Cronômetros Ameaçam o Futuro do Renascimento da Manufatura

Há quase 25 anos, comecei minha carreira no chão de fábrica da General Motors (GM), trabalhando tanto na oficina de carroceria altamente automatizada quanto na linha de montagem centrada no ser humano. Aprendi rapidamente que processos robóticos transmitem dados perfeitamente via Ethernet, enquanto a atividade humana precisava ser capturada manualmente por engenheiros industriais usando cronômetros — uma técnica pioneira de Frederick Taylor na era do Modelo T. O contraste era gritante: uma era industrial moderna chocando-se com um método de coleta de dados que já tinha 75 anos.

Hoje, ainda percorro linhas de montagem e vejo jovens engenheiros realizando estudos de tempo. As ferramentas evoluíram — de relógios Casio para iPhones — mas a prática permanece inalterada, e esse método alarmantemente desatualizado continua a dificultar o progresso. Estudos de tempo e movimento já impulsionaram a manufatura americana ao topo do mundo; hoje, eles são profundamente falhos na era da Internet Industrial das Coisas (IIoT).

Foco no Tempo de Mercado e Produtividade

A manufatura americana está vivendo um renascimento, expandindo-se na taxa mais rápida desde 2004. Em 2017, 171.000 empregos retornaram aos Estados Unidos como resultado de reshoring e investimento estrangeiro direto. O acesso ao mercado é um fator-chave: "O reshoring é tudo sobre tempo de mercado", diz Ben Smith, consultor sênior da AT Kearney. "Fabricantes modernos podem preferir 15 pequenas fábricas pelo país para melhor acesso ao mercado, mudando o foco de custos para produtividade."

O consenso da indústria aponta que a IIoT será o principal motor do crescimento da produtividade. A Accenture a prevê como o maior impulsionador de produtividade da década, enquanto a GE Digital estima ganhos anuais de desempenho de cerca de US$ 8,6 trilhões. No entanto, a maior parte do valor criado numa fábrica vem das pessoas — o Boston Consulting Group relata que humanos realizam até 90% das tarefas no chão de fábrica. Otimizar apenas máquinas captura apenas uma fração da atividade real.

Tempo de Mercado Esbarra no Tempo de Dados

Peter Marcotullio, VP de pesquisa e desenvolvimento comercial da SRI International, observa que "apenas uma pequena porcentagem de tarefas é realizada por máquinas". Assim, instrumentar máquinas captura apenas uma fração do processo. Enquanto a IIoT pode gerar 50 GB de dados de máquinas no tempo que leva um estudo de tempo tradicional, a ligação entre otimização de equipamentos e produtividade geral da fábrica permanece tênue. Decisões que moldam o dimensionamento diário, projeções de produção, custos de trabalho e orçamentos dependem de dados gerados por humanos, que impulsionam tanto a receita quanto o lucro.

Um Conjunto de Dados Incompleto e Não Confiável

Estudos de tempo sofrem de dois defeitos principais: volume limitado de dados e confiabilidade questionável. Um engenheiro típico pode amostrar dez operações por estação — insuficiente para considerar a variabilidade do operador ou fatores contextuais como dia da semana, período de pagamento ou fadiga do dia de trabalho. Esse conjunto de dados escasso não consegue estabelecer correlações ou causalidades robustas.

Além disso, o ato de observação pode alterar o desempenho. Inspirado no princípio da incerteza de Heisenberg, alguns trabalhadores podem acelerar ou desacelerar sob observação, e definições inconsistentes de início e fim comprometem ainda mais a precisão. Consequentemente, estudos de tempo produzem medições duvidosas que podem enganar tanto operadores quanto gestores.

O que Falta na Planta Moderna?

Plantas modernas carecem de dados humanos escaláveis e em tempo real. Embora caminhadas Gemba, cortinas de luz instrumentadas e sistemas poka-yoke possam capturar alguma atividade humana, o volume permanece baixo demais para análises significativas. Anik Bose, sócio geral da Benhamou Global Ventures, explica que "fabricantes reúnem trabalhadores e gestores para brainstorming, mas sem dados em tempo real, dependem de métodos manuais ad hoc". Sem métricas confiáveis de produtividade humana, as plantas não podem melhorar o recurso que impulsiona a maior parte do valor.

Marshall Goldsmith disse famosamente: "O que te trouxe aqui não te levará lá". A metodologia de estudo de tempo nos levou ao pico atual da manufatura, mas não é mais suficiente para acelerar o tempo de mercado aumentando a produtividade do trabalho humano. É hora de aposentar o cronômetro e abraçar a colaboração humana orientada por dados e aprimorada por IA no chão de fábrica.

Sobre o Autor

Dr. Prasad Akella liderou a equipe que construiu os primeiros robôs colaborativos do mundo na GM. Ele é CEO da Drishti, empresa que implanta inteligência artificial para colaborar e aprimorar humanos no chão de fábrica.