A jornada para a manufatura inteligente

Atualmente não faltam discussões sobre a jornada de transformação digital, tecnologias da indústria 4.0, IIoT, machine learning e outros conceitos que ainda estão por vir. Tudo isso são avanços importantes para este novo “normal” além de ser bastante animador.

Porém não tenho visto conteúdo claro sobre os projetos que fábricas têm adotado. Menos ainda se e como esse projetos estão gerando resultados nos negócios.

Por ainda não existir um padrão, ou “manual de boas práticas”, claro sobre a jornada para a manufatura inteligente, empresas estão sempre em dúvida por onde começar e quais requisitos são necessários para o sucesso. Estive focado ao longo desses 3 anos ajudando fábricas endereçar suas estratégias de digitalização e acabo me envolvendo em discussões de prioridades de projeto, seleção de caso de uso e prontidão técnica e organizacional de fábricas.

Qual é o estágio das fábricas hoje? Vamos começar com algumas boas notícias.

Milhares de dados já estão armazenados, porém segmentados, sem contexto e muitas vezes inacessíveis

A coleta de dados de produção – máquinas, sensores, motores, dados de qualidade, dados de paradas e etc – têm sido largamente alcançada com o passar dos anos, embora em muitas fábricas esse cenário ainda não é realidade.

Tendo em vista a abundância de dados sendo gerados diariamente em linhas de produção, é altamente aconselhável que as indústrias tratem como uma prioridade o entendimento do panorama dos dados existentes e aprendam a torná-los úteis. Apesar desse comentário aparentar ser trivial, infelizmente dados de produção ainda não estão gerando impactos significativos nos negócios.

O grande desafio é que os dados e a tecnologia implantada em seu entorno estão fragmentadas e historiados em sistemas diferentes. Cada tipo de dado chega em um formato e estrutura própria, sem contextos (dados crus) e são armazenados em sistemas especializados que, em contrapartida, não conversam entre si.

Como resultado, apenas uma pequena fração de dados é acessível – para um número limitado de profissionais – e muitas vezes isso demanda horas, até mesmo dias. Pior que isso, os dados acessíveis não são dados contextualizados, portanto inadequados para que análises e insights úteis sejam gerados. Algumas indústrias têm acumulado dados ao longo dos anos em historiadores, mas muitos dados ainda continuam sem conectividade. Em diversas fábricas, encontramos uma falta de prontidão técnica ainda maior, dados gerados diariamente não possuem se que conectividade e são completamente inacessíveis no dia a dia da operação.

Em um primeiro momento, fábricas investem em projetos que aumentam o conhecimento e visibilidade de dados. Isso começa com a conectividade de máquinas, garantindo que todos os dados estão sendo coletados – um passo essencial para gerar análises úteis em tempo real. Empresas então evoluem para projetos que permite visibilidade holística de suas operações e processos de fabricação. Isso permite monitorar produtividade real x planejada, aumentar a performance de linhas e utilizar controle estatístico de processo configurando alertas para eventos fora de controle.

Crie modelos de dados (Digital Twins) escaláveis e padronizados

Para que se tornem úteis, as diversas fontes de dados – sensores entregando dados em tempo real, significantes informações de processo, dados de qualidade e dados de paradas de máquina – devem ser trabalhados juntos. Não há dúvidas de que é mais fácil falar do que fazer, diante da quantidade de terabytes e milhares de dados e informações de processo. Mesmo se você pudesse contratar um batalhão de engenheiros de dados, eles provavelmente não poderiam tratar manualmente todo esse volume. Afinal, cientistas de dados são pessoas. Mas pipeline de dados e ferramentas de transformação ETL não são.

Ferramentas de manipulação e transformação de dados foram construídas para lidar com massas de dados gigantes de diversos sistemas e fontes diferentes.

Potencialize essas tecnologias para limpar, combinar, relacionar suas diversas fontes de dados, e modelá-las criando uma réplica digital de todo o processo industrial: o “Digital Twin”. Com seu universo de dados unificado e modelado desta forma, você pode transformá-los em fluxos contínuos de informação. Estratificando para máquinas específicas, processos, produtos e partes, tecnologias sofisticadas revelarão soluções para questões críticas que anteriormente tenham ficado sem respostas.

Certamente para atingir “Digital Twins” escaláveis, precisos e que entregam valor, você precisará de construir uma de equipe de engenheiros e cientistas de dados bastante especializada e muito poder computacional. Ou de uma plataforma construída exclusivamente para esta necessidade, que pode fazer tudo isso, como a Crave Platform, uma plataforma de dados e inteligência artificial que já está alcançando resultados-chave para algumas fábricas.

Análise Avançada de dados e IA

Empresas com mais prontidão técnica e organizacional estão implementando projetos que podem entregar impactos operacionais significantes, e por consequência lucratividade. Fábricas estão resolvendo problemas de qualidade complexos, reduzindo refugo e aumentando produtividade através da otimização de processos. Assistimos clientes implementarem casos de uso como rastreabilidade de produtos e análises de defeito de alto nível. Conforme eles avançam em análise avançada, começam a utilizar análise preditiva para obter alertas antecipados de paradas de linha ou defeitos eminentes. Por fim ainda podem aplicar técnicas avançada de estatística (como regressão logística, árvore de decisão e clustering) para identificar causas raiz.

Para atingirem sucesso nesses projetos, empresas precisão de ter forças e estratégias organizacionais trabalhando conjuntamente com habilidades técnicas. Empresas precisam de incentivos para mudar o gerenciamento atual alinhando operação ou liderança do fábrica com a TI, possibilitando a implementação de insights de análises em ações no chão de fábrica.

Finalmente, empresas com a mais avançada prontidão técnica e organizacional possuem as fundações necessárias para transformar suas operações industriais. Nós estamos começando a ver fábricas conduzirem análises realizando comparações (benchmarking) e otimizações ao longo de todo o supply chain, atingindo visibilidade sem precedentes em suas operações.

Um dos fatores chaves para o sucesso é escolher os projetos ideais para cada planta ou linha. Em diversas ocasiões nós conhecemos empresas buscando projetos que não são apropriados para as linhas de produção em questão. Nós aprendemos que prontidão técnica e organizacional em plantas e fábricas são cruciais para a escolha de projetos ideais.

Em resumo: Unifique seus dados, modele toda a produção e implemente insights de análises em ações no seu chão de fábrica. Essa é a receita. Agora, como você aplica isso e quando começar?

Construa um roadmap. Muito mais do que entender a posição atual, o ponto a ser alcançado e prever os passos a serem dados, a construção do roadmap ajuda a organizar os objetivos do setor/linha/planta, permitindo que se decida o que deve ser priorizado. Especificamente no que concerne à indústria é importante, ainda, que o projeto de indústria 4.0 esteja alinhado com o planejamento estratégico da Companhia. Uma vez que você tem uma planta e um plano, a implantação não demandará um batalhão de consultores, nem serão necessários anos para perceber o valor dessa mudança. Um pequeno time trabalhando de forma inteligente e constante pode alcançar resultados palpáveis e significativos dentro de poucas semanas ou de um mês no máximo.

Comece pequeno. Comece com uma linha de produção ou parte de um planta e determine os objetivos que você gostaria de alcançar com os dados. Reduzir a taxa de refugo poderia ser um. Otimizar a manutenção preventiva poderia ser outro. Você pode querer finalmente localizar as causas raízes de paradas problemáticas recorrentes, ou então determinar a configuração ideal das máquinas para gerar produto de qualidade uniforme. Esses são apenas exemplos; escolha seus próprios objetivos baseado nas suas necessidades e problemas maiores e mais urgentes.

Aprenda rápido. Com resultados baseados em evidências chegando tão rapidamente, a implementação pode ser tão rápida quanto. Trabalhando com uma única fonte de verdade – um modelo compreensivo e abrangente para todos processos operacionais de entrada de dados – todos, desde os diretores da planta, supervisores de linha, engenheiros de processos, e operadores, podem imediatamente começar a aprender, ajustar e iterativamente adequar os seus processos e procedimentos de acordo com o que os dados revelaram.

Escale. Uma vez que você passou pelo POC em uma das plantas, é importante replicar a implantação. Você quer proporcionar a todos a mesma tecnologia e a mesma versão. Aqui também a plataforma da Crave Industry é uma excelente escolha, já que foi arquitetada para ser rapidamente implantada.

Agora é a hora

Algumas indústrias já colocaram os dados da produção para trabalhar e leva-las a um impacto tangível.

Nossa intenção com este conteúdo é tentar desmistificar alguns mistérios sobre a transformação digital em fábricas e por fim ajudar de alguma maneira empresas a atingirem o sucesso.

Como esta sua jornada para a manufatura inteligente?

Já esta convencido dos potenciais escondidos em seus dados?