Otimização da fabricação para Golden Batches ou Golden Runs repetíveis

A repetição de Golden Batches ou Golden Runs na indústria é uma prioridade para muitos fabricantes. Diversos setores ainda estão enfrentando turbulência de preços e disponibilidade no que se refere à oferta e demanda, tornando cada execução extremamente importante.

Golden Batches e/ou Runs são usados por fabricantes para produzir repetidamente um produto preciso. Eles encapsulam os parâmetros de produção ideais necessários para que equipamentos, materiais, processos e todos os outros aspectos fluam juntos simultaneamente.

Embora existam muitas vantagens para Golden Batches, se seu domínio fosse fácil, todos os produtos passariam pelo mesmo processo. No entanto, sabemos que a variabilidade é inevitável ao fabricar artigos complexos. Ser capaz de dominar não apenas um Golden Batch por produto, mas por toda uma linha ou até mesmo várias linhas, é algo que exige tempo, experiência e, é claro, as equipes e os dados certos para a execução.

Por que este é um momento importante para implementar Golden Batches ou Golden Runs?

De acordo com uma pesquisa da McKinsey sobre modelagem de processos, os fabricantes que implementam tecnologia avançada na operação obtêm um expressivo ROI (retorno sobre o investimento). Na verdade, eles registram uma redução nos desvios de mais de 30% e uma redução no custo total da qualidade em 10% a 15%.

Mesmo que os fabricantes saibam mais sobre seus processos do que nunca, pode ser muito complexo e demorado se afastar constantemente da produção para descobrir métodos melhores e mais eficientes. Entretanto, fazer isso pode render mais do que você imagina.

Se esse raciocínio por si só faz você pensar em um futuro “golden”, vale a pena ler para ver por que outros líderes adotaram Golden Runs. 

“O que levaria horas de trabalho, passando por 4.000 rótulos diferentes que usamos em nossa máquina, podemos fazer em apenas alguns cliques.”

Tyler Shirley, engenheiro elétrico de Desenvolvimento de Ativos na Kimberly-Clark.

Economia de tempo com dados consistentes e confiáveis  

Ter dados consistentes e confiáveis significa que você tem uma maneira de utilizar seus dados históricos e em tempo real. Você precisa deles para entender as configurações que levam a Golden Runs, e necessita de um fluxo contínuo deles em tempo real para fazer os devidos ajustes e adaptações.

Se você tem dados históricos, provavelmente conseguiu aproveitar a IA, o Machine Learning ou sua equipe de cientistas de dados para identificar sua linha central e, pelo menos, estabilizar seu processo. Por sua vez, o próximo passo lógico é repetir e refinar ainda mais seus Golden Runs. Para fazer isso, considere o uso de Gêmeos Digitais, que podem te ajudar a apresentar um modelo contínuo de dados que fornece um instantâneo de tudo o que você produz.

Os dados podem ser um ativo para muitas empresas de manufatura, mas tê-los não é suficiente. Digamos, por exemplo, que você entenda a temperatura média da caldeira em uma de suas linhas. Certamente, esta é uma informação importante de se ter, mas o que você pode fazer com a média? A informação não aponta o que mudar. Ela simplesmente diz qual é a temperatura média durante determinado período. 

Para repetir os Golden Batches, é necessário identificar os pontos de ajuste ideais em suas linhas de produtos para utilizar realmente seus dados da melhor forma. Mas, para fazer isso, você precisa ter as informações certas, o que pode consistir em um processo mais longo.

Os Gêmeos Digitais podem contribuir para você identificar como fabricar seu produto com alto rendimento e baixo custo. Com este recurso alimentado pelo Braincube, as equipes têm uma réplica digital dinâmica da maneira como um item foi feito. Por sua vez, você pode usar o banco de dados de Gêmeos Digitais em sistemas de terceiros, aplicativos Braincube ou outros modelos personalizados. 

Por exemplo: a Kimberly-Clark usa Python para criar modelos preditivos. Isto os ajuda a entender como otimizar o peso de base e outros padrões para gerar seus Golden Batches. No entanto, sabemos que a qualidade dos modelos depende da qualidade dos dados. 

Para garantir que os dados certos fossem usados, eles aproveitaram o aplicativo Advanced Analysis do Braincube para validar o modelo. A IA identificou que havia informações surpreendentes no modelo original. Esses pontos de dados estavam realmente incorretos! Tags erradas descaracterizaram os dados, mostrando inconsistências que não existiam.

“O que levaria horas de trabalho, passando por 4.000 rótulos diferentes que usamos em nossa máquina, podemos fazer em apenas alguns cliques”, disse Tyler Shirley, engenheiro elétrico de Desenvolvimento de Ativos na Kimberly-Clark.

Os dados e as ferramentas de análise corretos podem economizar tempo e recursos das empresas, além de reduzir os custos gerais de produção. Muitas vezes, a IA pode até descobrir oportunidades inesperadas de otimização. 

