CategoriesBeginner,  Excelência Operacional

Células de melhoria contínua: entenda sua importância para a implantação de processos Lean

No modelo de produção industrial fordista – desenvolvido por Henry Ford em 1908, baseado na produção em massa e padronizada, em pequenas tarefas e com funcionários responsáveis por uma única etapa – os problemas eram resolvidos conforme iam ocorrendo e nada era feito para que os mesmos não voltassem a acontecer. Já as modernas linhas de produção adotam a filosofia Lean, baseada no Sistema Toyota de Produção, onde a meta é identificar a causa raiz do problema, com destaque para o trabalho em equipe, com grupos – células de melhoria contínua.

O modelo de manufatura Lean, ou manufatura enxuta, tem como base eliminar desperdícios continuamente e resolver problemas de maneira sistemática, repensando a maneira como se lidera, gerencia e desenvolve pessoas. É através do pleno engajamento das pessoas envolvidas com o trabalho que se consegue vislumbrar oportunidades de melhoria e ganhos sustentáveis.

Nesse contexto, a implantação de células de melhoria contínua, envolvendo pessoas qualificadas, motivadas e com iniciativa para identificar oportunidades e sustentar melhorias nos fluxos de produção, juntamente com incentivos da liderança e mudança cultural de todos os envolvidos, é que vai gerar um novo modelo de negócio e, principalmente, uma nova cultura organizacional.

A base das células de melhoria contínua

Em seu artigo “Competências essenciais para melhoria contínua da produção”, os engenheiros Melissa Mesquita e Dário Henrique Alliprandini, da Universidade Federal de São Carlos, destacam a importância da condução da gestão de melhoria contínua com base na gestão de competências, visando garantir o amadurecimento contínuo das atividades das células de melhoria contínua, com treinamento em técnicas e ferramentas, sempre levando em consideração comportamentos relacionados à cultura da empresa.

Toda a empresa precisa estar engajada nos processos Lean, e entender como uma célula de melhoria contínua atua como ponto de partida para atingir o conceito de manufatura enxuta. As células são formadas por pessoas de diferentes áreas da produção que têm o objetivo de estabelecer processos únicos e implantar boas práticas alinhadas à estratégia da organização, assim como monitorar os desvios de processos e identificar oportunidades de melhoria.

Essas células de melhoria contínua não têm um papel técnico/operacional, já que cada área tem vasto conhecimento sobre seus próprios processos. A ideia é que a célula atue de forma mais estratégica, identificando comportamentos que podem ser melhorados, gerando menos desperdício, redução de custos, mais produtividade e melhor qualidade do produto final ou serviço.

O importante é promover uma cultura organizacional onde as pessoas compartilhem o mesmo resultado, e as células podem reunir funcionários de áreas, unidades de negócio e mesmo localizações geográficas diferentes. O que importa é que elas se sintam parte e responsáveis pelo resultado do negócio, investindo nas seguintes habilidades básicas e comportamentos, estabelecendo fases de maturidade para melhoria contínua:

 

 

Habilidades básicas

 

 

Normas comportamentais

 

Ligar as atividades de melhoria contínua em todos os níveis de estratégia da empresa

 

 

Indivíduos e grupos usam metas e objetivos estratégicos da organização para focar e priorizar suas atividades de melhoria

 


Gerenciar estrategicamente o desenvolvimento do sistema de melhoria contínua nas estruturas da organização

 

Sistema de melhoria contínua é constantemente monitorado e desenvolvido

A avaliação progressiva assegura que a estrutura e a infraestrutura da organização, bem como o sistema de melhoria contínua, reforcem e apoiem um ao outro

 

Gerar envolvimento sustentado em inovação incremental 

Gerentes de todos os níveis mostram compromisso ativo e liderança em relação à melhoria contínua

Participação proativa em melhoria incremental

 

Trabalhar efetivamente por meio das divisões internas e externas 

Trabalho efetivo de indivíduos e grupos por todos os níveis das divisões interna e externas

 


Garantir que a aprendizagem ocorra e seja capturada e compartilhada em todos os níveis
 

Aprendizagem por intermédio de experiências próprias e de outros, tanto positivas quanto negativas

A organização articula e desdobra a aprendizagem de indivíduos e grupos

 

Articular, demonstrar e comunicar valores da melhoria contínua 

As pessoas “vivem” os valores da melhoria contínua

 

 

O processo de melhoria contínua

A melhoria contínua é um processo sem fim. É entender o estágio atual, estabelecer uma meta e fazer o que for preciso para atingir essa meta. E, quando a meta for atingida, é recomeçar e encontrar formas de aprimorar ainda mais os processos. Isso vale para todos os setores da economia: implantar o conceito de melhoria contínua é fundamental para manter a competitividade.

Para facilitar a implantação da filosofia de melhoria contínua, a empresa deve:

Padronizar a comunicação – isso é fundamental para implantar melhores práticas e lições aprendidas em todas as áreas, linhas de produção e unidades de negócio. Formalizar e padronizar documentos, procedimentos e instruções de trabalho coloca todos os funcionários na mesma página.

Criar uma nova cultura – em vez de encarar o modelo de melhoria contínua como um processo que deve ser reiniciado a cada novo projeto, a cultura de melhoria contínua deve fazer com que as pessoas compreendam que essa filosofia é mais do que uma estratégia – é a própria maneira de trabalhar.

Tornar as pessoas responsáveis – quando a filosofia de melhoria contínua permeia todos os níveis da organização, ela deixa de ser tarefa de uma só pessoa e passa a fazer parte do dia a dia de todos. Saber que a empresa nunca para de evoluir faz com que os funcionários percebam que eles podem ser parte ativa do processo de melhoria contínua.

