O principal índice para medir a performance fabril é o OEE (Overall Equipment Effectiveness - Eficiência Geral de Equipamento), que não somente mede o desempenho de um equipamento, mas também de uma linha, célula e até da planta fabril inteira. É composto por três subíndices: Disponibilidade (o tempo de utilização do equipamento), Eficiência (a performance da produção) e Qualidade (a porcentagem de partes boas produzidas perante o total).
- Disponibilidade - É medida pelo tempo em que a máquina esteve disponível para produção e suas paradas, podendo demonstrar também como os tempos de setups, de falhas do equipamento, ausência de material, problemas com operadores ou erros de processos podem afetar sua produção. O downtime se divide em vários subperíodos, do reporte da falha, ao tempo de resposta, reparo e teste do equipamento. Com essas informações podemos calcular outros índices e informações como por exemplo o MTBF (Mean Time Between Failures – Tempo Médio Entre Falhas) e o MTTR (Mean Time To Repair – Tempo Médio Para Reparo), os quais demonstram a viabilidade da utilização de um bem de capital devido às suas falhas e custos dessas paradas, além de analisar o dimensionamento da equipe de manutenção e o tempo dispendido para solucionar um problema. Com o advento das tecnologias de IIoT e Indústrias Inteligentes, podemos ir além da identificação dessas paradas. Será possível prevê-las.
- Eficiência - A revolução industrial trouxe uma quebra no modo de produção. Saímos de processos artesanais para uma fabricação racionalizada e mecanizada. Começamos a pensar em dividir a produção em etapas e utilizamos da cronoanálise para medir o tempo necessário, criando assim o tempo estimado para produção, o qual pode ser o suficiente para que seja completada uma peça ou quantos metros, litros ou quilos devemos processar. O desvio na eficiência pode indicar alguns problemas como: cronoanálise errada ou desatualizada; desvios nos processos como alteração de equipamento, mudança de matéria-prima ou configuração errada de um equipamento produtivo; aceleração ou desaceleração do processo pelo operador (fator humano). A solução é a informatização do monitoramento fabril com sistemas baseados em IoT que possibilitam a coleta de dados mais ampla, e, com isso, se conhece em profundidade o processo, capturando e trabalhando com o Big Data fabril.
- Qualidade - Numa indústria de processo ou numa manufatura discreta o índice de qualidade é um excelente instrumento para mensurar um processo, ferramental ou operação. Existem algumas formas de calcularmos a qualidade que dependem de como o gestor deseja encarar o produto que pode ser retrabalhado. O primeiro é considerar o retrabalho como um refugo e usá-lo na fórmula de cálculo de qualidade. Nesse caso, geralmente é aberta uma nova ordem de produção para o retrabalho, não afetando a eficiência (tempo de execução) da ordem original. Outra forma é considerar o retrabalho como uma perda de eficiência, somando o tempo de retrabalhos ao tempo total da execução da ordem de produção e mensurando a qualidade apenas com as partes refugadas.
O custo da baixa qualidade se torna visível quando somamos os custos dos insumos utilizados, do tempo de trabalho e o da fonte de energia. A realidade mostra que cada vez mais as margens de lucro são menores devido à competividade do mercado. As principais causas das falhas de qualidade são: no controle do processo e má operação; ferramental defeituoso; problemas com os insumos. A informatização do chão de fábrica é o caminho ideal para uma análise acurada da produção. Plataformas de MES (Manufacturing Execution Systems na sigla em inglês para Sistemas de Execução de Manufatura) ajudam a ter a visibilidade em tempo real, porém a maior parte dessas plataformas são originárias da década de 1990 e restritas quanto à qualidade e quantidade de dados que podem ser coletados da fábrica e dos equipamentos.
Plataformas de IoT fornecem toda a visibilidade que um MES propicia, porém com uma conectividade aprimorada e muito mais rica em dados. Com essa obtenção ampla de dados pode-se trabalhar em conjunto com Big Data, Machine Learning e Inteligência Artificial, entregando muito mais que gráficos, ou seja, soluções de problemas como predições de falhas de qualidade e ainda prescrições de parâmetros para que a produção ocorra com o maior índice de qualidade possível.
Gostou? Então compartilhe: