Há alguns anos eu estava trabalhando na sala de controle de um grande fabricante de papel de celulose ajudando a implementar um novo sistema de automação com ferramentas de dados industriais. Nós estávamos observando o processo de produção rodando quando eles tiveram uma parada inesperada em uma máquina crítica da produção. Enquanto muitos funcionários apressaram para resolver o problema, eu notei a supervisora de turno copiando algumas informações em um pequeno bloco de notas. Em outras palavras, ela estava desempenhando análise de dados e melhoria contínua de forma básica e manual.

Relembrando essas e outras interações deste tipo, eu percebi que esta cena retrata um padrão que se repete em basicamente todos os segmentos industriais. Naquela ocasião, a supervisora de turno estava aprimorando e transformando suas habilidades profissionais criando um mini banco de dados e modelos mentais para analisar correlações entre leituras de parâmetros de processo e falhas de máquina. Essa capacidade não está na descrição de trabalho dos supervisores de turno, mas os melhores naturalmente gravitam em torno da resolução de problemas. Naquele momento eu percebi que dando a ela melhores ferramentas de dados e tornando-os acessíveis iria alavancar a sua curiosidade já existente e fazer daquilo uma arma poderosa.  

A transformação da força de trabalho com ferramentas de dados industriais

Com toda a jornada de transformação digital na indústria há benefícios esperados e inesperados. Na maioria das vezes os benefícios são projetados em termos de KPIs. Esses deveriam levar a uma melhor produtividade, disponibilidade, qualidade e melhorar o EBITDA.

Passei os últimos 3 anos implementando a plataforma da Crave a nível industrial e venho visto a jornada através de uma perspectiva diferente: como formas de trabalhar e resolver problemas são transformadas quando nós democratizamos dados industriais. Fazer essas mudanças muda o jogo e facilita para os supervisores de turno, como aquela que conheci a resolver problemas, testar hipóteses e impulsionar melhoria contínua. Por sua vez, isso pode até adicionar resultados reais e benefícios na produtividade, disponibilidade, qualidade e sustentabilidade, que não são planejados, mas incrivelmente valioso.

Por ter assistido muitas 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 manufatura. Especificamente, times que alcançaram benefícios financeiros e resultados mensuráveis da transformação digital industrial frequentemente exibem 2 mudanças significativas em sua abordagem de trabalho:

  • Assim que os dados se tornam mais acessíveis, mais membros do time começam a tomar decisões baseadas em dados em tempo real.
  • Quando a massa de dados de engenharia é automatizada, análise de dados úteis acontecem com mais frequência e cada vez mais próximo do tempo real.

Mais membros do time começam a tomar decisões baseadas em dados, em tempo real

Indo mais a fundo na história da supervisora da planta de papel e celulose, eu quis saber o porquê de ela ter feito aquelas anotações e como a tecnologia poderia ajudar. A supervisora de turno mostrou uma contagem contínua da gramatura que ela estava mantendo no exato momento em que a máquina falhou. Ela tinha a hipótese de que paradas neste particular estavam correlacionadas com a gramatura do produto. O motivo pelo qual a supervisora quis os dados fez sentido, o que me pareceu estranho foi a necessidade de processar a informação manualmente. Por que fazer isso enquanto ela estava literalmente rodeada por telas exibindo dados de um conjunto de máquinas medidos com robustos e acurados sensores? A informação que ela queria estava disponível digitalmente. Então por que escrevê-la?

Uma vez levantada a questão, a resposta era óbvia. Conseguir acesso a dados de produção em um formato entendível requer bastante trabalho. Na planta dela os dados históricos de gramatura eram capturados em um sistema separado dos dados de inatividade. Para correlacionar a gramatura com os eventos de parada, ela teria que alinhar os registros de parada com as séries temporais de gramatura em uma planilha. Além do mais, ela não dominava a linguagem SQL, então ela teria que pedir para outro colega puxar os dados pra ela. 

A partir desta perspectiva realmente parece mais fácil anotar os valores a cada vez que a máquina para. O problema é que ela estava olhando apenas os dados dos turnos que ela trabalhava, quando ela estava lá para ver a máquina parar. O que ela realmente queria eram os dados de comparação da gramatura e do tempo de inatividade em uma interface web fácil de navegar. Um acesso fácil a estes dados permitiria que ela rapidamente respondesse a pergunta; há uma tendência nos meus dados de gramatura antes dos eventos de parada de máquina? Melhor ainda, ela poderia fazer essa correlação com dados de anos de todos os turnos para entender se suas observações são discrepantes ou se representam um padrão verdadeiro. Ela poderia filtrar esses inputs de correlação a partir de um tipo de produto particular ou fornecedor de material. Ela poderia fazer tudo isso sem ter escrever uma única linha de código ou realizar qualquer cálculo manual. 

Anos mais tarde, a mesma fábrica de papel e celulose adotou a plataforma da Crave Industry. Assim que a supervisora se tornou uma usuária fiel da plataforma, eu fui vendo a sua forma de trabalhar mudar. Quando ela surgiu com uma hipótese baseada em suas observações, ela testou 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 SQL. A única limitação que ela podia testar era se os dados eram rastreados e coletados.

Esta é uma tendência sutil, mas uma poderosa transformação da força de trabalho, que vi em todas as instalações passando por uma transformação digital bem-sucedida: Mais funções dentro de uma organização de fábrica passam a usar testes de hipóteses baseados em dados. Essa mudança faz toda a organização ficar mais inteligente, mais capaz e mais resiliente. Também transforma o trabalho de ambiciosos supervisores de turno e outros trabalhadores curiosos de primeira linha, fazendo de suas funções mais interessantes e gratificantes.

Análises de alto valor acontecem com mais frequência e cada vez mais próxima do tempo real 

A partir do momento em que os dados passam a ser não só mais acessíveis, como também contextualizados em tempo real, os funcionários que conduzem a análise passam a gastar tempo fazendo trabalho de valor agregado para melhorar as operações. Em comparação com a nossa supervisora de turno, 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 construído para análise é demorado e ineficiente. Democratização dos dados e ferramentas de análise como a Crave Platform disponibiliza, torna muito mais fácil olhar para as relações escondidas entre dados de diferentes fontes e reduz a necessidade de dispor tempo em engenharia de dados. Por exemplo, boas plataformas de democratização de dados podem mapear automaticamente um conjunto de dados de gramatura com leituras de temperatura específicas feitas em intervalos discretos para que sejam fáceis de comparar e correlacionar. Isso não vale apenas para indústria de papel e celulose ou automotivo, mas também para o setor químico e farmacêutico.

Assim como dados de produção são transmitidos em tempo real e automaticamente tratados e contextualizados, o trabalho de misturar várias fontes também é manipulado automaticamente. Isto permite que engenheiros de processo passem menos tempo confrontando os dados e analisando-os. Isto, por conseguinte, conduz a novos comportamentos de diversas formas. O volume de perguntas que um engenheiro de processos pode fazer aos seus dados 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 constroem pode ser facilmente atualizada e apresentada em tempo real, sem trabalho adicional do engenheiro. Aquela análise pode ser compartilhada e aprimorada por turno de supervisores, engenheiros de processos ou até mesmo cientistas de dados.

Conclusão: Transformação digital gera empregados melhores e mais felizes

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 autodirigida 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 o empregador e para o indivíduo. 

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 e mais tempo é investido enfrentando problemas difíceis (não apenas preparando os dados para fazer isso), eu acho muito interessante ver o aumento da satisfação no trabalho dos indivíduos.

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 confrontar 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 produzirão melhorias valiosas na maneira como as pessoas trabalham e no quanto gostam do seu trabalho.

 

Já esta convencido dos potenciais escondidos em seus dados?

Solicite uma Demo

Leave a Reply