 

Da melhoria contínua ao processo Lean

Especialistas indicam que a implantação de células de melhoria contínua é o primeiro estágio para a aplicação de processos Lean na linha de produção. Essa implantação deve contar com suporte e orientação sobre a estruturação das atividades das células e suas rotinas operacionais.

A transferência de conhecimento é realizada via workshops, módulos de treinamento (treinamento para líderes, agentes de melhoria contínua e KPOs – coordenadores), com imediata aplicação prática nas células de melhoria contínua.

Confira abaixo as características de uma célula de melhoria contínua:

 

 

Características do processo de células de melhoria contínua

 

QuesitoMelhoria contínua
EfeitoLongo prazo e de longa duração
PassosPassos pequenos
TempoContínuo e incremental
MudançaGradual e constante
EnvolvimentoTodos
AbordagemColetivismo, esforço de grupo e abordagem de sistemas
EstímulosKnow-how tradicional e estado da arte
RiscosDispersos, muitos projetos simultâneos
Requisitos práticosRequer pequeno investimento, mas grande esforço para a sua manutenção
Orientação de esforçosPessoas
Critérios de avaliaçãoProcesso e esforço por melhores resultados

 

Ao final, a meta é que a cada dia sejam identificados pequenos novos pontos de melhoria, que vão garantir a sustentabilidade do negócio e a satisfação dos clientes. Empresas que têm processos Lean em seu DNA sabem que é muito mais vantajoso implantar pequenas melhorias em vez de manter processos que não agregam valor ao negócio. Com processos Lean, a empresa gera maior valor agregado aos produtos e serviços que são entregues aos clientes, buscando custos mais baixos em relação às formas tradicionais de produção e na melhoria dos processos, tais como, diminuição do tempo de produção de um determinado produto ou na prestação de um serviço.

CategoriesBeginner,  Excelência Operacional,  Gestão de Ativos

Saiba como um processo de integração contínua dá mais agilidade à indústria

Em primeiro lugar, o que seria um processo de integração contínua da indústria? É a conexão de todos os processos por meio de uma rede digital. Inspirado no processo de desenvolvimento de softwares, tem como meta principal oferecer um rápido feedback e, assim, quando é identificado algum problema, o mesmo pode ser corrigido rapidamente.

Mas como esse processo de integração contínua está transformando a indústria? Ajudando a resolver problemas que impactam a produção, permitindo economizar recursos, aumentar a lucratividade, reduzir o desperdício, automatizar para prever erros e atrasos, acelerar a produção em função da cadeia de valor, digitalizar fluxos que eram feitos no papel e intervir rapidamente em casos de problemas da produção.

Do desenvolvimento de software à linha de produção

A base da integração contínua no desenvolvimento de software é o trabalho colaborativo, em que diversas pessoas trabalham em conjunto e compartilham dados. Em projetos de software, é muito comum que uma equipe de desenvolvimento seja composta por um grupo de pessoas onde cada uma é responsável por uma parte do código. Ao final de cada etapa, as partes precisam ser integradas e muitas vezes é necessário que se altere parte do código que foi escrito anteriormente para que o sistema passe a funcionar corretamente ou mesmo de uma nova maneira.

Levando esse conceito para a indústria, a integração contínua vai trabalhar com dados, ao invés de linhas de código, oferendo mais visibilidade e permitindo a rastreabilidade e o monitoramento de todos os processos a partir da análise das informações enviadas pelos sensores distribuídos não apenas na planta industrial. Essa integração contínua envolve tanto os sistemas dentro das empresas (engenharia, produção, serviços etc) e quanto fora delas (empresas, fornecedores, distribuidores e clientes), fazendo com que todos trabalhem de forma harmônica.

Assim, com equipamentos com sensores e softwares embarcados, integrados e conectados entre si e entre as aplicações de gestão, a linha de produção forma um sistema único em rede, baseado na Internet das Coisas (Internet of Things – IoT). O resultado é mais agilidade, com a possibilidade de redesenhar processos, reformular operações tomar decisões conforme das necessidades de produção em tempo real, com os equipamentos recebendo e fornecendo informações sobre seu ciclo de trabalho.

O diretor-executivo da VDI Brasil (Associação de Engenheiros Brasil – Alemanha), Johannes Klingberg, explica que a transformação digital na indústria se dá muito mais em termos de conectividade dos meios de produção do que da introdução de novas tecnologias. “Ferramentas como robótica, computação em nuvem ou Machine Learning já estão disponíveis faz tempo. A novidade é a integração destas ferramentas, que passam a elaborar soluções ótimas de produção de forma autônoma e todos os meios de produção precisam se comunicar entre si para elaborar de forma cooperativa e automatizada as soluções para a produção”.

Com a integração contínua e o monitoramento dos sistemas é possível dar respostas proativas em tempo real. A automação dos processos produtivos assegura maior produtividade e menor variabilidade das etapas produtivas com consequente ganho de qualidade do produto final. A comunicação online entre os diversos equipamentos suporta um nível superior de produtividade e ganho de competitividade, emitindo alertas quando ocorrer qualquer alteração na linha de produção.

Integração horizontal e vertical dos sistemas de produção

A integração contínua horizontal e vertical faz parte do conceito da Indústria 4.0, fazendo com que processos produtivos seja otimizados e mais ágeis, independentemente do momento em que as atividades ocorrem na cadeia produtiva.

