Dominando a Análise de Capacidade de Manufatura: Um Guia Prático

Fabricantes enfrentam uma montanha de desafios para produzir os bens que usamos em nossas vidas. E cada um deve enfrentar esses desafios com recursos limitados na forma de capital, conjuntos de habilidades, avanços tecnológicos e mais. Os gerentes que melhor orquestram essa arena complexa buscam maneiras de maximizar as ferramentas que têm à disposição entendendo a capacidade de sua fábrica. Melhor uso de espaço de manufatura, materiais, mão de obra e desempenho otimizado de equipamentos é crítico para empresas impulsionarem produção eficiente e capturarem a maior lucratividade.

Uma análise de capacidade pode ser uma excelente solução para auditar uma fábrica de manufatura e diagnosticar se há capacidade oculta esperando para ser desbloqueada.

O que é Capacidade de Manufatura?

O objetivo de todo fabricante é rodar suas operações em plena capacidade. Mas o que é capacidade de manufatura? A resposta curta é que a capacidade de manufatura representa o estado em que todos os equipamentos e recursos dentro de uma empresa são utilizados na maior taxa de operação para o mix de produtos e volume que sua indústria requer. Isso significa que todos os processos, de operações a manutenção, são otimizados com uma quantidade definida de recursos e que nenhum tempo de inatividade desnecessário é incorrido. Quando essa condição é alcançada, o equipamento atingiu plena capacidade.

Muitos fatores complicam ainda mais a jornada para esse estado ideal. Uma fábrica pode sofrer com uma onda de perdas de disponibilidade, como falhas mecânicas onde tempo valioso é perdido para reparo. Ou podem perder capacidade de produção valiosa devido a trocas, setups e ajustes.

A capacidade de manufatura também pode sofrer com perdas de performance. Estas incluem ações de operadores não treinados ou inexperientes e paradas por travamentos, ociosas, faltas de material. Frequentemente são tratadas às pressas com pouca análise sobre o que causou e como prevenir que aconteça novamente.

Finalmente, a capacidade de manufatura pode ser impactada negativamente por perdas de qualidade, incluindo tanto defeitos de processo quanto reduções de rendimento. Algumas causas incluem fluxo de trabalho subotimizado, erros humanos ou um processo quebrado. Além de roubar uma fábrica de capacidade valiosa, perdas de qualidade também podem gerar desperdício adicional que pode precisar ser retrabalhado ou jogado fora, adicionando custo ao produto.

Esses obstáculos à capacidade são frequentemente referidos como as Seis Grandes Perdas. E seus efeitos podem ser devastadores. Na melhor das hipóteses, a falta de entendimento da capacidade pode disparar horas extras caras, desperdício, entregas perdidas ou despesas de capital desnecessárias na forma de novos equipamentos para compensar a perda.

O que é Análise de Capacidade?

Quando um fabricante precisa aumentar a capacidade, eles frequentemente começam com as respostas impulsivas acima. No entanto, só se pode comprar tantas máquinas e agendar tantos turnos antes que o foco em melhorar a capacidade se mova para dentro. E a melhor maneira de identificar onde a ação deve ser tomada para aumentar a capacidade está nos dados.

O processo de análise de capacidade é a diferença entre capacidade potencial e a produção real que uma empresa atualmente alcança. Ao coletar dados de produção, fabricantes podem identificar qual processo, equipamento ou função precisa ser alterado para aumentar a capacidade. Isso essencialmente permitirá que fabricantes impulsionem maior utilização de seus recursos existentes via otimização de processo.

Leitura adicional: Como Aumentar a Capacidade de Produção na Manufatura

Como Realizar uma Análise de Capacidade de Manufatura

Empresas que realizam uma análise de capacidade de manufatura são capazes de reduzir tempo de inatividade e desperdício. Elas também podem minerar os dados para otimizar processos e simplificar fluxos de trabalho. Fazendo isso, podem ajudar a entender quais são as restrições existentes e tomar decisões em tempo real para resolver problemas conforme eles acontecem. Como dados suportam essas soluções, gerentes podem impulsionar melhoria em toda a operação e aumentar capacidade sem investimento adicional em equipamentos ou mão de obra. Para empresas buscando melhorar sua capacidade de manufatura, aqui estão os passos necessários para desbloquear a capacidade existente:

Benchmark de Dados

Se você não sabe onde está, não vai ver para onde está indo. É comum superestimar a utilização atual do equipamento, já que muitas empresas podem nem perceber que a utilização é tão baixa quanto é.

