência. Enquanto muitos funcionários da fábrica tentavam resolver os problemas pelo método de tentativa e erro, reparei um supervisor de manutenção consultando algumas informações em um bloco de notas. Perguntando a ele do que se tratava aquelas anotações, ele me explicou que anotava parâmetros específicos da linha como: trações, torques e vibrações durante momentos de estabilidade da linha. Em outras palavras, ele estava desempenhando análise de dados e melhoria contínua de forma básica e manual. Em um BLOCO DE NOTAS!
Relembrando essa e outras situações similares nas quais acompanhei de perto, percebi um padrão que se repete em praticamente todos segmentos industriais. Naquela ocasião, o supervisor de manutenção estava aprimorando e transformando suas habilidades profissionais, criando um mini banco de dados e modelos mentais para analisar correlações entre dados de produção daquela linha. Essa capacidade não está na descrição de trabalho dos supervisores de manutenção, mas os mais dedicados naturalmente trabalham em torno da resolução de problemas. Naquele momento eu percebi que fornecendo melhores ferramentas para análise de dados e tornando-as acessíveis ao maior número de profissionais possível, iria alavancar a curiosidade já existente entre as pessoas de uma fábrica e fazer disso uma arma poderosa.
Com todo esse movimento ligado a indústria 4.0 e a transformação digital, existem benefícios esperados e outros não tão esperados assim. Na maioria das vezes os benefícios são projetados em termos de KPIs. Esses indicadores devem levar a uma melhor produtividade, disponibilidade, qualidade e melhorar o EBITDA.
Passei os últimos 3 anos implementando a plataforma da Crave em fábricas brasileiras e tenho visto a jornada através de uma perspectiva diferente: formas de trabalhar e resolver problemas são transformadas quando nós democratizamos dados. Implementar essa mudança muda o jogo e facilita que colaboradores, como aquele supervisor de manutenção que conheci, resolvam problemas, testem hipóteses e impulsionem a melhoria contínua. Por sua vez, isso pode adicionar resultados reais e benefícios na produtividade, disponibilidade, qualidade e sustentabilidade, que não foram planejados, mas incrivelmente valiosos.
Por ter assistido algumas plantas e times adotarem abordagens baseadas em dados para otimizar processos de produção, eu notei padrões emergentes sobre como as suas abordagens de trabalho mudaram assim que eles se tornaram mais digitais e democratizaram os dados de produção. Equipes que alcançaram benefícios financeiros e resultados mensuráveis da transformação digital frequentemente exibem 2 mudanças significativas em sua abordagem de trabalho:
Indo mais a fundo na história do supervisor da planta de papel e celulose, eu quis saber o porquê de ele ter feito aquelas anotações e como a tecnologia poderia ajudar. O supervisor de manutenção mostrou um acompanhamento contínuo de parâmetros que ele estava monitorando durante o período de repartida da linha. Ele tinha a hipótese de que alguns defeitos apresentados estavam correlacionados com a variação de torque de alguns motores. O motivo pelo qual o supervisor estava adotando essa abordagem fez sentido, o que me parecia estranho era a necessidade de processar a informação manualmente. Por que fazer isso enquanto ele estava literalmente rodeado por telas exibindo dados de máquinas e linhas completamente monitoradas? A informação que ele queria estava disponível digitalmente. Então por que anota-lá?
Uma vez levantada a questão, a resposta era óbvia. Conseguir acesso a dados de produção em um formato entendível requer bastante trabalho. Na planta em questão dados históricos de series temporais são capturados em um sistema separado dos dados de qualidade e paradas. Para associar dados do torque dos motores com os dados relativos aos defeitos, ele teria que juntar os registros de qualidade com as séries temporais de torques em uma planilha. Além do mais, ele não dominava as tecnologias para manipular e extrair dados dos sistemas, então ele teria que pedir para outro colega extrair os dados pra ele.
A partir desta perspectiva realmente parece mais fácil anotar manualmente os dados necessários para analisa-los. O que ele realmente queria eram os dados de comparação de toques, dos defeitos de qualidade e dos eventos de quebra de folha em uma interface fácil e rápida de navegar. Um acesso fácil a estes dados permitiria que ele rapidamente respondesse a pergunta; há uma tendência nos meus dados de torques antes dos eventos das quebras de folha? Melhor ainda, ele poderia fazer essa correlação com dados históricos de anos para entender se suas observações são discrepantes ou se representam um padrão verdadeiro. Ele poderia filtrar esses inputs a partir de um tipo de produto particular ou fornecedor de material. Ele poderia fazer tudo isso sem precisar escrever uma única linha de código ou realizar qualquer cálculo manual.
Anos mais tarde, tive a oportunidade de trabalhar com algumas fábricas implementando a plataforma da Crave. Assim que profissionais se tornaram usuários fiéis da plataforma, eu fui vendo a forma de trabalhar mudar. Quando surgia com uma hipótese baseada em observações, testava ali mesmo na sala de controle, sem pedir ajuda para puxar relatórios, sem a manipulação de planilhas tediosas para alinhar os conjuntos de dados e sem códigos.
Esta é uma tendência sutil, mas uma poderosa transformação da força de trabalho, que pude vivenciar nas fábricas que passaram por uma transformação digital bem-sucedida: Mais pessoas dentro de uma organização da fábrica passam a usar testes de hipóteses baseadas em dados. Essa mudança faz toda a organização ficar mais inteligente, mais eficiente e mais sustentável. Também transforma o trabalho de ambiciosos supervisores de manutenção e outros trabalhadores curiosos de primeira linha, fazendo de suas funções mais interessantes e gratificantes.
A partir do momento em que os dados passam a ser não só mais acessíveis, como também contextualizados em tempo real, os profissionais que conduzem a análise passam a investir tempo e energia em trabalho de alto valor para melhorar as operações. Em comparação com a nosso supervisor de manutenção, os engenheiros de processo tendem a ter mais habilidades em extrair e combinar dados. Ainda assim, o desafio na aquisição de um conjunto de dados contextualizado e completo para a análise é demorado e ineficiente. Democratização dos dados e ferramentas de análise, tornam muito mais fácil olhar para as relações escondidas entre dados de diferentes sistemas e formatos, além de reduzir a necessidade de dispor tempo em engenharia de dados. Isso não vale apenas para indústria de papel e celulose ou metais, mas também para o setor químico, automotivo e farmacêutico.
Assim, como dados de produção são transmitidos em tempo real e automaticamente tratados e contextualizados, o trabalho de integrar várias fontes e sistemas também é transparente e automático. Isto permite que engenheiros de processo passem menos tempo preparando e validando dados. O volume de perguntas que um engenheiro de processos pode responder aumenta. Engenheiros de processo podem passar muito mais tempo buscando por respostas do que confrontando ou organizando dados. Suas rotinas se tornam um trabalho mais investigativo e menos pesado – além de mais criativo e analítico. Talvez ainda mais importante, qualquer análise que eles construírem pode ser facilmente atualizada e apresentada em tempo real, sem trabalho adicional do engenheiro. Aquela análise pode ainda ser compartilhada e aprimorada por turno de supervisores, engenheiros de processos ou até mesmo cientistas de dados.
Na minha experiência esses tipos de avanços são precursores para melhorias significativas nos resultados financeiros de uma organização. Enquanto esse é, no final das contas, o benefício mais importante da transformação digital, ele não é o único. A transformação da força de trabalho pode ser tão importante quanto.
À medida que mais colaboradores têm acesso aos dados e gastam mais tempo usando deles para impulsionar a melhoria, suas funções geram mais valor para a empresa e para o profissional.
Posso dizer sem hesitação que esta é a minha parte favorita na realização da transformação digital: observar as pessoas aproveitarem a oportunidade para expandir seu escopo usual de trabalho e impactar suas empresas. Da mesma forma, conforme a análise se torna mais eficiente, mais tempo é investido enfrentando problemas difíceis (não apenas preparando os dados para fazer isso), eu acho muito legal ver o aumento da satisfação no trabalho das pessoas.
Portanto, da próxima vez que você pensar sobre os benefícios de um projeto de transformação digital, considere os benefícios adicionais além do ROI financeiro. O operador que agora pode conduzir a análise de correlação, o engenheiro de processo que pode se concentrar na solução de problemas em vez de preparar e validar dados, o supervisor curioso que tem um palpite e quer ver se os dados estão de acordo com sua ideia… A transformação digital bem-sucedida produzirá melhorias financeiras e aumentará a produtividade das fábricas. Essas transformações também trazem melhorias valiosas na maneira como as pessoas trabalham e no quanto gostam do seu trabalho.
Estes tempos de crise provaram o quão importante é incorporar análises de dados no dia-a-dia das plantas. Nós propomos uma abordagem diferente na...
O cenário atual dos dados de fábricas de papel e celulose poderia…
A análise de dados se tornou uma grande parte das operações de manufatura. Por décadas as plantas geraram e coletaram dados, mas tecnologias modernas...