Visão de Especialista: Moldando o Futuro da Gestão de Resíduos na Era Digital

Resíduos. É palavra com a qual todos estamos familiarizados na indústria de manufatura e desafio com o qual lidamos continuamente. Vem em muitas formas diferentes, não apenas de matérias-primas, componentes ou produtos defeituosos que nunca chegam às mãos de clientes pagantes, mas nos recursos usados em cada etapa do processo de manufatura — como mão de obra, energia, armazenamento, transporte e ativos incluindo planta e maquinário — que são consumidos mas não contribuem para receita geral. Simplificando, resíduo é custo de inputs que não são monetizados, e portanto outputs em eficiência, produtividade, agilidade e qualidade são todos proxies para resíduo.

Embora resíduo tenha se tornado conceito mais formalizado sob filosofia da Manufatura Enxuta, é desafio que permeia a indústria desde o nascimento da manufatura moderna. Quando Matthew Boulton e seu parceiro John Fothergill abriram a Manufatura Soho em Birmingham, Inglaterra em 1766, introduziram conceito de "produção em massa" para revolucionar indústrias caseiras ineficientes da época. Em 1782, substituíram seu laminador de metal movido a água por revolucionária nova fonte de energia — a máquina a vapor de Watt — e assim, a "guerra contra o desperdício" começou.

Desde então, continuamente inventamos novas técnicas, métodos, processos e tecnologias para reduzir desperdício. Quando grandes inovações como máquina a vapor de Watt emergiram, nossos predecessores realizaram benefícios sísmicos em eficiência e produtividade, seguidos por período de melhorias contínuas e ajustes finos. Isso maximizou benefícios daquelas inovações ainda mais e continuou até próximas inovações maiores emergirem como eletricidade, onde motores elétricos substituíram vapor e permitiram energia altamente distribuída, mais custo-efetiva e confiável. Então a linha de montagem introduziu novo paradigma para divisão e utilização de mão de obra e o transistor deu origem a controle computacional industrial e automação.

Cada um destes marcos maiores viu impacto inicial seguido por período de refinamento e melhoria contínua, onde melhorias sucessivas entregam retornos cada vez menores até próxima mudança sísmica ocorrer. Ao buscar áreas para melhorar processo de manufatura, a maioria das organizações tenderá a pegar a "fruta mais baixa" primeiro, antes de buscar melhorias mais difíceis e sutis enquanto continuamente se esforçam para encontrar novas formas de eliminar desperdício. Porém, logo alcançarão ponto onde custo para eliminar fonte de desperdício se torna igual ou maior que benefício realizado — alas, lei dos rendimentos decrescentes.

Neste estágio, simplesmente torna-se antieconômico fazer estas melhorias e, como resultado, ganhos de eficiência e produtividade começam a estagnar. Acredito que é onde a maioria dos fabricantes está hoje, e isso ajuda a explicar parcialmente o chamado paradoxo da produtividade. Apesar de investimento em novos equipamentos, processos e técnicas, crescimento de produtividade permanece plano porque frutas mais baixas foram colhidas e negócios ficam presos em ciclo de retornos decrescentes por unidade de investimento. O paradoxo da produtividade só pode ser quebrado quando próxima mudança sísmica emerge para entregar melhorias significativas de performance.

Como história mostrou, estas mudanças não ocorrem da noite para o dia. Inicialmente encontram ceticismo e frequentemente ridicularização, antes de passar por período de hype, seguido por desilusão conforme benefícios percebidos falham em materializar. Esta transição pode levar vários anos, possivelmente décadas, antes que, gradualmente, benefícios tangíveis comecem a emergir através do que firma de analistas de TI, Gartner, chama de "inclinação do esclarecimento" — quarta fase do Ciclo de Hype. Digitalização, Fábricas Inteligentes, Fábrica do Futuro, Indústria 4.0 e Internet Industrial das Coisas (IoT), são todas variações do mesmo tema, e representam raízes deste próximo grande ciclo. Embora muito tenha sido e continue sendo reportado sobre estes temas, todos baseiam-se na exploração de um único ingrediente fundamental — informação, a próxima arma crítica na guerra contra o desperdício.

