Transformar a alocação de produtos em pó numa decisão de produção baseada em dados

O desafio

Um fabricante de bens de consumo precisava de distribuir produtos em pó por várias linhas de produção, ajustando a alocação à medida que as necessidades evoluíam ao longo de cada ciclo produtivo.

Os operadores desempenhavam um papel central neste processo. Eram responsáveis por calcular e estimar as necessidades de produto em pó, verificar o progresso da produção, monitorizar os níveis dos contentores e coordenar a movimentação dos carros de transporte (buggies) entre as diferentes etapas de produção. A variabilidade da densidade do produto acrescentava uma camada adicional de complexidade, dificultando a avaliação visual das quantidades necessárias em cada contentor. Por sua vez, a disponibilidade insuficiente de carros de transporte ou a ocorrência de bloqueios podiam provocar paragens de produção.

A informação necessária para apoiar estas decisões encontrava-se dispersa por vários sistemas. Os operadores recorriam ao Excel para consolidar dados, calcular o número de carros de transporte necessários e acompanhar o progresso da produção. Os condutores destes carros recebiam instruções em papel sobre o destino seguinte. Consequentemente, muitas decisões operacionais dependiam fortemente da experiência individual e de uma monitorização manual contínua.

O desafio consistia em transformar este processo fragmentado num sistema integrado de apoio à decisão, capaz de combinar os planos de produção com as condições reais no chão de fábrica e antecipar as necessidades de produto em pó à medida que a produção evoluía.

A solução

A LTPlabs desenvolveu uma aplicação analítica que combina modelos preditivos, simulação através de um gémeo digital, monitorização em tempo real e visualização da produção.

Foram utilizados dados históricos sobre os produtos, a produção e as características das embalagens para estimar a relação entre a quantidade de produto em pó solicitada e o peso final do produto embalado. À medida que eram disponibilizados novos dados de produção, o desempenho real permitia atualizar continuamente as previsões e apoiar as decisões sobre a necessidade de carros de transporte adicionais.

Esta componente preditiva alimentava um gémeo digital do ambiente de produção. O modelo representava o processo produtivo através de variáveis operacionais, incluindo os níveis de produto em pó nos contentores, a capacidade dos carros de transporte, a capacidade de enchimento, as ordens de produção, as amostras de densidade, as paragens de produção, os desperdícios e as embalagens com excesso de peso.

Ao simular a interação entre estas variáveis, o gémeo digital proporcionava visibilidade sobre a conclusão prevista das ordens de produção, os níveis de produto em pó nos contentores e o número de carros de transporte necessários. Os operadores podiam também ajustar os parâmetros do modelo para representar alterações não contempladas nos dados históricos, avaliando o seu potencial impacto antes de tomar decisões operacionais.

A aplicação integrou estas capacidades analíticas com a monitorização da produção em tempo real. Um dashboard centralizava indicadores como os desperdícios e as embalagens com excesso de peso, o desempenho da distribuição dos carros de transporte, os níveis de produto em pó nos contentores, o estado das linhas de embalamento e o cumprimento das ordens de produção. Os alertas sinalizavam desvios relevantes na produção e potenciais riscos de paragem.

O novo fluxo de trabalho automatizou parte da consolidação de dados anteriormente realizada em Excel, disponibilizando diretamente aos operadores as recomendações analíticas e a informação sobre o estado da produção.

Os Resultados

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

Os operadores passaram a dispor de uma visão centralizada do estado da produção e das necessidades de produto em pó, apoiada por dados integrados automaticamente, em substituição da consolidação manual de informação proveniente de diferentes fontes. As recomendações analíticas passaram a oferecer suporte adicional às decisões sobre o número de carros de transporte necessários, tanto antes como durante a produção.

O gémeo digital permitiu também integrar a simulação nas decisões operacionais do dia a dia. As equipas passaram a poder avaliar a conclusão prevista das ordens de produção e a dinâmica de reabastecimento, identificar potenciais ruturas de abastecimento de produto em pó ou paragens das linhas e analisar alterações nas condições de produção através do ajuste dos parâmetros do modelo.

Ao nível dos processos, atividades anteriormente dependentes de cálculos manuais e de comunicações repetidas passaram a ser automatizadas ou diretamente acessíveis através da aplicação de monitorização. O fabricante manteve ainda o controlo sobre a aplicação e as ferramentas analíticas desenvolvidas, alojadas na sua própria infraestrutura.

O projeto foi concebido para contribuir para a redução dos desperdícios, a diminuição das paragens de produção, a redução do esforço de consolidação de dados e o aumento da eficiência produtiva.