A Indústria 4.0 ainda é algo muito abstrato para entender? Ainda é algo muito distante? Que tal alguns cases para saber um pouco mais e exemplos reais que fogem do trivial que vem sendo apresentado por aí?
Vamos detalhar aqui 5 casos de usos de Indústria 4.0 que visam deixar o tema mais "palpável" e real. O motivo deste artigo é também mostrar que a Indústria 4.0 não está tão longe e inacessível como se imagina e, por isso, estamos fazendo um grande esforço no âmbito da Vertical Manufatura da ACATE para acelerar o tema nas indústrias no Brasil.
Os casos que serão apresentados aqui são de empresas que conheço no âmbito da Vertical Manufatura da ACATE. Se você quiser mais informações, pode entrar em contato que passo detalhamento e os responsáveis pelo mesmo.
Antes de iniciar, devo mencionar quais critérios utilizei para selecionar estes casos e classificá-los como casos de Indústria 4.0.
O primeiro critério foi verificar se os casos são uma solução no âmbito dos 3 desafios impostos pela Indústria 4.0. Se você ainda não os conhece, sugiro a leitura do artigo que escrevi intitulado "Os 3 maiores desafios impostos pela Indústria 4.0". Não entro no mérito se os casos já estão entregando o resultado no âmbito ao que se propõe, apenas avalio que se eles são realmente caminhos viáveis.
O segundo critério foi verificar se o caso utiliza uma ou mais tecnologias alinhadas à Indústria 4.0, também já detalhado no artigo "As tecnologias da Indústria 4.0 para aumentar a competitividade" a razão desta importância.
Continua depois da publicidade |
O terceiro critério foi verificar se a tecnologia do caso estava em nível de maturidade maior ou igual ao nível 3, seguindo o padrão de maturidade do instituto alemão Acatech, que lidera o conceito de Indústria 4.0 na Alemanha. Este modelo de maturidade é uma referência no tema.
Caso 1 - Qualidade de produtos feita por inteligência artificial
Uma indústria de baterias de carro resolveu um problema de qualidade nos pólos de bateria utilizando a solução de uma startup que faz o controle de qualidade através de um sistema inteligente de visão.
Neste caso de uso, o principal entrave é que a qualidade de um pólo não é uma variável discreta que pode ser medida e aferida dentro de uma faixa de limites. A análise de qualidade neste caso é atributiva onde os defeitos tem um certo nível de subjetividade para serem identficados. Esta classificação era feita com inspeção visual, que pode deixar passar problemas por divergência de entendimento, distração ou falta de padronização.
Esta indústria implementou um sistema de visão com uma parte analítica associada à inteligência artificial no qual uma rede foi treinada para identificar os defeitos. Uma vez treinada, a mesma passou a fazer a análise de qualidade melhor que o processo existente eliminando a necessidade de pessoas para fazer a inspeção e aumentando a velocidade de checagem.
No vídeo abaixo é possível ver um pouco de como é a análise por uma solução inteligente.
Qual a diferença desta abordagem com a abordagem de um sistema de visão "calibrado" tradicional? Neste caso, é a palavra inteligente, a solução vai aprendendo mais e mais a cada aprovação. Em uma eventual aprovação errada, o sistema aprende também, ficando a cada dia melhor.
Caso 2 - Robô autônomo para separação de material
Uma indústria tinha problemas com o processo de separação de materiais, além de ser uma tarefa repetitiva que pode causar L.E.R. em pessoas, a performance e qualidade variava muito de acordo com o time que estava nesta operação.
Neste caso de uso, a empresa buscou apoio com uma empresa de tecnologia que desenvolve robôs autonômos para fazer o processo de "pick and place" (tirar um objeto do ponto A e colocá-lo em um ponto B) porém, ao invés de utilizar um robô tradicional, optou-se por um robô autonômo. Qual a diferença? O robô tradicional funciona através de programação, um algoritmo que define que ele tem que ir em um exato ponto X, baixar a ventosa, aplicar a força Y, subir a peça e levar exatamente ao ponto Z. Já o robô autonômo, possui um sistema de visão com inteligência artificial que percebe cores e forma de objetos distintos em uma área determinada (o objeto pode estar em qualquer lugar desde que esteja dentro do campo de visão do mesmo) e o leva até um lugar Y separando os objetos misturados de acordo com a sua forma e cor.
No vídeo abaixo é possível ter uma dimensão melhor da capacidade de um robô autonômo. Repare como o robô "se vira" mesmo não havendo padrão de colocação de fichas em posições e locais diferentes.
Neste caso o robô se adapta à localização das peças, e não ao contrário, fazendo com que o mesmo trabalhe na mais diversas condições com a mesma acuracidade e performance adicionando ao processo de separação de materiais mais performance e qualiade e evitando L.E.R. nos operadores.
Caso 3 - Indústria mais avançada
Indústrias pequenas e até médias têm problemas para utilizar processos e métodos adequados de produção pois muitos deles exigem ferramentas de controle que além de caras, requerem um corpo técnico para entender e manter a mesma e muitas indústrias de pequeno porte não possuem.
Mesmo para indústrias grandes a introdução de novos métodos de controle de produção geram projetos de anos com custo e complexidade elevados que, por estas razões, muitas vezes não conseguem alcançar todos os benefícios esperados.
