Dados obscuros – referem-se aos dados coletados do chão de fábrica que permanecem intocados ou usados para melhorar a produção de qualquer forma. Em média, as empresas deixam 90% de seus conjuntos de dados intocados e isso se aplica às instalações do setor de manufatura. Essa estatística significa que, apesar do aumento da taxa de implantação de soluções de coleta de dados, a maioria dos conjuntos de dados capturados permanece em silos não utilizados. Mas esse não deveria ser o caso.
A mudança de paradigma para a fábrica inteligente exige a automatização dos fluxos de trabalho tradicionais e a utilização de dados obscuros em soluções tecnológicas de ponta. Os fabricantes que vislumbram um futuro em que as máquinas interconectadas interagem em tempo real e tomam ações precisas devem entender que os dados obscuros acabarão tendo seu uso com o avanço consistente da tecnologia.
Há duas décadas, a análise de padrões de dados de máquinas para prever falhas era praticamente impossível devido a limitações na coleta de conjuntos de dados específicos, como dados de vibração. Hoje, os sensores e dispositivos de IoT necessários para coletar dados de máquinas, mesmo de equipamentos antigos, custam alguns dólares e estão disponíveis globalmente. Por outro lado, obter insights a partir de dados obscuros usando tecnologias como tecnologias de gêmeos digitais, APIs ou plataformas de IIoT se tornará a norma nos próximos anos e as empresas de manufatura devem se posicionar para aproveitar os recursos expandidos de análise de Big Data.
Os avanços acelerados nas tecnologias de análise de big data fornecerão aos fabricantes os meios para desenvolver estratégias orientadas por dados para remodelar o chão de fábrica. Os casos de uso incluem:
Planejamento de capacidade e otimização de layout
Os dados do chão de fábrica sempre têm uma história para contar. A história pode ser sobre um melhor desempenho da máquina ou sobre os efeitos do aumento da demanda. Ao utilizar a ferramenta analítica correta, você desenvolve o esboço da história, seu enredo e o finaliza. Com dados precisos e a ferramenta analítica adequada, os fabricantes podem prever mudanças e desenvolver planos otimizados para lidar com as mudanças esperadas.
O planejamento da capacidade oferece aos fabricantes a oportunidade de aproveitar os dados do chão de fábrica. Aqui, uma ferramenta de planejamento de capacidade usa dados históricos para determinar como a demanda flutuante afetará os recursos disponíveis e como atenuar os desafios operacionais. O planejamento da capacidade também está ligado à otimização do layout porque a organização do chão de fábrica reduz o tráfego no chão de fábrica e melhora o desempenho operacional.
As ferramentas tradicionais de planejamento de capacidade, como sistemas empresariais de fabricação ou software de modelagem de simulação, estão equipadas para melhorar os planos de capacidade. A utilização do gêmeo digital traz um elemento em tempo real para o planejamento de capacidade, como mostra o exemplo do CKE Restaurant.
Para aumentar a produtividade, a CKE Restaurant, empresa controladora da Hardees e da Carl’s Jr., planejou reconfigurar o layout de suas cozinhas e melhorar sua capacidade para atender ao aumento da demanda dos clientes. Aproveitando os dados do chão de fábrica, a CKE desenvolveu diferentes configurações de planos de chão de fábrica propostos com a capacidade de aumentar a produtividade. Os funcionários interagiram com sucesso com o ambiente digital usando fones de ouvido de realidade aumentada para testar e determinar a configuração ideal para os layouts de loja propostos.
Monitoramento de condições e manutenção preditiva
A aplicação mais comum dos dados coletados no chão de fábrica é acompanhar os processos da máquina e da produção por meio da captura contínua de dados operacionais. O monitoramento de condições permite que o fabricante detecte linhas de falha e requer uma análise extensa. Primeiro, as tecnologias de coleta de dados, como dispositivos ou sensores de IoT, acompanham as operações da máquina e as ferramentas analíticas analisam constantemente os padrões de dados para detectar anomalias. Em geral, as anomalias detectadas são então identificadas ou rastreadas até o componente da máquina com erro e são tomadas medidas.
O monitoramento de condições também é o precursor do desenvolvimento de estratégias de manutenção preditiva. Os dados capturados das implantações de monitoramento de condições tornam-se os conjuntos de dados históricos que são analisados para descobrir padrões que preveem futuras falhas nos equipamentos. Um exemplo de manutenção preditiva é a implantação de uma plataforma IIoT pelo Volvo Group Truck para rastrear e analisar dados de seus caminhões. O monitoramento constante da taxa de desempenho do caminhão e dos dados do veículo ajudou a Volvo a desenvolver uma estratégia de manutenção preditiva que reduziu o tempo de diagnóstico em 70%.
Suporte a aplicativos do setor 4.0
A implementação do Setor 4.0 gira em torno da compreensão de seu principal conceito de negócios. Esses conceitos incluem: otimização do desempenho da planta orientada por dados, manutenção preditiva, validação e testes etc. A adoção bem-sucedida de qualquer um desses modelos de negócios exige recursos analíticos e de captura de dados abrangentes. O exemplo da CKE Holding destaca o uso de ferramentas analíticas de dados para validar, testar e aprimorar planos, e o exemplo da Volvo mostra a análise de dados como uma ferramenta para o monitoramento de condições.
A mudança do setor para a Indústria 4.0 é impulsionada por soluções de transformação digital que ajudam na captura e análise de dados, mas você pode fazer mais. Atualmente, 65% dos dados obscuros permanecem ocultos nos equipamentos e processos de fabricação. A coleta ou a captura bem-sucedida desses conjuntos de dados fornecerá aos fabricantes mais material para trabalhar e atingir metas específicas do setor.
Conclusão
Espera-se que a introdução da computação de borda facilite os desafios de capturar dados obscuros do chão de fábrica e colocá-los em uso. Ao mesmo tempo, aproveitar as vantagens da análise descentralizada que a borda oferece e utilizar plataformas analíticas centralizadas, como o gêmeo digital, fará com que você avance no sentido de alcançar a fábrica “lights out” do futuro.