Licenças do Power BI Explicadas
Tudo o que você precisa saber sobre as licenças e preços do Microsoft Power BI, Fabric, Power BI Embedded e Power BI Report Server.
Indústria 4.0 e Análise de Dados
Como a tranformação digital aliada à manutenção industrial pode gerar valor para consumidores e parceiros de negócio.
Para muitas organizações, informação está cada vez mais no radar dos gestores. Com o avanço tecnológico a capacidade de tirar bons frutos dos dados aumentou significativamente. Mas como exatamente a indústria 4.0 e análise de dados conseguem ajudar tanto as empresas?
O recurso mais valioso do mundo não é mais petróleo e sim dados
Vamos começar descrevendo a medida final pela qual uma empresa é julgada: Valor!
O que é geração de valor
Organizações geram valor atendendo os interesses dos seguintes grupos:
- Consumidores: São os que esperam boa qualidade de serviços e produtos.
- Colaboradores: Conduzem as operação e representam a equipe. Estão em busca de desenvolvimento profissional, ter um trabalho significativo com poder de decisão e querem estar em um ambiente agradável de trabalho.
- Parceiro (stakeholders): São os investidores de tempo, dinheiro ou ambos. Eles estão em busca de valorização no mercado, dividendos ou desenvolvimento de algum indicador não-financeiro.
Para que uma empresa sobreviva esses interesses devem ser atingidos com consistência e velocidade e eles só serão alcançados através de boas tomadas de decisão. O conceito de inteligência de negócio se aplica bem nesse cenário e tem um papel fundamental. Existem diversas definições de inteligência de negócios mas uma simples e efetiva é:
Inteligência de negócios (BI) é o uso da informação para criar e maximizar valor
O BI (Business Intelligence) utiliza alguns pilares para boa tomada de decisão e consequentemente geração de valor. Para começar precisamos da informação correta e que ela faça sentido. Para isso os dados devem ser relevantes e de qualidade. Após a obtenção destes dados precisamos transformá-los em insigths que geram ações.
Antes de gerar ações, os dados normalmente são processados e modelados para uso de profissionais de negócio. Eles utilizam relatório e dashboards para reportar, analisar e medir o desempenho dos objetivos traçados. Esses objetivos dependem das estratégias que a empressa segue baseada por fim na sua missão.
Mas como de fato a cadeia de valor do BI se aplica na indústria?
Gerando Valor na Indústria
Para satisfazer a demanda dos clientes tanto em termo de quantidade ou qualidade de produtos/serviços as instalações industriais precisam operar de modo previsível. Entender o comportamento do processo e também do maquinário envolvido é essencial, porém isso não é uma realidade global.
Estima-se um custo anual $50 bilhões devido à downtime não planejado nas manufaturas industriais
É evidente que paradas de produção decorrentes de falhas de maquinário vão ter um impacto negativo na geração de valor, atingindo praticamente todos os 3 grupos de interesse (clientes, colaboradores e parceiros). Evitar falhas e elevados custo de manutenção é de fato um objetivo a ser alcançado por qualquer instalação.
Mas antes de falarmos de como análise de dados entram nesse processo vamos discutir um pouco sobre qual a melhor estratégia a se seguir para maximizar a geração de valor e o retorno sobre o investimento (ROI), afinal os objetivos e planos são criados a partir das estratégias da organização.
Estratégias de Manutenção
Seguir uma boa estratégia de manutenção e traçar objetivos e planos para alcança-la pode trazer impactos significativos na geração de valor
5-20% de redução de capacidade produtiva é consequência de más estratégias de manutenção
Existem 5 principais estratégias de manutenção de ativos:
- Manutenção Reativa ou Corretiva (CM): É realizada somente após a detecção da falha, resultando em uma manutenção corretiva. É o tipo de manutenção que garante tempo máximo operacional entre shutdowns, porém gera ocasionalmente falhas catastróficas com sérias consequências de segurança, perda de produção e custo de reparo.
- Manutenção Preventiva (PM): Conduz manutenções em períodos regulares de tempo com a finalidade de minimizar a probabilidade de falhas. Entretanto esta abordagem acaba gerando demasiado consumo de sobressalentes e muitas vezes, uso desnecessário de mão de obra.
- Manutenção Baseada em Condição (CBM): É centrada no conceito de monitorar a operação dos sistemas críticos em tempo real e detectar falhas antes mesmo de elas acontecerem. Isso permite uma programação mais conveniente dos intervalos de manutenção ou reparo. Técnicas para diagnosticar a condição dos equipamentos e consequentemente potenciais falhas envolvem análise de vibração, análise de lubrificantes, monitoramento remoto (usando machine learning ou não), termografia, entre outras.
- Manutenção Preditiva (PdM): Utiliza diversos conceitos da CBM porém aplica técnicas mais avançadas de análise de dados, como aprendizado de máquina (machine learning) para de fato prever quando uma potencial falha pode ocorrer.
- Manutenção Prescritiva (RxM): Evolui da preditiva porém além de prever quando falhas podem ocorrer ela fornece a solução à problemas automaticamente. Utiliza técnincas de AI (inteligência artificial) e IoT (Internet das Coisas), trazendo sugestões avançadas para otimização da produção e redução de downtime.