Daniel Pacheco Lacerda, professor e pesquisador do Programa de Pós-Graduação em Engenharia de Produção e Sistemas da UNISINOS, ressalta em entrevista ao site “A voz da indústria” que a integração horizontal nos sistemas produtivos “se refere ao compartilhamento de dados e informações entre os diversos sistemas de informação, dispositivos e softwares que suportam a atividade produtiva”.

Assim, a coleta, o tratamento e análise de dados ajudam a aumentar a precisão e a agilidade na tomada de decisões. “Essa abordagem possui maior volume de dados e informações que qualificam e melhoram a performance do ambiente de manufatura”.

Vantagens da integração horizontal:

  • Agilidade na tomada de decisão
  • Incremento da confiabilidade da tomada de decisões pela integração contínua e consistência dos dados e informações
  • Incorporação da Inteligência e tomada de decisão nos sistemas produtivos (automação)
  • Qualificação da tomada de decisão a partir da análise sistemática de dados em tempo real

Já a integração vertical, segundo Lacerda, “se refere à capacidade de integrar, reconfigurar e flexibilizar os processos produtivos desde o desenvolvimento de produtos até a manufatura. Essa abordagem permite maior agilidade na reconfiguração tanto do sistema de manufatura (atividade produtiva em si), quanto do sistema de produção (subsistemas que apoiam a manufatura, como manutenção e qualidade”.

Vantagens da integração contínua vertical:

  • Aumento da flexibilidade da fábrica
  • Aumento da confiabilidade na produção
  • Reconfiguração no sistema produtivo
  • Incremento da variedade de produtos

Mais espaço no mercado de produtos customizados

CategoriesCase de Sucesso Corporativo

Vale melhora a gestão de seus ativos com apoio da Atech

Considerada uma das maiores mineradoras do mundo, a Vale ocupa o 1º lugar em produção mundial de minério de ferro, pelotas e níquel. Para suportar esse volume, que chega a 348,8 milhões de toneladas métricas de minério de ferro, a empresa tem investido cada vez mais em iniciativas relacionadas à indústria 4.0 que estão mudando o cenário da mineração.

Entre as ações está uma série de projetos para elevar a sustentabilidade e a eficiência operacional das suas atividades, incluindo o aumento da disponibilidade dos equipamentos, a redução do consumo de combustíveis e a melhora da eficiência e eficácia da manutenção.

Com a inclusão de métricas quantitativas para avaliação da probabilidade de falha nos ativos, foram realizados estudos que impactaram, principalmente, os estoques e necessidades de peças sobressalentes, levando em consideração fatores como lucro cessante, tempo de aquisição do equipamento reserva, tempo de aquisição em emergência, perda de receita, entre outros. O resultado foi a entrega de informações que basearam uma decisão assertiva, considerando a probabilidade estatística do modo de falha do equipamento em questão e o período necessário para recebimento do item reserva.

Com uma série de soluções de gestão de ativos alinhadas aos desafios e tendências no setor minerador, ajudando a reduzir paradas não programadas que acarretam perdas na produção e oferecendo capacidade de monitorar a condição dos ativos, é possível estimar quando haverá uma falha com semanas ou meses de antecedência. A Atech está apoiando a Vale no projeto de implementação da plataforma Orion eAPI, oferecida em parceria com a Compass (antiga ReliaSoft), empresa pioneira na aplicação da Engenharia de Confiabilidade na América do Sul.

O principal objetivo da solução para gestão estratégica de ativos potencializada pela plataforma Orion eAPI, que faz parte do conjunto de soluções da plataforma OKTO para Gestão de Ativos, é dar mais confiabilidade aos equipamentos da organização, aumentando a disponibilidade e reduzindo o tempo necessário para manutenção, por meio da transformação de dados em informações para basear decisões estratégicas relacionadas à gestão de ativos.

CategoriesConexões Inteligentes,  Energia,  NXT

Redes Mesh em cidades inteligentes: saiba como a conectividade permite uso mais eficiente da energia

As cidades inteligentes, ou Smart Cities, são aquelas que utilizam a tecnologia para promover o bem estar dos moradores, o crescimento econômico e, ao mesmo tempo, melhorar a sustentabilidade. De acordo com o Cities in Motion Index, do IESE Business School na Espanha, nove variáveis podem indicar o nível de Inteligência de uma cidade. São elas:

  • Capital humano
  • Coesão social
  • Economia
  • Meio ambiente
  • Governança
  • Planejamento urbano
  • Alcance internacional
  • Tecnologia
  • Mobilidade e transporte

Em uma cidade inteligente, o sistema de iluminação pública é uma parte fundamental do planejamento urbano, já que serve como porta de entrada para a inserção de soluções mais inteligentes, que vão desde o uso mais eficiente da energia, com novos modelos de medição ou variação da intensidade da luz por faixa de horário e detecção de movimento, reduzindo o consumo, até a retomada mais rápida do serviço em caso de falha.

Mas, para que esse cenário se torne realidade é preciso contar com a oferta de conectividade confiável e resiliente. A solução está na implantação de redes Mesh para cidades inteligentes. Uma plataforma de comunicação que entregue dados em tempo real, sem tempo de inatividade, garante que a concessionária suporte a demanda de energia.

Interrupções no fornecimento de energia geralmente não são planejadas e a restauração do fornecimento pode envolver várias etapas e um longo tempo de espera. Podem ser necessárias diversas visitas de campo, para identificar, localizar e resolver o problema. Imagine esse tipo de processo de restauração do serviço: uma equipe de inspeção iria até o local onde ocorreu a interrupção para rastrear o problema e, depois, voltaria à sede e entregaria um relatório a uma equipe de serviço, que então iria ao local resolver o problema. Resumo da história: muitos deslocamentos, alto custo e longo tempo para retomada do serviço.