Este cenário tem consequências negativas importantes pois faz com que as indústrias não consigam avançar na busca por uma excelência operacional que as torne competitivas e diferenciadas em seus setores.
O SENAI, que tem interesse em trazer benefícios para as indústrias de todos os tamanhos, buscou o apoio de uma empresa de tecnologia com o objetivo de validar a viabilidade de implantação e adoção em pequenas indústrias de um sistema de digitalização automática de informações para o controle de produção, que tivesse custo e complexidade baixos, e verificar a resposta dos empresários à sua adoção.
Estes requisitos levaram ao entendimento do SENAI que o caminho seria buscar uma solução de controle de produção MES alinhado aos conceitos de Indústria 4.0. A Instituição buscou então o apoio de uma empresa de tecnologia que tem uma solução SaaS de MES , na nuvem, integrável e segura e totalmente construída já nos conceitos de Indústria 4.0.
Somando os serviços do SENAI de melhoria de processos produtivos apoiados por esta solução de MES na nuvem foi possível montar um programa, chamado "Indústria Mais Avançada" que já está levando para as indústrias de todos os tamanhos, principalmente de pequenos portes, novos métodos de controle de produção e eficiência operacional de maneira definitiva e sustentável.
Neste programa, nenhum software é instalado na empresa, contagem de produção e paradas são registradas automaticamente, com hardware IoT simples, sem necessidade de configuração e que requer apenas uma rede Wi-Fi na fábrica para funcionar. Os registros manuais são feitos utilizando qualquer smartphone, e as consultas e indicadores estão disponíveis em computadores ou dispositivos móveis. Os dados são enviados para a nuvem de maneira segura e processados por mecanismos de Big Data para transformar os mesmos em eventos e informação relevante para direcionar o processo produtivo.
Os resultados foram medidos nas empresas que já estão no programa e foram excelentes; após uma resistência inicial, os operadores de produção consideram o uso do sistema mais fácil que fazer os registros em papel; supervisores e diretores passaram a ter informação instantânea sobre a produção; e dados estruturados sobre os problemas de qualidade e paradas permitem que as análises para tomada de decisão sobre problemas a abordar sejam mais rápidas e precisas.
Caso 4 - Aceleração de lançamento de novos produtos
Na indústria há uma dificuldade que produtos de baixa demanda evoluam. Isso porque produtos com baixa demanda acabam atraindo pouco investimento e, por consequência, acabam influenciando no processo de novas versões, no lançamento de diferentes tipos ou na personalização dos mesmos.
No mercado de próteses isso acontece com as próteses de ombro. Como este tipo de prótese não é muito usual, os investimentos neste tipo de prótese também são menores do que em outros, como as de perna. Isso impacta na evolução deste tipo de produto, fazendo com que o nível seja bem inferior ao das próteses de outras partes do corpo humano.
Uma indústria alemã fabricante de próteses para ombros tinha um processo complexo para fazer novas revisões de suas próteses. Ela tinha que fabricar primeiro as ferramentas de usinagem para testar novos modelos e evoluções, desse modo que se levava-se cerca de 2 meses para se ter uma nova versão de prótese. Além do tempo, o custo também era elevado pois a cada simples teste uma nova ferramenta usinada era construída.
Esta empresa optou por uma modificação na área de engenharia de produtos adotando a manufatura aditiva, comprou impressoras 3D e passou a imprimir uma nova prótese por dia, possibilitando muito mais testes e baixando o lançamento de novas versões para 15 dias.
Caso 5 - Detecção de problemas em produtos e processo por big data
Uma empresa de tecnologia criou um componente "plug and play" que analisa padrões de vibração em 3 eixos. Este componente pode ser embutido em qualquer produto, ou colado em uma máquina de um processo produtivo, e uma vez ativado, passa a coletar os dados de vibração do mesmo em alta frequência.
Com base na tecnologia de Big Data esta empresa extrai o padrão de vibração dito normal e os padrões de vibrações ditos especiais, disparando ações em cada caso.
Indústrias podem embutir este componente em seus produtos para detectar mau funcionamento, má utilização, ou até mesmo fazer pequenos ajustes para melhor aproveitamento de eficiência com base nos dados de vibração. Por exemplo, um sistema eólico que dependendo da vibração faz pequenos ajuste em sua posição para aproveitar melhor o vento e assim ser mais eficiente. O produto ganha qualidade, aumenta a margem do fabricante e se distancia dos concorrentes fazendo a fabricante se destacar no mercado que atua.
Estes casos que listei, exceção ao caso 4, são todos em empresas brasileiras utilizando tecnologia brasileira. São mostras reais de que o Brasil está se inserindo no tema Indústria 4.0 e o assunto está sendo assimilado na prática e já há muitas soluções que já estão rodando nas indústrias do país. São casos concretos e bem didáticos e por isso os coloquei aqui, mas há muito mais que já vi na prática e posso detalhar em artigos futuros.
Tenho certeza que você já entende os conceitos, espero que o artigo tenha mudado a percepção da complexidade e urgência no tema.
E na sua indústria, já existem casos assim? Estão utilizando estas tecnologias e tirando benefícios dela?
Conte para a gente nos comentários e compartilhe esse artigo nas redes sociais para que mais pessoas possam conhecer sobre o tema e tenham a mesma percepção que você está tendo sobre a Indústria 4.0.
Gostou? Então compartilhe: