Por Eng. Paulo Roberto dos Santos
Estamos trazendo, desde a edição 167, o passo a passo para desenvolver uma jornada para a indústria 4.0, de forma segura e sustentável. Já vimos várias etapas, com enfoque no planejamento para a Indústria 4.0. Nesta edição, vamos analisar um aspecto muito importante dos processos de transformação para a abordagem da indústria 4.0, que reside na necessidade de estabelecer capacidades analíticas multifuncionais, estreitamente ligadas às prioridades estratégicas de toda a empresa.
De forma combinada, é preciso estabelecer a interação de dados das diferentes áreas funcionais da empresa, como por exemplo, os dados de qualidade, logística com funções de engenharia. Aprendendo, assim, a obter valor dos dados através de um design inteligente de sistemas, usando análises em tempo real para adequar os produtos para os clientes e melhorar continuamente seus processos.
A PA (predictive analytics – ou análise preditiva, em português) pode ser considerada uma modelagem estatística, composta por dados coletados. A partir de tais informações, seria possível antecipar padrões e tendências. Essa antecipação só se torna possível graças aos mecanismos de inteligência artificial implantados na empresa.
Essa tecnologia também pode ajudar a organização no que diz respeito às manutenções periódicas. A análise de dados de qualidade e o estabelecimento de padrões, que citamos acima, também são processos úteis para identificar futuras necessidades de substituição de peças, por exemplo. Basear-se na vida útil e nas circunstâncias de uso seriam bons exemplos desses padrões.
Sendo assim, uma empresa que emprega a inteligência artificial no que diz respeito a garantir o bom funcionamento dos equipamentos otimiza o tempo, os custos e a produtividade dos processos internos de modo geral.
Na Indústria 4.0 os processos, equipamentos e máquinas estão continuamente gerando dados, que trafegam até os sistemas de gestão, e criam um enorme volume de informação, que pode ser enquadrado no conceito de Big Data.
O Big Data, termo utilizado para nomear conjuntos de dados muito grandes ou complexos, que os aplicativos de processamento de dados tradicionais ainda não conseguem lidar, se baseia em 5 V’s:
Velocidade: É importante que os dados sejam coletados em tempo real, quando as coisas acontecem.
Volume: Somente com grande volume de dados será possível aplicar ferramentas de análise que resultem em informações consistentes e valiosas.
Variedade: Para que as análises representem bem tendências, sazonalidades etc. os dados devem ser obtidos de diferentes variáveis, dentro e fora dos processos da empresa. Só assim será possível estabelecer correlações não óbvias.
Veracidade: Os dados devem ser confiáveis, não havendo dúvidas de sua veracidade. Dados inconsistentes ou falhos podem induzir à conclusões erradas e tomadas de decisão perigosas para o negócio.
Valor: Não basta apenas coletar dados de todas as fontes possíveis, há que se considerar se os dados poderão agregar valor ao negócio.
Investir na qualidade da coleta e análise de dados na indústria não é novidade para nenhum gestor atualmente. Principalmente com o avanço da Indústria 4.0, hoje temos sistemas de banco de dados cada vez mais complexos e que permitem consultar, inserir e alterá-los para que se transformem em informações para uma boa gestão.
O resultado prático deste conceito é que, hoje em dia, existe uma massa gigantesca de dados, com diversas origens e significados (grandezas físicas, registros de transações bancárias, e-mails, imagens, vídeos etc.) espalhados por aplicações industriais em todo o mundo.
Porém, dados coletados e armazenados nada dizem para o gestor: é preciso transformar a análise de dados na indústria em informação para que melhores decisões sejam tomadas. Por isso, te convidados a acompanhar qual é a importância da análise de dados na indústria, assim como a estratégias para realizar esse processo da melhor forma.
Para um projeto de implementação de metodologias de tomada de decisão baseada em análise do Big Data, considere os seguintes desafios: análise, captura, curadoria de dados, pesquisa, compartilhamento, armazenamento, transferência, visualização e informações sobre privacidade dos dados.
É preciso uma clara liderança desse processo, revestida de alto compromisso e visão integrada de todas as áreas interessadas. Para isso, desenvolver indicadores de desempenho dos processos inseridos no novo contexto industrial mostra-se ser uma ferramenta importante para garantir a integralidade dos resultados.
Sobre o autor
Paulo Roberto dos Santos
Sócio Diretor da Zorfatec, consultoria em Inovação Tecnológica, Engenheiro Industrial Mecânico, MBA em Gestão e Engenharia do Produto pela Escola Politécnica da USP, Especialista em Industria 4.0. Durante mais de 25 anos atuou na Festo Brasil, sendo responsável por P&D e pela Estratégia de Produtos na Região Américas. Tem Especialização em Administração de Empresas, Gerenciamento do Desenvolvimento de Produtos, e Dinâmica Organizacional e Gestão de Pessoas pela Fundação Getúlio Vargas. Especialista em Gestão da Inovação, posicionamento estratégico da empresa para novas tendências como Industrial IoT e Indústria 4.0 (Manufatura Avançada). Com mais de 25 anos de experiência na Gestão de Projetos de Inovação, Engenharia e Automação. Mentor dos principais projetos de demonstradores de Indústria 4.0 apresentados na FEIMEC 2016, Expomafe 2017 e FISPAL 2017. Um dos pioneiros na introdução do tema Industria 4.0 no Brasil. Palestrante sobre temas de Inovação, Automação Industrial, Internet das Coisas (IoT) e Indústria 4.0. Apresentando os temas em congressos, seminários e eventos especializados no Brasil e América do Sul.