Solução está na conectividade

Segundo Ricardo Hayashi, responsável por Produtos para Conexões Inteligentes da Atech, “a tecnologia de redes Mesh para cidades inteligentes monitora a saúde da estrutura da rede de energia, disponibilizando o acesso a todas as informações em qualquer período e local – inclusive com uma tabela estatística do nível de demanda de energia para auxiliar a identificação, por exemplo, de sobrecarga nas subestações.

“Dessa forma, permite responder com agilidade a problemas que possam afetar as redes de distribuição e o fornecimento de energia. É uma forma de resolver em minutos um problema que levaria horas para ser solucionado de forma manual e, principalmente, entregar a melhor qualidade possível da energia elétrica fornecida.

“Um exemplo prático está na identificação da ausência de energia em uma determinada área. Com tecnologia de redes Mesh para cidades inteligentes, a distribuidora pode reestabelecer parte do serviço e redirecionar o fornecimento de energia de forma rápida e remota, sem a necessidade de aguardar a presença física de profissionais que irão atuar in loco”.

Hayashi também destaca que “como todos os dados coletados com a utilização de redes Mesh são enviados em tempo real (online) para os respectivos centros de medição, as distribuidoras têm condição de monitorar corretamente o consumo dos clientes (identificando os horários de pico e os comportamentos de uso de energia) para cobrar, também, o valor correto dos mesmos. Por isso, não há perda de receita comercial e é possível reduzir custos com infraestrutura e mão de obra”.

Controle remoto da rede

Com a instalação de redes Mesh para cidades inteligentes, é possível monitorar o controlar o seu funcionamento da rede elétrica de forma remota, com capacidade de supervisão, medição e controle em tempo real.

Segundo os engenheiros Erica M. Bueno e José Alexandre Nalon, em estudo publicado na Revista Ciência e Tecnologia, cada ponto de luz incorpora um dispositivo controlador a fim de coletar dados operativos e enviar através de uma rede de comunicação sem fio a informação até a central de controle. O sistema de supervisão e controle de iluminação pública permite então ao operador a execução de vários telecomandos:

  • Ligar e desligar uma lâmpada da iluminação pública
  • Ligar ao mesmo tempo um conjunto de lâmpadas
  • Fazer o controle da intensidade da iluminação (dimmerização)

Permite também a monitoração de vários itens da rede da iluminação pública:

  • Alarme de falha da lâmpada
  • Alarme de lâmpada piscando
  • Alarme de lâmpada acesa durante o dia
  • Alarme de falta de tensão de alimentação
  • Lista de eventos
  • Medição imediata de tensão, corrente e potência instantânea e média da rede

Além disso, a monitoração do sistema de supervisão e controle de iluminação pública oferece vantagens como:

  • Redução no consumo de energia proporcionado pela utilização da função dimmer por permitir que a intensidade de luz na iluminação pública seja controlada
  • Gerenciamento do consumo de energia, pois possibilita identificar eventuais problemas de desvio de energia, bem como o planejamento do consumo
  • Eficiência na gestão das equipes de campo com o deslocamento adequado aos problemas detectados pela operação do sistema de iluminação

 Como funciona a rede Mesh

Uma rede Mesh pode ser entendida como uma “rede de nós”. Diferentemente do que ocorre nos sistemas tradicionais, nesse caso não há um único roteador conectado à Internet, mas sim vários. Juntos, eles trabalham para levar o mesmo sinal para vários pontos do ambiente. Fazendo uma comparação, seria como se você tivesse vários repetidores de sinal na sua casa.

A principal vantagem aqui é que não há perda de qualidade do sinal pelo fato de um desses nós estar mais distante do roteador principal. Pelo contrário. Em teoria, quanto mais nós no ambiente, mais intenso o sinal pode ficar.

Tudo vai depender de quantos roteadores compatíveis com essa tecnologia estiverem vinculados à mesma rede.

Se as redes Mesh funcionam de forma parecida ao que os repetidores de sinal fazem, por que eles não conseguem reproduzir essa tecnologia? A resposta é simples: o principal diferencial está no sistema.

Cada roteador compatível com redes Mesh conta com um software especial instalado que se encarrega de fazer o gerenciamento da distribuição do sinal.

A ideia é criar uma forma inteligente de gerenciar o sinal. Por exemplo, se em um determinado ponto mais afastado está sendo realizada uma tarefa que requer banda maior, o sistema se encarrega de direcionar uma parte maior do sinal para lá.

Assim, todos os roteadores ajudam uns aos outros, garantindo sempre a máxima eficiência nas tarefas em qualquer ponto da rede. A conexão, portanto, permanecerá sempre estável dentro do raio de alcance pré-determinado pelo roteador principal. Tudo isso é feito de forma automática, sem que o usuário precise fazer nenhuma ação.

CategoriesAgronegócios,  Imprensa

Maquinário conectado melhora estratégias de manutenção do maquinário agrícola

Por Ricardo Hayashi, responsável por produtos para Conexões Inteligentes da Atech

O setor de agronegócio no Brasil vem apresentando um crescimento constante e, após a previsão de que a safra de soja no período de 2018/2019 deverá ser superior à dos Estados Unidos, até então líder mundial, agora a grande notícia é de que produção de café deve ser a maior da história, com uma colheita de quase 60 milhões de sacas beneficiadas de 60 quilos.

A estimativa sobre a produção de soja foi divulgada em maio pelo Departamento de Agricultura dos Estados Unidos, dando conta de que o Brasil deve produzir cerca de 117 milhões de toneladas, um pouco acima dos 116 milhões dos norte-americanos. Já a estimativa sobre a colheita de café foi divulgada em dezembro pelo IBGE, apontando um crescimento de mais de 33% em relação à safra passada.

Para alcançar esses números, o setor de agronegócio investe alto em tecnologia e no desempenho do maquinário. Grandes produtores já perceberam a importância de contar com máquinas modernas e desenvolvidas para atender as necessidades e particularidades de cada tipo de solo e de clima, que variam conforme a região do Brasil, requerendo estratégias diferenciadas de manutenção.

Somente o setor de máquinas agrícolas, usadas no preparo do solo, plantio, aplicação de defensivos e colheita, junto com máquinas rodoviárias, deve movimentar US$ 16,7 bilhões em 2018, segundo a Anfavea (Associação Nacional de Veículos Automotores). E não podemos deixar de lado outros maquinários que compõem a cadeia do agronegócio, como os usados no processamento de leite, por exemplo.

A agricultura 4.0

O conceito 4.0, que em primeiro lugar foi adotado pelo setor de manufatura, leva para o campo um novo modelo de maquinário com diversas tecnologias de Internet das Coisas embarcadas, que demandam novos modelos de gestão e de manutenção, baseados na análise dos dados enviados em tempo real sobre o seu desempenho. Essa inteligência é fundamental para que os especialistas possam implantar sistemas de agricultura de precisão, conectando máquinas e serviços.

Com a adoção de tecnologias de IoT, os gestores do agronegócio esperam minimizar perdas, ajustar processos e maximizar resultados. Com a Internet das Coisas, a descoberta antecipada de um ataque de praga, por exemplo, permite atuar com defensivos em áreas pontuais, corrigir processos e evitar perdas, assim como garantir a confiabilidade e a disponibilidade do maquinário, estratégia fundamental para garantir mais segurança e eficiência na gestão de ativos.

Para crescer em um ambiente tão sujeito a variações como o setor agrícola, a informação é o principal insumo e mais do que nunca são os dados dos sensores embarcados em máquinas e equipamentos que vão permitir ao gestor tomar decisões mais assertivas sobre a estratégia de operação no campo, manutenção e também sobre as necessidades do negócio.

Conectividade garante uma melhor estratégia de manutenção

O uso de inovadoras tecnologias no agronegócio depende de conectividade, em que as Redes MESH aparecem como a melhor opção para garantir a troca de informações. Afinal, de que adianta investir em sensores e máquinas inteligentes que produzem um grande volume de dados que poderiam ser usados para melhorar a estratégia de manutenção e, também, de produção, se não há como extrair e analisar em tempo real essas informações? Sem conectividade, todos os dados precisam ser extraídos, cruzados e analisados manualmente, perdendo toda a agilidade necessária para manter a competitividade, a redução das perdas nas lavouras, e o aumento da eficiência operacional de seus ativos.

Em locais remotos, longe dos grandes centros urbanos, as Redes MESH aparecem como a melhor opção para garantir a troca de informações entre os dispositivos e os softwares de monitoramento e análise. Essa tecnologia de conexão consiste em nós (pontos) de rádio organizados em uma topologia MESH (em malha), que se conectam sem fios, e sem envolver uma operadora de telecom ou um provedor de serviços de internet, entregando um alto grau de escalabilidade, simplicidade, caráter colaborativo e com baixo custo de implantação, operação e manutenção.

CategoriesLogística,  Senior

Automatização em logística: saiba como o Analytics está agilizando a recuperação em eventuais falhas na cadeia de suprimentos

Conexão, Inteligência e automatização em logística. Esse é o futuro da cadeia de suprimentos, onde inovadoras tecnologias digitais estão compilando uma grande quantidade de dados que, integradas a sensores e ferramentas de Analytics em toda a operação, entregam um novo modelo mais inteligente, transparente e eficiente, mais preditivo e proativo.

Em termos gerais, o uso de Analytics na cadeia de suprimentos é a aplicação de matemática, estatística, modelagem preditiva e técnicas de Machine Learning para identificar padrões relevantes na imensa quantidade de dados, internos e externos, produzidos em todo o processo produtivo.

Gestores cada vez mais dependem de alertas e insights para rápida tomada de decisão de modo a aumentarem a eficiência de todos os processos e prevenir eventuais falhas na cadeia de suprimentos, que podem resultar em incomensuráveis prejuízos financeiros e danos à imagem da marca.

Na Logística 4.0, a cadeia de suprimentos incorpora as inovações da Indústria 4.0 – Internet das Coisas (Internet of Things – IoT) e ferramentas de Analytics e Big Data – para mapear processos, aumentar a eficiência e melhorar a experiência do cliente, com insights sobre demanda, inventário, produção e distribuição.

A automatização na logística das tarefas físicas e do planejamento aumenta a eficiência da cadeia de suprimentos. Robôs manipulam os materiais (paletes ou caixas, ou mesmo artigos individuais), automatizando totalmente o processo de armazenamento, desde o recebimento/descarga, acondicionamento, seleção e embalagem até o envio. Caminhões autodirigidos transportam os produtos dentro da rede.

E com ferramentas de Analytics e a Inteligência Artificial, teremos sistemas de gestão de performance que “aprendem” a identificar automaticamente riscos ou exceções, e alteram as variáveis da cadeia de suprimentos para reduzir danos. Essas capacidades permitem que a torre de controle automática da gestão de performance seja capaz de lidar com uma ampla gama de exceções sem envolvimento humano (exigindo planejadores humanos somente no caso de eventos disruptivos não planejados). O ciclo resultante de melhoria contínua fará com que as cadeias de suprimentos se aproximem do seu limiar máximo de eficiência.

O uso de Analytics na tomada de decisão

O uso de ferramentas de Analytics e automatização na logística oferecem a capacidade de uma tomada de decisão com Inteligência, baseada em fatos, previsões e antecipação de cenários futuros, influindo em todos os processos, como os listados abaixo:

  • Intensivos em informação: Analytics revela o significado da informação
  • Intensivos em ativos: Analytics permitem utilização efetiva e compartilhamento de recursos escassos ou de alto custo
  • Intensivos em trabalho: Analytics permite tomada de decisão e alavancagem de expertise, especialmente onde a disponibilidade de talento é reduzida, pois a demanda por talento é contínua, e tempos de treinamento são prolongados
  • Dependentes de velocidade e tempo: Analytics viabilizam aceleração do processo e decisões em tempo real, especialmente onde a satisfação do cliente e competitividade do processo demanda tempos de resposta curtos
  • Dependentes de consistência e controle: Analytics permite decisões consistentes mesmo em situações com baixa previsibilidade
  • Dependentes em tomada de decisões distribuídas: Analytics permite aos tomadores de decisão olhar para frente e para trás e antecipar os efeitos das ações
  • Escopo multifuncional e multinegócios: Analytics revela interdependências e viabiliza o trabalho em conjunto das partes

Algumas vantagens da automatização na logística

  • Soluções da Analytics que suportam processos de negócios estão contribuindo para que as empresas possam orquestrar cadeias de suprimentos mais responsivas a partir do momento que recebem insights confiáveis sobre tendências do mercado e preferências do consumidor. A triangulação entre estatísticas de mercado, vendas, redes sociais, dados demográficos, fornecedores e outros dados provenientes de fontes diversas oferecem a capacidade de planejar de forma preditiva e proativa as atividades na cadeia de suprimentos.
  • A IoT e Inteligência Artificial estão sendo utilizadas na gestão e manutenção de ativos para evitar falhas e agilizar a recuperação em eventuais falhas na cadeia de suprimentos. A automatização na logística entrega dados de telemetria que revelam detalhes dos processos produtivos e a Inteligência Artificial que analisa esses dados predizem com confiabilidade a possibilidade de falhas.
  • Soluções de Analytics estão ajudando a evitar atrasos na entrega ao analisarem dados de GPS junto com informações sobre condições do trânsito e clima, otimizando a rota.
  • Aplicações de Big Data distribuídas globalmente fazem com que os gestores adotem uma gestão de risco proativa, em vez de responsiva, a acidentes naturais ou provocados por humanos, que impactem na produção.

Ao final, o que temos são mais dados, mais oportunidades, mais complexidade.  Apesar da complexidade que chega junto com a explosão de dados, com o uso de Analytics e a automatização na logística surgem novas oportunidades de negócios, com insights confiáveis sobre as tendências do mercado e comportamento do cliente, orientando as decisões estratégicas que levam à excelência operacional.

CategoriesAgronegócios,  Gestão de Ativos,  Mineração,  Óleo e Gás,  Senior

Saiba mais sobre a importância do Analytics para o monitoramento de ativos em ambientes adversos

Se o monitoramento de ativos ainda não alcançou a sua capacidade máxima dentro das plantas industriais, imagine o monitoramento de ativos em ambientes adversos, como os que fazem parte do dia a dia dos setores de óleo e gás, mineração e, por que não dizer, da criação de rebanhos?

Mas com o uso de ferramentas de Analytics é possível aproveitar a enorme quantidade de dados gerados por sensores de IIoT (Industrial Internet of Things – Internet das Coisas Industrial), com suas máquinas conectadas à Internet e a plataformas de análises avançadas que processam os dados produzidos pelos equipamentos.

Com o monitoramento de ativos em ambientes adversos, as empresas ganham a capacidade de usar esses dados para alinhar as atividades de manutenção às necessidades, riscos e criticidade de cada ativo, definindo prioridades e elaborando cronogramas com base em previsões altamente confiáveis – a chamada manutenção preditiva.

A mina do futuro

A tendência é que operações e pessoas estejam conectadas no setor de mineração – connected mine e connected workers – convergindo os sistemas de TI com os sistemas de operação.

As soluções de mina conectada integram as informações de todos os sistemas produtivos, da mina ao porto, e aproveitam as ferramentas de Analytics para gerar insights que são distribuídos para todas as pessoas envolvidas na cadeia de produção. Esses dados são coletados tanto nos sensores embarcados em equipamentos quanto nos trabalhadores, munidos de diversas tecnologias wearables como smart glasses e smart watches.

Todas essas informações, enviadas pelos sensores, é que vão permitir o monitoramento de ativos em ambientes adversos, como o interior de uma mina, em tempo real. Com técnicas de Inteligência Artificial, e possível predizer quando o equipamento irá falhar, com semanas ou meses de antecedência.

Assim, é possível evitar acidentes, reduzir paradas não programadas que acarretam perda de produtividade e também reduzir o custo da manutenção, deixando de lado ações corretivas, que são as mais caras.

Segundo Eduardo Prado, especialista em tendências em mobilidade e convergência, o setor de mineração é uma área “fértil” para IIoT já que essa tecnologia está evoluindo muito, o segmento está atrasado décadas em termos de tecnologia e “a nova geração dos executivos das mineradoras está ansiosa para apostar em tecnologias diferenciadas nas minas, como conectividade, wearables, manutenção preditiva, controle de ativos, sensores e Big Data, entre outras, para expandir-se, aumentar produtividade e reduzir custos”.

A digitalização no setor de óleo e gás

Segundo a Organização dos Países Exportadores de Petróleo (OPEP), as reservas de petróleo brasileiras comprovadas já somam quase 14 bilhões de barris do óleo. Especialistas do Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa em Engenharia (Coppe) da UFRJ, no Rio de Janeiro, apontam uma expansão de 55 milhões de barris de petróleo em razão das reservas do pré-sal. Caso esse cenário se confirme, o Brasil saltará da 14ª para a 8ª posição no ranking global de reservas de petróleo até 2020.

Mas, para manter a sua competitividade, um dos grandes desafios do setor é encontrar soluções de monitoramento de ativos em ambientes adversos, garantindo tanto a segurança dos equipamentos quanto dos seus operadores.

Isso só será possível com o correto uso de ferramentas de Analytics, coletando a analisando dados enviados e prevendo o momento exato para realizar ações de manutenção, substituindo operações baseadas no tempo de uso do equipamento. Com o monitoramento e análise das características dos sistemas, é possível prever o momento de uma falha e realizar somente a manutenção necessária para manter o bom funcionamento de determinado ativo, reduzindo o tempo de parada e reduzindo o custo.

Em um setor que se caracteriza por operar em ambientes adversos como o subsolo marinho, onde não há possibilidade de contar com pessoas nas operações, é necessário ter a certeza da total confiabilidade e disponibilidade dos equipamentos. Ferramentas de análise e gestão de dados, incorporadas a sistemas de monitoramento de ativos em ambientes adversos, é que vão transformar os dados em informações relevantes, com ganhos nas áreas de manutenção de instalações e gerenciamento de dados operacionais.

Segundo José Firmo, presidente do Instituto Brasileiro de Petróleo, Gás e Biocombustíveis, as novas tecnologias “estão levando o setor a uma evolução mais preditiva e não preventiva, o que pode trazer excelentes resultados no futuro”.

Rebanho bovino seria um ativo?

Para o setor de agronegócio, sim, o rebanho bovino é um ativo e a sua criação requer ferramentas de monitoramento de ativos em ambientes adversos tanto quanto os setores de óleo e gás ou de mineração. Afinal, rebanhos são criados em locais remotos e difícil acesso por conta de sua extensão, e enfrentam secas, enchentes, e outras situações adversas nos pastos.

E como a Internet das Coisas e sistemas de Analytics se encaixam na criação de rebanhos? Em uma grande fazenda, milhares de cabeças de gado precisam ser monitoradas constantemente. Em muitas delas, a alimentação é individualizada, de modo a resultar na engorda no tempo certo, em animais com melhor saúde e, consequentemente, em um produto de melhor qualidade.

A união de sensores e soluções de Analytics pode monitorar os sinais de saúde dos animais. Especialistas afirmam que pela forma como um boi caminha é possível avaliar a sua saúde, e que um sensor pode detectar o nível de acidez do estômago ou informar a quantidade de água ingerida pelo animal. Os dados consolidados são enviados para veterinários e nutricionistas, que regulam a dieta de cada animal.

Uma empresa global de nutrição animal, inclusive, vem investindo para entregar o que se chama de nutrição holística e serviços de saúde animal. Por meio do monitoramento de ativos em ambientes adversos, ao invés de produzirem quantidades padronizadas de alimentos, a empresa os produz de forma personalizada para cada animal do rebanho de seus clientes – uma alimentação mais rica em minerais ou proteínas, por exemplo.

CategoriesGestão de Ativos,  NXT

Entenda o impacto da Inteligência Artificial no diagnóstico e no prognóstico de falhas nos ativos

O que o futuro nos reserva com o desenvolvimento da Inteligência Artificial (IA)? Segundo Marcus Pereira, da Comunidade Sebrae, “em cinco anos imagina-se que praticamente todos os equipamentos poderão ter uma interface de IA. Para 2030 existe a previsão de que todo o conhecimento do cérebro humano poderá estar inserido e possível de execução por um computador”. Pensando nos equipamentos com interface de IA e na Indústria 4.0, qual será o impacto da Inteligência Artificial na gestão de ativos? Como a IA já está sendo usada para otimizar o diagnóstico e prognóstico de falhas?

Segundo Mauro Spinola, professor da Fundação Vanzolini, “a Indústria 4.0 busca maior eficiência gerencial, por meio da integração entre os dados coletados diretamente pelos sistemas CPS (cyber-physical sistem – sistema ciber-físico) e os sistemas corporativos. Dessa forma, apoia a tomada de decisão com maior agilidade e precisão, com base em análises preditivas, além das informações em tempo real, baseadas em uma grande massa de dados”.

E o modelo de manutenção preditiva, segundo o professor, com o acompanhamento periódico do funcionamento das máquinas, equipamentos e peças de uma fábrica, permite detectar as falhas antes que elas ocorram e prevenir interrupções na linha de produção.

As vantagens da manutenção preditiva são inúmeras:

  • Aumento da vida útil do ativo
  • Mais confiabilidade e disponibilidade dos serviços
  • Agilidade e otimização do processo de produção
  • Redução dos custos com manutenções corretivas
  • Eliminação do processo de desmontagem das máquinas para inspeções
  • Redução da quantidade de danos
  • Redução na perda de recursos com falhas na linha de produção

A importância dos dados na gestão de ativos

O conceito de manutenção preditiva está baseado na Internet das Coisas (Internet of Things – IoT), na coleta de dados confiáveis e na sua correta gestão. Cada vez mais equipamentos estão conectados – previsões indicam que em 2022 cerca de 4 bilhões de conexões IoT estarão ativas globalmente – e seus sensores enviam automaticamente dados e mais dados.

O uso da Inteligência Artificial na gestão de ativos é que vai permitir a correta análise dessa grande quantidade de dados recolhidos automaticamente pelas máquinas, tomando o lugar do tradicional modelo de monitoramento manual da vida útil padrão dos componentes dos equipamentos. A partir das informações enviadas pelos sensores embarcados de fábrica nos equipamentos as ferramentas de Inteligência Artificial na gestão ativos emitem alertas preditivos avaliando a sua condição atual. E também sugerem ações corretivas para reparar ativos.

E quando a manutenção for inevitável, ferramentas de Inteligência Artificial na gestão de ativos enviam alertas aos técnicos informando quais componentes precisam ser inspecionados, quais ferramentas e que métodos usar, o que resulta em reparos muito mais focados, programados em antecedência.

A correta análise desses dados é que vão evitar perdas na ordem de US$ 50 bilhões por ano – valor que as empresas perdem globalmente por conta de tempo parado não planejado. E falhas nos ativos são a causa de 42% desse tempo de inatividade não planejado.

Por isso é tão importante investir em manutenção preditiva – afinal, todos ganham com a capacidade de prever antecipadamente a próxima possível falha de uma peça, máquina ou sistema.

A manutenção preditiva utiliza algoritmos avançados de Inteligência Artificial na gestão de ativos, com técnicas de Machine Learning e de Deep Learning, formulando previsões sobre o mau funcionamento dos ativos.

Isso permite uma redução drástica no tempo de inatividade não programado, bem como um aumento considerável na vida útil dos equipamentos.

Máquinas pensando como humanos. Ou como super-humanos?

A Inteligência Artificial (IA) é um ramo da ciência da computação que se propõe a elaborar dispositivos que simulem a capacidade humana de raciocinar, perceber, tomar decisões e resolver problemas, enfim, a capacidade de ser inteligente.

Um sistema de IA tipicamente consegue analisar dados em grande escala, identificar padrões e tendências e, então, formular predições de forma automática com velocidade e precisão.

E sua evolução passa pelos conceitos de Machine Learning e Deep Learning, pilares que sustentam a IA.

Machine Learning, ou aprendizado de máquina, é o uso de algoritmos para organizar dados, reconhecer padrões e fazer com que computadores possam aprender com esses modelos e gerar insights inteligentes sem necessidade de pré-programação. Os algoritmos de Machine Learning aprendem a partir dos dados a eles submetidos e, assim, as máquinas são treinadas para aprender a executar diferentes tarefas de forma autônoma. Logo, ao serem expostas a novos dados, elas se adaptam a partir dos cálculos anteriores e os padrões se moldam para oferecer respostas confiáveis. O que isso quer dizer, na prática? Em vez de programar regras em um computador e esperar o resultado, com Machine Learning a máquina aprenderá essas regras por conta própria.

Deep Learning, ou aprendizagem profunda, é um tipo de algoritmo mais sofisticado de Machine Learning, construído a partir do princípio das redes neurais. Deep Learning são esses algoritmos complexos construídos a partir de um empilhamento de diversas camadas de “neurônios”, alimentados por quantidades imensas de dados, que são capazes de reconhecer imagens e fala, processar a linguagem natural e aprender a realizar tarefas extremamente avançadas sem interferência humana.

Das Leis da Robótica às Leis da Inteligência Artificial

O escritor Isaac Asimov é mundialmente conhecido pelos seus livros de ficção científica, onde os robôs sempre tiverem lugar de destaque nas tramas. Para manter seus robôs sob controle, Asimov criou as três Leis da Robótica, a fim de limitar o seu comportamento.

  • 1ª Lei: Um robô não pode ferir um ser humano ou, por inação, permitir que um ser humano sofra algum mal.
  • 2ª Lei: Um robô deve obedecer às ordens que lhe sejam dadas por seres humanos exceto nos casos em que tais ordens entrem em conflito com a Primeira Lei.
  • 3ª Lei: Um robô deve proteger sua própria existência desde que tal proteção não entre em conflito com a Primeira ou Segunda Leis.

Mais tarde Asimov acrescentou a “Lei Zero”, acima de todas as outras: um robô não pode causar mal à humanidade ou, por omissão, permitir que a humanidade sofra algum mal.

Atualmente, a grande questão gira em torno dos avanços e limites do uso da Inteligência Artificial, e especialistas já divulgaram esboços de novas regras que devem nortear o desenvolvimento de sistemas de IA:

  • A Inteligência Artificial deve ser projetada para ajudar a humanidade: as máquinas que trabalham ao lado dos humanos devem fazer o trabalho perigoso, como na mineração, mas ainda respeitar a autonomia humana.
  • A Inteligência Artificial deve ser transparente:as máquinas não devem ser apenas inteligentes, mas também inteligíveis, de modo a que as pessoas tenham uma compreensão de como a tecnologia vê e analisa o mundo.
  • A Inteligência Artificial deve maximizar as eficiências sem destruir a dignidade das pessoas:é preciso ampliar, aprofundar e diversificar o envolvimento da população na concepção destes sistemas. A indústria de tecnologia não deve ditar os valores e virtudes deste futuro.
  • A Inteligência Artificial deve ser projetada pensando na privacidade: é preciso incorporar proteções sofisticadas de informações pessoais e de grupos.
  • A Inteligência Artificial deve ter responsabilidade algorítmica:os seres humanos devem ser capazes de desfazer qualquer dano não intencional no sistema.
  • A Inteligência Artificial deve se proteger contra viés:os desenvolvedores devem se certificar de que a Inteligência Artificial não será usada para discriminar as pessoas.