Diminuir Defeitos de Produção com Business Analytics

Através deste caso pretendemos mostrar como a Análise de Dados pode contribuir para o sucesso de uma empresa, melhorando a sua eficiência e resultados.

Contextualização

O projeto de Data Analytics da Axians foi desenvolvido com um dos maiores fabricantes europeus de tecidos plastificados e outros revestimentos para a indústria automóvel, com mais de 500 colaboradores e uma faturação anual superior a 100 M€.

Nos últimos anos, a empresa investiu significativamente na modernização das suas unidades. Hoje possuem toda a linha de produção automatizada, recolhendo vários dados ao longo de todo o processo produtivo. Investiu também organicamente, criando uma equipa multidisciplinar focada nos pilares de transformação rumo à Indústria 4.0.

Desafio

O principal desafio consistia em identificar as condições em que um determinado tipo de defeito ocorria dentro de uma fábrica.

O processo de produção em causa era composto por três linhas de produção com objetivos diferentes:

Objetivos

Apoiados no nosso parceiro tecnológico SAS e o cliente, construímos um use case para provar que, partindo de  dados brutos, conseguiríamos produzir informação relevante que permitiria reduzir os custos do cliente com os produtos não conformes que estavam a ser produzidos (produtos que não respondiam aos parâmetros definidos pelos clientes a que se destinavam).

Criámos um roadmap, que designámos de “Digital Factory Journey”, onde a principal meta a alcançar era melhorar a eficiência e qualidade global do processo de produção, através das seguintes medidas:

• Acelerar e melhorar a maturidade analítica e a metodologia para diferentes problemas de qualidade;
• Reduzir o histórico dos defeitos de produção (em valor percentual médio) de 2% para 0.3%-0.4%.

Solução

Em todas as três linhas de produção, as máquinas recolheram vários dados através de sensores – temperatura, velocidade, pressão e vibração estão entre algumas das informações recolhidas, as quais são depois armazenadas, pelo sistema, em bancos de dados relacionais.

A esta informação do sensor adicionámos informações de produção, tais como dados de ordens de execução, mas também informações de matérias-primas que estão já a ser recolhidas e geridas pelo sistema do cliente.

Tendo definido como objetivo inicial a redução do número dos principais defeitos de produção, levámos a cabo um processo para encontrar as condições ideias de parâmetros que permitissem reduzir drasticamente o número desses defeitos.

Através de ferramentas analíticas de Internet of Things (IoT), foi possível mapear todas as informações provenientes de todas as fontes no modelo de dados e começou, então, a transformação de todos eles em insights valiosos.

A partir daí, sucederam-se as seguintes etapas do processo:

Carregar para ver maior

1. A primeira fase consistiu na preparação dos dados: a partir de 700 parâmetros iniciais diferentes conseguimos identificar, através de meios puramente analíticos e de correlação de dados, quais eram as variáveis operacionais relevantes;
2. De seguida, procedeu-se à correspondência entre as variáveis matemáticas pertinentes e os parâmetros reais: temperatura da máquina, vibração da máquina, entre outros. Foi quando a magia começou a surgir: os engenheiros da fábrica já tinham descoberto alguns dos parâmetros ideais de funcionamento e este processo foi uma confirmação. Outros foram uma surpresa e puderam ser prontamente acionados.

Resultados

A metodologia de análise de causa raiz (root cause analysis) foi um dos fatores chave para o sucesso deste projeto pois permitiu encontrar defeitos na produção e assim minimizar o impacto que estes causam na rentabilidade da empresa. Com esta abordagem, metodologia e ferramentas conseguiu-se em dois meses atingir resultados que, de outro modo, seriam quase impensáveis:

• Confirmação das hipóteses de parâmetros relevantes para a redução dos produtos não conformes (defeitos);
• Revelação das novas hipóteses que não tinham sido consideradas e faziam sentido explorar;
• Ajuste e otimização dos parâmetros das máquinas em função dos resultados obtidos;
• Redução da percentagem de defeitos de 2% para 0,2% (superando o objetivo traçado inicialmente);
• Diminuição em algumas centenas de milhares de euros dos custos com os produtos não conformes.

Através desta metodologia de Business Analytics, pudemos especificar os parâmetros operacionais ideais para todas as máquinas nas diferentes linhas de produção, reduzindo drasticamente o defeito em causa que espoletou o desafio.