Descobrir otimizações requer uma estratégia  

Você não pode, no entanto, simplesmente se lançar em direção aos Golden Batches. Normalmente, eles exigem uma grande quantidade de dados históricos. Você precisa entender diferentes execuções que foram bem-sucedidas e malsucedidas. Execuções que atingiram sua marca de qualidade e levaram menos recursos para produzir. 

Para isso, é comum integrar algum tipo de IA avançada, como CrossRank do Braincube ou o Machine Learning para detectar padrões que levam a resultados positivos. Ferramentas como essa são capazes de identificar suas execuções ideais, adaptar-se continuamente às mudanças constantes nas condições e oferecer recursos para enviar alterações ao departamento operacional em uma única plataforma. Ao entender o desempenho histórico, você pode começar a descobrir as configurações ideais para qualquer produto que esteja produzindo.

Curiosamente, porém, às vezes o que você encontra não é o que poderia esperar. Por exemplo: um fabricante de papel com quem trabalhamos poupou o custo de aquisição de novos equipamentos porque conseguiu fazer alguns ajustes identificados pela ferramenta de análise do Braincube, que possibilitou manter a mesma qualidade com menos recursos. 

Muitas vezes, a IA ajuda a identificar padrões, mas não costuma informar as configurações operacionais prescritivas para repetir seu sucesso. Todos sabemos que os fabricantes não podem se dar ao luxo de assumir riscos. Se manipulam algo a montante, precisam entender as implicações na qualidade final, no desgaste da máquina e em outras avarias na produção.

Por exemplo: só porque você almeja reduzir seu consumo de energia, não significa que pode isolar esse KPI. Você precisa entender como reduzir a energia sem sacrificar outros fatores, como qualidade, velocidade ou rendimento. 

É necessário considerar a teoria das restrições e as influências que você poderá ter a vazante, se não tiver uma abordagem coesa. Muitas vezes, os fabricantes podem estar excessivamente focados em diversos KPIs, o que resulta no desvio do desempenho geral. 

Por outro lado, você precisar saber o que deseja alcançar com Golden Batches. Está disposto a utilizar mais energia para obter uma melhor qualidade? É necessário estar no modo ativado, levando todos os produtos possíveis para o processo de fabricação, sabendo que alguns são melhores do que outros? Seu processo é ágil o suficiente para que, à medida que as fontes de energia flutuem, você tenha um plano para não sair do ritmo?

Um fabricante global de alimentos e bebidas e cliente do Braincube queria reduzir o seu consumo de gás e ainda manter a qualidade. Com o aumento do custo do gás, o cliente queria encontrar opções mais sustentáveis, incluindo a geração de vapor com caldeiras de biomassa para deixar de depender do gás. Como uma marca de grande nome, esta empresa não podia se dar ao luxo de sacrificar a qualidade. 

Eles pensaram que, se pudessem replicar os Golden Batches por meio dos KPIs de sustentabilidade, economizariam dinheiro substancial e manteriam as equipes motivadas. Com mais de 1.300 variáveis do processo de tratamento do café e da fase da caldeira de biomassa, havia muitos dados para dissecar. Eles queriam, especificamente, se concentrar na caldeira de biomassa, que produz vapor para extrair material de café solúvel em água, pois ela demonstrava consistentemente uma pontuação OEE menor do que a média da máquina. 

Ser capaz de dissecar seu processo é importante para que eles entendam as ineficiências em sua operação de biomassa. Eles usaram a IA do Braincube para determinar que poderiam reduzir o teor de água no produto com configurações otimizadas para IA, visando regular o nível de O2. Isso os ajudou a reduzir o consumo de gás em 21.600 toneladas. Além disso, reduziram as emissões anuais de CO2 em 4.200 toneladas.

Fazer reduções e alterações precisas como essa ajuda a criar os dados necessários para um Golden Batch. Agora que eles têm Golden Batches, são capazes de comparar diferentes regras ativas, visualizar sua taxa média de aplicação, resultados e tendências e descobrir otimizações que geram economias multimilionárias. Como o Braincube foi projetado para fechar o ciclo de produção, o time pode enviar configurações diretamente para as equipes da linha de frente com apenas alguns cliques.

Esse processo continuamente conectado é o motivo pelo qual muitos clientes permanecem no Braincube. 

Golden Batches que reduzem os desvios do ponto de ajuste

Um cliente de longa data na fabricação de papel queria que o Braincube o ajudasse a identificar como repetir Golden Batches. Na empresa, eles usam essas informações para medir o desempenho nas metas de estabilidade do processo. Se as equipes puderem alcançar Golden Batches repetidamente, elas estarão implementando com consistência os parâmetros de produção corretos para um determinado produto. 

As ferramentas do Braincube tornam mais fácil para as equipes analisarem as execuções anteriores, selecionarem aquelas com as melhores condições e orientarem os operadores a configurar a próxima execução. Por exemplo: o uso do Studio, um portal central que leva a inúmeros casos de uso industrial, permite que as pessoas tenham uma experiência altamente personalizável. 

Outro exemplo: equipes ou indivíduos podem selecionar em que grade e faixa de velocidade que gostariam de visualizar e extrair o Golden Batch de determinado produto. Em seguida, o painel do aplicativo é preenchido automaticamente com as condições de execução das principais variáveis de entrada do “Golden Batch” mais recente. Neste sentido, o painel recria uma regra/padrão de produção em tempo real com base nos dados mais atuais, orientando os operadores na configuração da execução seguinte. 

No entanto, isso não significa que as equipes possam executar repetidamente os mesmos parâmetros todas as vezes e esperar os mesmos resultados: como qualquer fabricante, esse cliente precisa se ajustar continuamente ao desvio de ponto de ajuste, alterações de grau, desempenho de ativos e outras variáveis.

“Se você retornar para as últimas configurações que executou, depois de cerca de seis ou sete execuções, perceberá que se desviou para configurações insatisfatórias”, disse esse cliente. “Ninguém realmente percebe isso acontecendo, mas é algo que acontece. Com o Braincube, as equipes podem avaliar o que aconteceu e se perguntar: ʽComo podemos executar melhor esta próxima série?ʼ” 

Ao extrair as configurações mais recentes de uma “golden run” para o painel, os funcionários dessa empresa podem explicar desvios de processo porque não confiam no que funcionou há muitos meses ou anos. Eles estão continuamente usando as configurações mais atualizadas que levam a um bom desempenho. 

A indústria de papel tem margens apertadas e, com o aumento do custo do petróleo e o desafio de fornecer matérias-primas, muitos custos continuam a aumentar e a disponibilidade a diminuir. É aqui que a otimização de receitas e os Golden Batches realmente melhoram a competitividade das empresas.

Entender a quantidade de carga que pode ser inserida em um produto, mantendo a qualidade ou identificando as configurações de calor mais baixas necessárias para derreter o vidro, pode ajudar a economizar dinheiro em termos de materiais.

“Antigamente, descobrir como atualizar uma linha de produção sem IA era um verdadeiro quebra-cabeça. Os dados que precisavam ser processados eram altamente complexos”, disse o diretor de Manufatura da Saint-Gobain-Weber. “Havia vários fatores que tinham que ser considerados em tempo real. Além disso, não levávamos em conta o tempo necessário para analisar dados e tomar decisões.”

Os Golden Batches ou Golden Runs são o objetivo certo?

Certo, devíamos ter falado isso no começo. Mas tivemos que guardar algumas considerações para o final. Embora muitos de nossos clientes utilizem o conjunto de produtos Braincube para gerenciar Golden Runs de forma satisfatória, recomendamos que você considere a sua própria definição de um Golden Run.

Na maioria das vezes, as empresas tentam repetir execuções com base em seu histórico e, é claro, há o momento e lugar certos para isso. No entanto, com a nossa IA CrossRank, não queremos apenas ajudar você a repetir uma execução, mas entender o que pode ser consistentemente alcançado com diferentes dimensões de um Golden Batch. 

Quando executa uma Advanced Analysis dentro da plataforma Braincube, você está, na verdade, definindo os resultados que pretende alcançar, de modo que o algoritmo irá prescrever como alcançá-los. Por exemplo: talvez a economia de energia seja o que você precisa mais do que qualquer coisa, o que faz você focar em um Golden Batch utilizando fontes de energia alternativas. Ou talvez você queira usar material menos oneroso e adicionar o maior volume de carga que puder usar antes de afetar a qualidade. Independentemente da necessidade, uma das principais diferenças na forma como o Braincube aborda Golden Runs é esta: adicionamos contexto por meio de referências cruzadas a execuções passadas para recomendar as definições certas com base no seu objetivo final: volume, energia, qualidade, etc. 

Conclusão 

Embora seja verdade que você precisa de uma grande quantidade de dados para propor uma Golden Run, ferramentas como as do Braincube estão aqui para ajudar. De visualização de dados e storytelling a análises robustas de autoatendimento, nossa abordagem de “engatinhar, andar e correr” para a transformação digital ajudará você não apenas a alcançar seus objetivos, mas a superá-los.

Com as ferramentas corretas, os dados e os resultados da estratégia que dependem de Golden Batches são, no mínimo, transformadores.

A implementação de ferramentas como o Braincube fornece aos clientes as ferramentas e os recursos que lhes permitem pensar de forma criativa e crítica sobre o que aconteceu durante a produção e o motivo. Engenheiros e operadores ainda têm autonomia sobre quais parâmetros implementar, mas eles estão tomando melhores decisões, baseados em dados porque podem acessá-los de forma rápida e fácil e analisá-los em tempo real, para fornecer as melhores recomendações com base no sucesso recente.