Benchmarking inclui determinar a capacidade existente. Velocidade da máquina, perdas de qualidade, tempo de inatividade por categorias — como quebras, trocas e perdas de performance — tudo deve ser medido para determinar a capacidade atual. E em muitos casos, esse número é chocante. Várias melhores práticas podem ser usadas para criar uma estrutura sólida e prática para benchmarking:

• Reuniões Internas: Uma reunião interna de kickoff ajuda a definir expectativas e garante que todos estejam na mesma página. Reunindo a equipe certa, todos saberão qual deve ser a meta de utilização.
• Verificando os Dados: Há momentos em que os dados atuais relatados dizem pouco sobre o status real da máquina. Pode estar registrando o status incorretamente, ou pode ser contagem de peças, tempo de inatividade, ou algum outro parâmetro. Garantir que os dados são verdadeiros ajudará na análise do que precisa ser feito.
• Avaliando Dados: É aqui que as suposições originais são comparadas com a utilização real atual. Representa um novo ponto de partida sobre quais melhorias podem ser feitas.
• Planejamento: Ao criar um plano de melhoria, gerentes podem reunir as peças das expectativas originais, o estado real orientado por dados da capacidade, e quais melhorias podem ser feitas.

Um exemplo de relatório de utilização do MachineMetrics, um dos muitos relatórios pré-construídos que podem ser usados para benchmarking de dados.

Analisar Tempo de Inatividade

Uma vez que uma operação de manufatura fez benchmark de seus dados e entende sua utilização real, uma análise de tempo de inatividade deve ser conduzida. Isso envolve gerentes, técnicos, engenheiros de manufatura, operadores e outros que podem ajudar a identificar todas as razões para tempo de inatividade e planejar como reduzir ou eliminá-lo.

Com as revelações que acompanharam o benchmarking da instalação, os membros da equipe podem passar a medir o tempo de inatividade impulsionando aquela utilização. Ao responder quanto tempo de inatividade está ocorrendo e em qual categoria o tempo de inatividade se enquadra, passos para melhoria se tornam mais aparentes. Isso é melhor feito por software de coleta automatizada de dados de máquina para garantir que dados precisos sejam usados, padronizados e em tempo real.

O tempo de inatividade também deve categorizar as razões para o tempo de inatividade. Categorias a considerar podem incluir:

• Tempo de Inatividade Planejado vs. Não Planejado: Cada um tira uma máquina de serviço, mas ambos têm abordagens bastante diferentes para minimizar ocorrências e trazer a máquina de volta online.
• Erro Humano ou Ação do Operador: Em um ambiente de manufatura grande e complexo, operadores podem ter diferentes níveis de treinamento ou podem realizar tarefas ou ações em uma ordem que reduz eficiência. Esses podem frequentemente ser identificados e tendenciados através de análise de tempo de inatividade.
• Queda de Qualidade: Qualidade é uma categoria ampla que deve ser incluída na análise de tempo de inatividade. Pode levar a insights sobre treinamento, estado da máquina e conservação, qualidade de fornecedores de entrada, ou até condições ambientais dentro da instalação entre dias mais quentes e noites mais frias.

Uma vez que as categorias são determinadas, os membros da equipe podem detalhar para determinar as razões para o tempo de inatividade dentro da categoria. Por exemplo, pode haver muitos tipos de tempo de inatividade planejado, incluindo manutenção programada, produção sazonal e outros.

O Pareto de Tempo de Inatividade do MachineMetrics revela as razões mais graves de tempo de inatividade e é um ótimo ponto de partida para encontrar processos para melhorar.

Da mesma forma, existem inúmeras razões para tempo de inatividade não planejado. Estas podem variar desde material não na máquina quando necessário até uma máquina mal conservada. Também pode apontar para um fluxo de trabalho mal desenhado onde material do upstream não está pronto quando necessário, criando um efeito dominó.

O mesmo vale para erro humano. Operações de manufatura estão se tornando mais automatizadas, mas ainda há necessidade de mão de obra. Fadiga, treinamento inadequado, falta de entendimento sobre o fluxo de trabalho, ou etapas de processo quebradas podem significar que trabalhadores cometem erros que não cometeriam de outra forma.

A melhor maneira de reunir essa informação é através de automação e software. Ao tornar a visualização de dados intuitiva e fácil de registrar, operadores podem utilizar um dashboard para inserir dados reais e ver seu impacto. Assim como um operador pode inserir as razões para o tempo de inatividade, ferramentas como gráficos de Pareto podem ajudar a entender a análise de tempo de inatividade conforme ela avança. Isso dá aos usuários insights e frequentemente ajuda a disparar sugestões de melhoria.

