Melhorar uma unidade de impressão de uma empresa fabricante líder
O cliente procurava melhorar uma unidade de impressão que enfrentava dificuldades com entregas atempadas e uma elevada frequência de setups das máquinas, o que reduzia a Eficiência Global dos Equipamentos (OEE). Um diagnóstico revelou a necessidade de um melhor planeamento das encomendas e de uma maior coordenação entre Produção, Cadeia de Abastecimento e Manutenção para otimizar as operações.
Em conjunto com o cliente, criámos um mapeamento interdepartamental dos processos para obter uma visão sistémica. Foram implementadas iniciativas como a melhoria do gerador de planeamentos e a revisão das políticas MTS/MTO, visando maximizar a eficiência da fábrica e garantir a entrega atempada das encomendas. Adicionalmente, foi desenvolvido um programa para assegurar que os trabalhadores da produção cumprissem o planeamento.
Num prazo ambicioso, entregámos iniciativas que visaram um aumento de 12 pontos percentuais na OEE da unidade de impressão e um crescimento de 22 pontos percentuais no cumprimento do plano, reduzindo a equipa dedicada ao planeamento da produção e garantindo que mais ordens de trabalho fossem produzidas a tempo.
Uma empresa fabricante líder pediu-nos para melhorar uma das suas unidades de impressão. A empresa enfrentava dificuldades em entregar as encomendas dentro dos prazos desejados pelos clientes, ao mesmo tempo que mantinha uma sequência de produção eficiente, capaz de suportar um elevado rendimento das máquinas sem a necessidade constante de mudar os setups.
Os processos de impressão costumam envolver um elevado número de setups, o que reduz a Eficiência Global dos Equipamentos (OEE), exigindo assim uma operação altamente sincronizada. Um diagnóstico inicial sugeriu que não só era necessário melhorar o planeamento das encomendas, como também garantir um alinhamento adequado entre as diferentes áreas funcionais, como Produção, Cadeia de Abastecimento e Manutenção.
Em colaboração com o cliente, desenhámos um mapeamento interdepartamental dos processos que permitiu obter uma visão sistémica. Com base neste passo inicial, foi identificado e implementado um conjunto de iniciativas.
Por exemplo, procedemos à revisão do gerador de planeamentos, incorporando as melhorias propostas pela equipa do cliente, assim como outras otimizações identificadas durante a fase de mapeamento.
Esta ação garantiu uma abordagem integrada, focada em maximizar a eficiência global da fábrica, ao mesmo tempo que assegurava o cumprimento das datas de entrega.
Outras iniciativas incluíram a revisão da política entre componentes Make-To-Stock (MTS) e Make-To-Order (MTO), bem como o desenvolvimento de um programa para garantir a execução do planeamento pelos trabalhadores da produção.
O nosso trabalho foi realizado num prazo ambicioso, assegurando um ritmo acelerado de iterações de desenvolvimento e teste.
O conjunto de iniciativas estimou um aumento de 12 pontos percentuais na Eficiência Global dos Equipamentos (OEE) da unidade de impressão, ao mesmo tempo que reduziu o número de colaboradores dedicados à elaboração dos planos de produção.
Além disso, a estratégia mais coordenada estimou alcançar um crescimento de 22 pontos percentuais no cumprimento do plano, uma métrica que representa a quantidade de ordens de trabalho produzidas dentro do prazo negociado com a área comercial.
A LTPlabs ajudou um grande fabricante industrial a reduzir o tempo de planeamento da produção de até duas semanas para apenas algumas horas, através da implementação de uma solução de otimização baseada em Programação Linear Inteira Mista (MILP).
Desenvolvimento de uma metodologia assente numa abordagem de simulação-otimização para otimização de múltiplos armazéns com configurações diferenciadas
Como aumentar a competitividade geral
Planeamento das atividades de distribuição internacional
Uma empresa do setor alimentar centralizou os dados mestre, digitalizou e automatizou dados anteriormente introduzidos de forma manual e criou, em seis semanas, uma base reutilizável para a governação de dados.
Reforçar a resiliência da cadeia de abastecimento através de Machine Learning: melhores níveis de serviço e decisões mais eficazes no retalho alimentar.