VEJA TAMBÉM:

• Edição de março da Manufacturing Global está no ar
• Salão do Automóvel de Genebra: Principais tendências de tecnologia automotiva que você não vai querer perder
• Siemens vai adquirir KACO new energy para aprimorar capacidades de manufatura
• Bray International: mudando mentalidade de manufatura de válvulas através de transformação digital

Retornos decrescentes de eficiência e produtividade de tecnologias existentes de chão de fábrica como automação e metodologias offline de melhoria de performance como six-sigma atingiram teto de vidro proverbial. Pegue, por exemplo, medida de Efetividade Geral do Equipamento (OEE) comumente usada para avaliar quão efetivamente operação de manufatura é utilizada. OEE de 100% indica ambiente de produção perfeito, com apenas bons produtos produzidos o mais rápido possível e zero downtime. Alcançar este nível de OEE é arguivelmente impossível, porém, pesquisa geral através de ampla gama de estudos sugere que fabricantes de classe mundial buscam OEE de 80-85% com 50-60% sendo mais típico, e 30-40% não incomum. Não apenas isso ilustra que ainda há espaço significativo para melhoria em eficiência e produtividade, também revela que nossos esforços para melhorar performance raramente "movem a agulha". Em vez disso, fabricantes dependem da culminação de grande número de melhorias menores, e às vezes custosas, para fazer impacto real.

Para romper este teto de vidro, precisamos alavancar ativos de informação e dados desenvolvendo maior nível de acuidade operacional do que temos hoje. Em sistemas físicos, sempre teremos nível de variabilidade natural e imprevisibilidade, mas não devemos continuar usando isso como desculpa para processos de manufatura sub-ótimos. Em vez disso, precisamos usar esta informação para entender quando e onde estes ocorrem (em tempo real ou near-real-time) e ter mecanismos no lugar para responder e mitigar essa variabilidade e imprevisibilidade "conforme-acontece", ou melhor ainda "antes-que-aconteça".

Isso não é fácil, e requer entendimento e monitoramento contínuo de muitas variáveis, não apenas em única medição, processo ou característica de produto, mas em toda paisagem causal. Em ambiente de manufatura, processos raramente são totalmente isolados, pois performance de um processo provavelmente será causada por miríade de outras influências — tanto diretas quanto ambientais. Isso é frequentemente chamado de "Maldição da Dimensionalidade" — quanto mais dimensões temos, mais dados precisamos e mais difícil se torna derivar insight acionável. Infelizmente, cérebro humano não é desenhado para lidar com este nível de complexidade, pois lutamos para entender inferências através de número muito baixo de dimensões e ritmo muito sedentário.

Felizmente, várias tecnologias emergentes estão convergindo e amadurecendo para formar fundações para próxima mudança em eficiência e produtividade de manufatura. Custo e miniaturização de sensores avançados estão permitindo organizações de todos os tamanhos capturar quantidades inconcebíveis de dados continuamente de suas cadeias de demanda e suprimento ou mesmo embarcados nos próprios produtos. Dependendo de seu nível de sofisticação, isso pode habilitar operações de computação autônoma usando algoritmos avançados embarcados diretamente nos sensores (conhecido como Edge Computing) para trabalhar diretamente com outros sensores e dispositivos em loop fechado (Máquina-a-Máquina). Devido à ascensão de redes de comunicação ubiquitárias (tendência que será transformada novamente quando novo padrão 5G se tornar mainstream) estes sensores podem comunicar dados coletados em alta velocidade de qualquer local no mundo.

Estes fluxos de dados requerem vastas quantidades de armazenamento e recursos de computação capazes de filtrar, ordenar e analisar informação em velocidade para que insights em tempo real possam ser gerados, e isso está sendo habilitado por big data e cloud computing que está rapidamente desacoplando valor de negócio de dados e informação de infraestrutura on-premises custosa. Finalmente, análises e insights derivados destes dados precisam ser disponibilizados no lugar certo na hora certa para ações efetivas, sempre disponíveis em virtualmente qualquer dispositivo, forma altamente visual e intuitiva que trabalhadores possam facilmente interpretar e agir. Isso está sendo possibilitado pela evolução de Software-as-a-Service (SaaS) baseado em nuvem e interfaces Rich Web Application (RWA) que estão se tornando mainstream hoje.

Digitalização da fábrica, chão de fábrica e cadeia de suprimentos permitirá fabricantes identificar e eliminar desperdício de formas não previamente possíveis ou economicamente viáveis e isso inaugurará nova era de eficiência e produtividade. Uma vez que frutas mais baixas tenham sido colhidas, continuaremos a evoluir tecnologias e técnicas para encontrar formas novas e inovadoras de reduzir desperdício ainda mais, até que leis de retornos decrescentes comecem a morder, e busquemos próxima grande mudança emergir. Porém, como guru de Inteligência Artificial (IA) Andrew Ng nos lembra, preocupar-se com isso agora é como preocupar-se com superpopulação em Marte.

InfinityQS - principal provedor de Controle Estatístico de Processo (CEP) software e serviços a fabricantes mundialmente. Suas soluções automatizam coleta e análise de dados durante processo de manufatura, para permitir decisões de melhoria de processo em tempo real e prevenir defeitos antes que ocorram. Desenvolvido por estatísticos industriais usando metodologias comprovadas para análise e controle de qualidade, soluções InfinityQS estão economizando milhões de dólares por ano a fabricantes líderes.