O gráfico abaixo mostra como as estratégias de manutenção são efetiva, ou seja, se elas geram impacto na geração de valor, por quão eficiente elas são, ou seja, de que modo elas são feitas para gerar ROI. Observe que estratégias que utilizam análise de dados, como a PdM e a RxM são bem mais eficientes e eficazes do que estratégias como a PM e a CM.
Para melhor visualização, as curvas P–F (Falha Potencial & Falha) abaixo mostram uma generalização de como cada estratégia consegue evitar falhas e reduzir os custos de manutenção. As curvas P-F mostram a deterioração da condição de um ativo no decorrer no tempo e consequentemente sua falha (marcado com um X) e como as manutenção são efetivas em restaurar a condição original.
Transformação Digital
Agora que já temos um entendimento claro de como as estratégias de manutenção podem maximizar a geração de valor vamos ver como elas podem ser implementadas e como a análise de dados e o BI podem te ajudar neste processo.
Em primeiro lugar é preciso identificar qual o nível de maturidade cultural sua organização está inserida. Não adianta nada trazer solução de AI sem antes mostrar aos coloboradores como de fato essas estratégias podem ajudá-los. Existe um caminho à ser seguido e o apoio de setores gerenciais é imprescindível.
Sua organização pode precisar investir em treinamentos e capacitação, tal como contratar profissionais da área de dados como engenheiro de dados para infraestrutura, analistas de dados e de BI para contextualizar os dados e cientistas de dados para desenvolver solução preditivas.
De forma resumida o passo a passo para a transformação digital envolve 4 etapas:
- Criar uma infraestrutura de dados operacional: Implemente soluções que obtém dados operacionais em tempo real como os fornecidos pela OSIsoft PI System, Bentley Nevada System 1, entre outras soluções. Investir em ferramentas baseada em nuvem como o Microsoft Power BI e os serviços da Microsoft Azure ou Amazon AWS também vão agregar significativamente nas próximas etapas do processo. Essa etapa irá garantir que seu modelo de dados tenha a informação disponível para ser consumida.
- Contextualizar e aprimorar seus dados: Certifique-se que os dados não estão apenas sendo coletados, mas também devidamente aprimorados para gerar insights de negócio e ações. Lembre-se que as informações devem fazer sentido e que os dados devem ser relevantes. Uma maneira de aprimorar os dados é contextualizando-os. Contextos operacionais vão ajudar a responder perguntas como: “Quantas paradas de produção ocorreram devido a falhas de máquina em relação a paradas de emergência do processo”?
- Implementar manutenção baseada em condição: Usando os dados já contextualizados juntos com metodologias como FMEA (Análise de Modos de Falha e Efeito) e modelos estatísticos é possível identificar as condições que levam a uma falha em um ativo e quais são os principais meios para programar manutenções. Por exemplo, quando a temperatura de um rolamento começa a aumentar fora de sua faixa normal, isso geralmente significa que o rolamento irá eventualmente falhar. À medida que a temperatura começa a subir, a infraestrutura de dados operacionais em tempo real pode alertar os técnicos de que esse elemento está se aproximando da falha a tempo de consertar a máquina antes que ela realmente quebre.
- Implementar manutenção preditiva/prescritiva: Após a implementação das etapas anteriores é hora de dar o próximo passo em direção a indústria 4.0. Criar soluções preditivas de aprendizado de máquina para detecção de anomalias por exemplo, podem identificar os padrões que indicam uma falha potencial. No exemplo de rolamento acima, os dados operacionais podem ser usados para identificar o padrão que faz com que a temperatura do rolamento comece a aumentar além de sua faixa normal de operação. Uma vez implementada, essa abordagem pode aumentar significativamente a produtividade e reduzir os custos de manutenção e consequentemente gerar valor.
Referências
- A Four-Step Approach to Predictive Maintenance 4.0 – OSIsoft
- How manufacturers can achieve top quartile performance – Emerson / Wall Street Journal
- IoT slashed downtime with predictive maintenance – PTC
- Hyper: Changing the way you think about, plan, and execute business intelligence for real results, real fast! – Gregory P Steffine
- Business Intelligence e Análise de Dados para Gestão do Negócio – Ramesh Sharda
- RCM – Gateway to World Class Maintenance – Smith, Anthony M.
Outros Conteúdos
Como Juntar Abas de Planilha Excel para Analisar O Histórico de Várias Ações
Como importar rapidamente o histórico de várias ações com uma planilha Excel automatizada pro Power BI usando a fórmula HISTÓRICODEAÇÕES e juntando abas de planilha Excel numa só
Autor
Breno Valinhas
Engenheiro mecânico e certificado como Data Analyst Associate pela Microsoft. Atualmente trabalha como engenheiro de manutenção e há mais de 6 anos analisa as condições de máquinas rotativas e desenvolve diversas soluções em Microsoft Power BI aplicadas ao planejamento de manutenção e gestão de contratos. Desde 2020 cria conteúdos no YouTube e Instagram sobre Power BI, inteligência de negócios e controle financeiro.