Transformando a alocação de pós em uma decisão de produção orientada por dados

O desafio

Um fabricante de bens de consumo precisava alocar pó entre várias linhas de produção à medida que as necessidades se alteravam ao longo de cada ciclo de produção.

Os operadores desempenhavam um papel central nesse processo. Calculavam e estimavam as necessidades de pó, verificavam o andamento da produção, monitoravam os níveis dos silos e coordenavam a movimentação dos buggies entre as diferentes etapas produtivas. A variabilidade da densidade do pó acrescentava outra camada de complexidade, pois afetava a avaliação visual das necessidades de pó em cada silo, enquanto a disponibilidade insuficiente de buggies ou eventuais bloqueios podiam provocar paradas de produção.

As informações necessárias para essas decisões estavam distribuídas por vários sistemas. Os operadores recorriam ao Excel para reunir dados, calcular quantos buggies eram necessários e acompanhar o andamento da produção. Os condutores dos buggies levavam consigo um pequeno papel com a indicação do próximo destino. Como resultado, muitas decisões operacionais dependiam fortemente da experiência individual e de um acompanhamento manual contínuo.

O desafio consistia em transformar esse processo fragmentado em um sistema de decisão conectado, capaz de combinar os planos de produção com as condições reais do chão de fábrica e antecipar as necessidades de pó à medida que a produção evoluía.

A solução

A LTPlabs desenvolveu uma aplicação analítica que combina modelagem preditiva, simulação com gêmeo digital, monitoramento em tempo real e visualização da produção.

Dados históricos sobre produtos, produção e atributos de embalagem foram utilizados para estimar a relação entre a quantidade de pó solicitada e o peso final do produto embalado. À medida que novas informações de produção se tornavam disponíveis, o desempenho real podia atualizar continuamente a previsão e apoiar as decisões sobre necessidades adicionais de buggies.

Essa camada preditiva alimentava um gêmeo digital do ambiente de produção. O modelo representava o processo produtivo por meio de variáveis operacionais, incluindo níveis dos recipientes de pó, capacidade dos buggies, capacidade de enchimento, ordens de produção, amostras de densidade, paradas de produção, perdas e embalagens com excesso de peso.

Ao simular a interação entre essas variáveis, o gêmeo digital fornecia visibilidade sobre a conclusão esperada das ordens, os níveis de pó e dos silos e o número de buggies necessários. Os operadores também podiam ajustar parâmetros do modelo para representar alterações ausentes dos dados históricos e avaliar o seu potencial impacto antes de tomar decisões operacionais.

A aplicação conectava essa capacidade analítica ao monitoramento da produção em tempo real. Um dashboard centralizava indicadores como perdas e embalagens com excesso de peso, desempenho da distribuição dos buggies, níveis de pó nos silos, status das linhas de embalagem e cumprimento das ordens. Alertas destacavam desvios relevantes na produção e potenciais riscos de parada.

O fluxo de trabalho resultante automatizou parte da consolidação de dados anteriormente realizada no Excel e tornou as recomendações analíticas e as informações sobre o status da produção diretamente acessíveis aos operadores.

Resultados

O projeto estabeleceu um modelo operacional mais orientado por dados para a distribuição de pó.

Os operadores passaram a contar com uma visão centralizada do status da produção e das necessidades de pó, apoiada por dados integrados automaticamente, em vez de uma consolidação manual proveniente de diversas fontes de informação. Recomendações analíticas passaram a oferecer suporte adicional às decisões sobre a quantidade de buggies necessária, tanto antes quanto durante a produção.

O gêmeo digital também incorporou a simulação ao processo de tomada de decisão do dia a dia. As equipes passaram a poder avaliar a conclusão esperada das ordens e a dinâmica de reabastecimento, identificar potenciais faltas de pó ou paradas de linha e analisar alterações nas condições de produção por meio dos parâmetros do modelo.

Ao nível do processo, atividades que anteriormente dependiam de cálculos manuais e de comunicação repetitiva passaram a ser automatizadas ou diretamente acessíveis por meio da aplicação de monitoramento. O fabricante também manteve a propriedade da aplicação e das ferramentas analíticas desenvolvidas em sua própria infraestrutura.

O projeto foi concebido para contribuir para a redução de perdas, a diminuição de paradas de produção, a redução do esforço de consolidação de dados e o aumento da eficiência produtiva.