No final da análise de tempo de inatividade, custos reais de tempo de inatividade e seu impacto no resultado final podem ser determinados. Isso também ajuda a identificar a "fruta madura", os itens mais rápidos e fáceis de corrigir com o maior impacto em dólares economizados e capacidade adicionada.

Leitura adicional: Como Rastrear e Analisar Tempo de Inatividade de Máquina

Implementar Mudanças de Processo

Gerentes agora estão equipados com dados precisos e verificáveis que impulsionam mudança real neste ponto da análise de capacidade. Essas mudanças podem ser usadas para enfrentar as restrições de capacidade mais significativas, desbloquear a capacidade oculta para eliminar horas extras, reduzir a necessidade de despesa de capital, e afinar um programa de manutenção que funciona em sincronia com trocas e outras condições operacionais em vez de contenda com elas.

Existem muitos exemplos de drenos significativos de capacidade. Aqui estão alguns que podem ser encontrados durante a maioria das transformações digitais:

Tempo de Ciclo Esperado Maior que Tempo de Ciclo Real

O tamanho e complexidade dos ambientes de manufatura de hoje podem significar que o desempenho individual está enterrado sob uma montanha de dados, volume e um empurrão para maior produção. Quando os dados são verdadeiros, e contagens de peças na máquina são precisas, operadores são responsabilizados por sua produção em vez de enterrados sob ela. Essa responsabilidade pode ser uma ferramenta positiva que permite que eles se tornem parte da identificação de áreas para melhoria. À medida que melhorias no tempo de inatividade mais aparente começam a funcionar, otimização adicional do tempo de ciclo pode ser iniciada para continuar o processo para incluir até pequenas mudanças que se somam rapidamente.

Problemas de Qualidade

Como mencionado anteriormente, qualidade é um tópico amplo que impacta muitas áreas. Mas isso oferece mais oportunidade para melhoria. Não só a regra 80/20 se aplica para qualidade, mas também afeta as subcategorias dentro dela, incluindo erro humano/treinamento, qualidade de fornecedor, melhorias de manutenção, design de produto, etc. Ao alavancar dados não isolados analisados em tempo real, o maior culpado em cada área pode entrar em etapas de melhoria para render um impacto cumulativo considerável na qualidade geral. À medida que esses esforços criam raiz, a capacidade aumenta, a qualidade melhora, reduz custos e melhora desempenho de pedidos e entregas.

Leitura adicional: Garantia de Qualidade na Manufatura: Tudo que Você Precisa Saber

Com o MachineMetrics, você pode facilmente ver as principais razões pelas quais peças são rejeitadas e identificar a raiz do problema.

Falha de Equipamento

Poucas coisas deixam gerentes de manufatura loucos quanto falha de equipamento. E frequentemente, essas falhas são resultado de um programa de manutenção reativo. Ao rodar até a falha ou por rastreamento inadequado do estado da máquina, empresas cedem grandes pedaços de capacidade na forma de tempo de inatividade. Mas análises de dados e condições de máquina em tempo real oferecem novas oportunidades para aumentar a capacidade. Ao entender estados de máquina e implantar sensores e tecnologia IIoT, gerentes podem deixar a manutenção reativa para trás e impulsionar maior capacidade e menores custos. Um estudo da Deloitte mostra que programas de manutenção preditiva podem aumentar o tempo de atividade do equipamento em 10-20%.

Fluxo de Trabalho

Medir utilização de equipamento é mais do que simplesmente medir apenas a máquina. Ao capturar, contextualizar e analisar dados, gerentes podem ver uma máquina individual e todo o ecossistema de equipamentos dentro da instalação. Isso pode levar a insights sobre layout de equipamento, estocagem, WIP e outras variáveis relacionadas a processo que podem ser usadas para aumentar a capacidade. Embora possa apontar para uma necessidade de reorganizar um chão de fábrica ou célula, também pode ser tão simples quanto mover algumas máquinas alguns metros ou mudar a forma como o material flui de uma estação para a próxima dentro do fluxo de trabalho que faz a diferença.

Desbloqueando Capacidade Oculta

Uma análise de capacidade acoplada a captura avançada de dados e análises pode ajudar empresas a encontrar seu caminho para plena capacidade mais rápido do que a maioria pensaria, e levar a uma produção nivelada. Quando a Avalign Technologies lutava para rastrear OEE e tempo de inatividade, gargalos de produção, POPs inadequadas e outros fatores colocavam um freio na capacidade.

Usando o MachineMetrics, a Avalign adquiriu visibilidade instantânea pelo chão de fábrica para realizar um aumento de 25-30% no OEE e milhões em capacidade adicional, sem adição de mão de obra, equipamentos ou recursos adicionais.

Assista ao estudo de caso em vídeo: