IMPORTÂNCIA E APLICABILIDADE DA
ABORDAGEM MULTIVARIADA NA INDÚSTRIA
4.0
DANIEL AYUB (UFPR)
DANIEL LUCAS DA SILVEIRA SOUZA (UFPR)
MARCOS AUGUSTO MENDES MARQUES (UFPR)
Um dos grandes desafios das organizações é a integração das novas
tecnologias ao ambiente industrial atual. Essa transição proposta, e em
andamento, pelo conceito da Indústria 4.0, gerou uma ruptura dos métodos
tradicionais, sendo este um dos grandes paradigmas vivenciados pelas
empresas nesta nova era globalizada, onde se lidam com grandes
quantidades de dados (big data) armazenados na nuvem. Atrelado a esse
conceito, a busca pela gestão e melhoria dos processos continua sendo de
suma importância para manutenção da competitividade de uma indústria. A
prática do Controle Estatístico de Processo (CEP) em conjunto com a Análise
Multivariada viabiliza excelentes resultados para este novo mundo digital e
totalmente informatizado. Com as tecnologias da Indústria do Futuro sendo
aplicadas em todo o fluxo de processo, é possível coletar dados on-line de
dispositivos e equipamentos automatizados e enviá-los para banco de dados,
onde em módulos específicos passarão por análises multivariadas e
retornarão para o processo de forma automática, com soluções para
erradicação das anomalias causadoras de variabilidades no processo. Desta
forma, o intuito deste artigo é ilustrar a evolução da indústria, suas novas
tecnologias, e a importância e aplicabilidade da abordagem multivariada por
meio de um exemplo na indústria 4.0.
Palavras-chave: Indústria 4.0, Big Data, Análise Multivariada, Controle
Estatístico de Processo Multivariado.
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
2
1. Introdução
Um dos objetivos das organizações de níveis mundiais de bens de consumo e bens de capital
é, no mínimo, a manutenção da sua participação no mercado. Isto se torna viável por meio da
constante melhoria da qualidade de seus produtos, processos e pela consolidação das
tecnologias industriais de máquinas e equipamentos atreladas ao ambiente tecnológico atual.
Neste âmbito, o conceito de indústria 4.0 propõe novos desafios na modelagem de sistemas de
controle de processos, tais como a inclusão de novas tecnologias de interação entre homem e
máquina, colaboração entre todas as entidades do sistema e maior autonomia no fornecimento
de serviços e produtos. Para isto ser possível, um grande conjunto de dados referentes ao
processo como um todo, devem estar disponíveis e com fácil acesso por toda essa cadeia
(nuvem), sendo este, o cenário ideal para aplicação de métodos de análises estatísticas
multivariadas voltadas ao controle estatístico do processo.
2. Justificativa
A quarta revolução industrial, chamada de indústria 4.0, é considerada o futuro paradigma da
produção. A integração das máquinas ao ser humano é realizada por meio de novas
tecnologias, que devem fornecer produtos e serviços confiáveis de forma autônoma. Nesta
nova forma, é necessária uma ruptura dos métodos tradicionais de concepção e análise de
sistemas de informação e de controle, e por consequência, novos métodos de modelagem de
sistemas devem ser considerados para potencializar tal estrutura e permitir o trabalho destas
novas tecnologias de forma integrada. (KOLBERG; ZÜHLKE, 2015).
O controle de qualidade online ou na linha de produção é parte essencial do processo de
construção de produtos confiáveis e de qualidade superior. Os esforços no controle de
qualidade online envolvem todo o sistema de manufatura de um produto, e, neste ponto, são
utilizadas as técnicas que monitoram a produção, que medem a qualidade de saída do produto,
que fornecem sinais de problemas em potencial e que permitem a ação corretiva direta.
“A qualidade tornou-se um dos mais importantes fatores de decisão dos consumidores na
seleção de produtos e serviços que competem entre si. Consequentemente, compreender e
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
3
melhorar a qualidade é um fator-chave que conduz ao sucesso, crescimento e a uma melhor
posição de competitividade de um negócio”. (MONTGOMERY, 2009).
O controle estatístico do processo é usualmente o método preferido para controlar qualidade,
porque a qualidade está sendo “construída” no processo em vez de ser inspecionada no final.
(SLACK et al., 1997). Assim, o Controle Estatístico do Processo (CEP) é uma metodologia
que potencialmente permite conhecer o processo, manter o mesmo em estado de controle
estatístico e melhorar a capacidade do mesmo, onde tudo se resume à redução de variabilidade
do processo. (SCHISSATTI, 1998).
Pela quantidade e disponibilidade de informações contidas na “nuvem”, oriundas do advento
da indústria 4.0, tem-se o cenário ideal para o estudo da aplicação de métodos de controle
estatístico de processos (CEP) em conjunto com métodos de análise estatística multivariada,
definindo assim um ramo da engenharia da qualidade denominado de controle estatístico de
processo multivariado.
Muitos artigos e livros já ressaltam a necessidade da utilização do monitoramento e controle
de processos multivariados, pois, na prática, a maioria desses cenários envolvem mais de duas
características e parâmetros relacionados. Uma das ferramentas utilizadas no CEP é o gráfico
de controle, e Montgomery (2009) afirma que embora possa se aplicar gráficos de controle
para cada característica funcional de um produto ou serviço individualmente, observam-se
que os mesmos são constituídos de um conjunto características funcionais relacionadas, ou
seja, observando-se e analisando-se essas características de forma isolada pode-se chegar a
interpretações e conclusões erradas de um processo.
Assim, este artigo, tem o intuito de evidenciar a aplicabilidade e importância do CEP
multivariado em um ambiente de indústria 4.0. Atualmente, a quantidade de artigos sobre o
tema é restrita. Na Alemanha, onde surgiu o conceito da indústria 4.0, os trabalhos publicados
possuem pouco foco para o tema proposto.
3. A evolução da indústria
O conceito de Indústria 4.0 ainda é relativamente recente. A necessidade das organizações em
se tornarem competitivas fez com que ao decorrer da história buscassem alternativas em
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
4
relação à qualidade e produtividade, assim transformando-se e evoluindo, tanto no âmbito
tecnológico, quanto no de processos.
No âmbito tecnológico, pode-se observar na Figura 1, as quatro revoluções industriais.
Figura 1 – Gerações industriais
(Fonte: Ferdinad-Steinbeis-Institut, 2016)
Inicialmente, no fim do século 18, deu-se origem a utilização da máquina a vapor para
aplicação industrial, tal tecnologia proporcionou a mecanização das fábricas. No começo do
século 20, a base energética mudou para eletricidade, e trouxe como benefícios a produção em
massa. Entre as décadas de 1970 e 2000, ocorreu a terceira revolução industrial, sendo
caracterizada pelo aparecimento dos primeiros equipamentos e maquinários
computadorizados, capazes de desempenhar suas atividades por meio de lógicas programadas.
Isto foi possível, graças à crescente aplicação da eletrônica e da tecnologia da informação nos
processos de produção para automatizá-los. Atualmente, na considerada quarta revolução
industrial, a utilização de sistemas físico-cibernéticos vem crescendo dentro de diversas
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
5
organizações, não somente no setor produtivo, mas também no setor de serviços.
(SNIDERMAN et al, 2016).
Em relação às melhorias estratégicas e de processos, entre as décadas de 60 e 80, tais
indústrias tiraram muito proveito do pioneirismo de metodologias de trabalho, como o
Sistema Toyota de Produção (STP) e de suas técnicas derivadas. Estas empresas também
experimentaram a terceirização, a qual trouxe inúmeros benefícios para as mesmas, porém,
ainda não suficientes para atingir os objetivos de seus negócios. Nesta mesma década, as
organizações experimentaram o deslocamento de suas fábricas dos centros industriais de seus
países, transferindo os seus setores produtivos de massa e mais básicos para países
emergentes e de terceiro mundo, isto devido aos baixos custos de mão-de-obra e incentivos
fiscais oferecidos em troca de empregos. Ao passar dos anos, com a disseminação e
viabilidade financeira na aquisição de novas tecnologias, somado aos aumentos dos salários,
fretes e tributos nestes locais, as vantagens do deslocamento começaram a diminuir e os
benefícios da Indústria 4.0 transpareceram de forma a serem mais efetivos e lucrativos para
tais organizações. (MCKINSEY DIGITAL, 2015).
3.1. A indústria do futuro
A influência da Indústria 4.0 na operação das fábricas é altamente inovadora, com
modificações significativas na execução de praticamente todos os processos da cadeia
produtiva. O planejamento de materiais e de produção, como é feito atualmente com base em
previsões e históricos, poderá ser alimentado por informações on-line de planos e processos
de produção, armazéns e expedições. Mesmo sendo altamente inovadora, a Indústria 4.0
permite que metodologias já consagradas mundialmente, como o Sistema Toyota de
Produção, possa ser utilizada como base deste novo conceito de sistema de produção.
(BAUERNHANSL; HOMPEL; VOGEL-HEUSER, 2014).
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
6
Figura 2 – O processo produtivo da indústria do futuro
(Fonte: os autores, 2017)
Atualmente, como o ilustrado na Figura 2, além do ambiente altamente personalizado das
indústrias, o grau elevado de automação também é uma consequência da introdução de um
sistema de informações robusto e de comunicação via redes industriais. Neste universo existe
uma sincronia entre toda a cadeia de valor, desde as ordens de produção, necessidade de
materiais em sincronia com fornecedores, equipamentos que se tornam inteligentes e
altamente automatizados, chegando até a entrega dos produtos aos clientes. (SPATH;
GANSCHAR; GERLACH; HAMMERLE; KRAUSE; SCHLUND, 2013).
Na indústria 4.0, a tecnologia aplicada na cadeia de suprimentos também ajuda a influenciar
positivamente os processos de produção. Toda a cadeia de valor é mapeada, possíveis
simulações de inventário, logística e transporte são realizadas de forma precisa, além do
histórico de uso de produtos e consumo de insumos e materiais. (WAN; CAI; ZHOU, 2015).
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
7
Nesta concepção de monitoramento do chão de fábrica, os sistemas permitem feedback
automático e on-line das condições de produção, via relatórios informatizados e por
equipamentos como smartphones e tablets. Neste ambiente, os funcionários possuiriam
equipamentos e dispositivos portáteis do tipo smart que também estariam conectados e
integrados à rede das empresas. Isto geraria um ambiente extremamente dinâmico para os
funcionários auxiliando-os na identificação e retroalimentação de todas as situações possíveis
ocorridas na área de trabalho. (SCHUH; GARTZEN; RODENHAUSER; MARKS, 2015).
3.2. Tecnologias para a indústria do futuro
As indústrias de transformação buscam acima de tudo a qualidade de seus produtos, e para
que isso seja possível, os processos devem estar sob controle. Com o passar do tempo,
desenvolveram-se inúmeras técnicas no campo da engenharia da qualidade com este objetivo.
O desejo das empresas em aumentar a complexidade dos produtos, diminuir seu tempo de
desenvolvimento e tornar seus preços mais competitivos tornam de alta importância as
atividades de controle de processo. Uma das características da Indústria 4.0 são os produtos
inteligentes, que vem com informações e dados detalhados sobre a realização e sequência das
operações a serem feitas sobre eles. Todos esses dados e informações são transferidos para a
máquina de forma automática e são apresentadas com as melhores interfaces de visualização
possível. As interfaces homem-máquina, com cada vez maiores tecnologias, apresentam
informações de forma mais atraente e sucinta, reduzindo assim as possibilidades de
cometimento de erros durante o processo de produção. (SCHUH; GARTZEN;
RODENHAUSER; MARKS, 2015).
Uma das bases tecnológicas para a indústria do futuro, o Identificador de Radiofrequência
(RFID) é um sistema capaz de armazenar dados a partir de campos eletromagnéticos com um
decodificador responsável por transmitir informações para um sistema integrado. O sistema
de RFID é um dos mais utilizados no conceito da Indústria 4.0, pois permite a detecção
automática dos processos, por meio da leitura dos respectivos dados e informações contidas
nas etiquetas RFID que nada mais são do que sensores inteligentes. (NICOLETTI, 2013).
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
8
Outra tecnologia utilizada é definida como a Internet das coisas (IoT). A IoT é o conceito de
conexão entre variados objetos, ferramentas, equipamentos e ambientes dentro de uma
organização. Tal conexão ocorre a partir da integração do mundo físico com o cibernético
através de sensores inteligentes (RFID). O resultado disto seria uma rede conectada, que
possibilita transmissão de informações de máquina para máquina ou de máquina para
operador de maneira fluida e imediata. (SNIDERMAN, 2016).
Assim, pode-se notar que a Internet das Coisas (IoT) se mostra como um dos alicerces da
Indústria 4.0, visto que a partir das informações obtidas da produção, a alta gerência tornar-se-
á capaz de tomar atitudes estratégicas em relação a organização. (SNIDERMAN, 2016).
Neste cenário, a Internet das Coisas auxilia na integração dos diferentes tipos de processos,
fazendo a compilação das informações geradas por diferentes tipos de máquinas ou processos.
De posse de todas estas informações, a análise avançada dos dados combina todos os fatores
críticos do negócio, desde seu plano diretor até a realização dos fluxos do processo, através da
computação de tendências significativas e relacionamentos dos dados disponíveis.
(NICOLETTI, 2013).
Contudo, o resultado da aplicação do conceito de Internet das Coisas em uma organização é
um complexo número de dados condensados dentro de um sistema, conhecido como Big Data
(YIN, 2015). Segundo Yin (2015), em um exemplo de uma empresa produtora de bens de
consumo, uma única máquina poderia produzir cerca de 5.000 amostras de informação a cada
33 milissegundos, resultando num total de aproximadamente 4 trilhões de amostras por ano.
Toda essa massa de dados está disponível na chamada “Nuvem” que é definida como uma
arquitetura de distribuição de informações que tem como maior objetivo prover de maneira
segura, rápida e conveniente, a armazenagem de dados, assim como outras funções
relacionadas à rede (HASHIZUME et al, 2013).
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
9
4. Análise multivariada
“A estatística clássica fixou-se no estudo de um único caráter (ou variável) medida num
conjunto pequeno de indivíduos. Desenvolveu as noções de estimativa e de testes fundada em
hipóteses muito restritivas. Entretanto, na prática, os indivíduos observados são
frequentemente caracterizados por um grande número de caracteres (ou variáveis)”.
(BOUROUCHE; SAPORTA, 1982).
A análise multivariada é amplamente utilizada em diversos ramos de pesquisas, e isto se deve
às relações existentes entre as variáveis e a importância das informações contidas em seus
dados. A análise multivariada é utilizada nos casos onde os dados de um ou mais objetos de
interesse são obtidos por medidas simultâneas ou por diversas variáveis de interesse, como
acontece com frequência na produção de um bem de consumo, pois o mesmo necessita atingir
mais de um valor nominal de projeto para ser produzido com uma confiabilidade pré-
determinada. Sendo assim, qualquer amostra (processo) que possua duas ou mais variáveis
(parâmetros) de interesse pode ser considerada multivariada.
“Alguns autores estabelecem que o propósito da análise multivariada é medir, explicar e
prever o grau de relacionamento entre as variáveis estatísticas (combinação ponderada de
variáveis). Deste modo, o caráter multivariado consiste nas múltiplas variáveis estatísticas
(combinações múltiplas de variáveis) e não apenas no número de variáveis e observações”.
(HAIR JR. et al, 2005)
De acordo com Jonhson e Wichern (1998), verificam-se que os principais objetivos da
investigação científica onde os métodos multivariados são empregados com mais naturalidade
são:
a) Redução de dados ou simplificação estrutural;
b) Classificação e agrupamento;
c) Investigação de dependência entre variáveis;
d) Predição;
e) Teste e construção de hipóteses.
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
10
Como exemplo de aplicação da análise multivariada, pode-se citar a construção de gráficos de
controle multivariados, visto que as características funcionais que compõem um produto
possuem relação entre si e influenciam diretamente na qualidade do mesmo.
4.1. Controle estatístico do processo
O controle estatístico do processo é um conjunto de ferramentas desenvolvidas para o
monitoramento e controle de processos, objetivando a melhoria da produtividade e qualidade
dos produtos e serviços.
Quando se atinge o controle estatístico do processo, listam-se algumas vantagens como: a
fração de itens defeituosos permanece constante na média, os custos e índices de qualidade
são previsíveis e maximiza-se a produtividade para o sistema corrente. Assim, o CEP gera
informações por meio das suas ferramentas para auxiliar na tomada de decisão.
Uma das ferramentas utilizada no CEP é o gráfico de controle. Pode-se citar muitas razões
para a utilização do gráfico de controle, tais como: redução de desperdício de insumos,
redução de retrabalho, aumento da produtividade e da capacidade de produção, diminuição de
custos, impedimento de ajustes desnecessários no processo, prevenção da produção de itens
defeituosos, fornecimento de informações sobre o valor de importantes parâmetros do
processo e sua estabilidade no tempo. Assim, pode-se realizar um diagnóstico do processo e
implementar mudanças de tal forma a otimizá-lo.
Com o advento de processos mais complexos e a crescente geração de informações difundidas
pelo conceito de indústria 4.0, cria-se o cenário ideal para aplicação do CEP multivariado e
mais especificamente o gráfico de controle multivariado.
4.2. Aplicabilidade na indústria 4.0
Com o advento tecnológico atual e devido à grande quantidade de dados (big data) existentes,
se faz necessário a utilização de métodos para processar e analisar tais dados, de forma a
realimentar os processos produtivos, sendo este o cenário ideal para aplicabilidade de uma das
ferramentas de CEP.
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
11
De acordo com Sondagem Especial – Indústria 4.0 (2016) em uma pesquisa feita com 2225
empresas brasileiras, sendo 910 pequenas, 815 médias e 500 grandes empresas, observou-se
que na data em que foi feita a pesquisa, uma pequena porcentagem das empresas usava a
tecnologia de coleta, processamento e análise de grandes quantidades de dados focadas em
produto. “As tecnologias focadas em produto também são pouco utilizadas: 9% das empresas
coletam, processam e analisam grandes quantidades de dados (big data), 6% utilizam serviços
em nuvem associados a produtos e 4% incorporam serviços digitais nos produtos (internet das
coisas ou product service systems).” (SONDAGEM ESPECIAL – INDÚSTRIA 4.0, 2016)
Com o uso de todas as tecnologias, técnicas e metodologias apresentadas nas seções
anteriores, ilustrou-se neste artigo a aplicação do CEP Multivariado de forma automatizada na
Indústria 4.0.
Atualmente, em muitas empresas, utilizam-se módulos de rede e sensores inteligentes em
equipamentos, tornando possível captar sinais de vários pontos do mesmo. Tais sinais são
transformados em pulsos que são transmitidos de forma eficaz via redes otimizadas. Essas
redes enviam esses pulsos para sistemas de CLP (Comando Lógicos Programáveis) e IHM
(Interface Homem-Máquina), transformando-os em dados que são integrados a um sistema de
controle de supervisão e aquisição de dados, chamado de SCADA (Supervisory Control and
Data Acquisition). O sistema SCADA envia os dados adquiridos de forma eficiente ao MES
(Manufacturing Execution System) que pode ser definido simplificadamente como um sistema
de controle e monitoramento de todas as etapas do processo de produção em tempo real. Tal
sistema integra os seus dados e informações com um software de ERP (Entreprise Resource
Planning), o qual é o responsável por todas as operações e informações gerenciais e
processuais de uma organização. Todo esse processo gera uma grande quantidade de dados
que fica armazenado na nuvem (cloud). Tal fluxo e armazenamento de dados está ilustrado na
figura 3.
Figura 3 – Sistema de transmissão de dados da Industria 4.0
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
12
(Fonte: Adaptado Baffuff, 2017)
Na indústria do futuro, conforme ilustrado na Figura 3 entende-se que a cadeia produtiva
sofrerá a mínima intervenção humana. O sistema se auto alimentará com os parâmetros
necessários para a otimização de todo o sistema, e, quando preciso, por meio do seu banco de
dados (big data) buscará informações necessárias para a correção do processo. Neste ponto, se
aplica os gráficos de controle multivariados, uma das ferramentas do CEP multivariado, com
o intuito de se efetuar um diagnóstico do processo. De acordo com o diagnóstico, o próprio
sistema implementa mudanças online, evitando-se desperdícios, paradas por ajustes manuais
desnecessários fornecendo informações importantes dos parâmetros do processo no tempo.
A ideia chave é que o sistema aprenda com os erros do passado e armazene em seu banco de
dados diversas possibilidades de autocorreção por meio de análises multivariadas quando o
processo sair dos padrões ou apresentar variabilidades relevantes. A figura 4 ilustra uma visão
geral do processo de uma indústria do futuro com aplicação de análises multivariadas, onde o
CEP multivariado é um dos ramos da mesma.
Figura 4 – Visão Geral da Indústria do Futuro com Aplicação de Análises Multivariadas
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
13
(Fonte: os autores, 2017)
Olhando de forma mais detalhada para o CEP Multivariado visando entender melhor o
conceito da fábrica inteligente, pegou-se como exemplo as máquinas, que após o processo de
retroalimentação “aprendem” e se tornam autônomas.
Quando um processo de fabricação é realizado pela primeira vez o operador realiza o Setup do
equipamento, regulando a máquina e seus parâmetros de produção. Durante o processo podem
ocorrer anomalias que são responsáveis pela variabilidade excessiva do mesmo, reduzindo a
sua capacidade e gerando perdas para a produção.
Como já mencionado, na indústria 4.0, essas variabilidades são identificadas e registradas por
sensores inteligentes, monitorados e controlados por sistemas de supervisão (SCADA), de
gerenciamento da produção (MES) e de gestão das operações da empresa (ERP). Em cada
uma dessas etapas os dados são enviados a um grande banco de dados que fica armazenado na
nuvem. Neste banco de dados, realizam-se as análises de CEP multivariados. Após finalizadas
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
14
as análises, o sistema é retroalimentado, sendo os seus resultados armazenados em outros
módulos dentro da própria nuvem (Big Data). Os resultados dessas análises são informações
relevantes para os processos futuros de produção, pois no caso de ocorrer alguma anomalia, o
sistema, antes de qualquer outra ação, buscará informações de alguma anomalia correlata a
alguma já registrada. Caso a encontre, procederá aos ajustes necessários automaticamente e
sem a interferência do operador. Assim, a máquina “aprendeu” com situações ocorridas e
informadas.
Todo o fluxo do processo descrito está ilustrado na figura 5, e uma das bases para tornar isto
viável é o RTO (Real-Time Optimization), um sistema de controle que busca otimizar o
desempenho do processo em tempo real.
Figura 5 – Fluxo do RTO
(Fonte: Adaptado Francio S. L. B. Silva, 2016)
5. Considerações Finais
O conceito de indústria 4.0 está intimamente relacionado com a internet das coisas, a
conectividade e a grande quantidade de dados gerados e armazenados na nuvem, sendo este o
ambiente ideal para uso de métodos de análises multivariados. Essa afirmativa é confirmada
pela pesquisa realizada por Sondagem Especial – Indústria 4.0 (2016). Em sua pesquisa,
realizada com 2225 empresas nacionais, 15% das mesmas, consideram que a coleta,
processamento e análise de grandes quantidades de dados (big data) são importantes para se
manterem competitivas no mercado, e ainda, observou-se que do total pesquisado, 39% não
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
15
sabiam responder. Desta forma, de acordo com a pesquisa, verifica-se que além de se ter um
ambiente propício, torna-se importante para a manutenção da competitividade o uso de
métodos de análises multivariados.
Nas seções anteriores, demonstrou-se apenas umas das possibilidades de aplicação desses
métodos, mais precisamente os gráficos de controle multivariados que representam somente
uma parcela das metodologias de abordagens multivariadas que podem ser usadas. Ainda
nesse contexto, pode-se citar outras abordagens multivariadas, tais como a análise fatorial,
análise de discriminante e análise de agrupamentos. A idealização do uso desses métodos é de
processar, analisar, classificar, encontrar padrões e hierarquizar os dados mais relevantes
contidos na nuvem para tomada de decisões, tanto no nível de produção quanto em nível de
criação de um portfólio.
O intuito deste artigo é ilustrar o uso e importância do CEP multivariado integrado ao
conceito da indústria 4.0 vislumbrando o aproveitamento do volume de informações geradas
na cadeia produtiva, e assim, extrair-se dados para melhoria da capacidade e eficiência da
produção. Como consequência deste processo, consegue-se produtos e serviços mais
confiáveis e de maior qualidade. Outra aplicação, além da melhoria do processo, é de se
utilizar os parâmetros gerados pelos gráficos de controle como forma das máquinas
“aprenderem” e se tornarem autônomas na manutenção da capacidade do processo.
6. Referências Bibliográficas
BALLUFF. Indústria 4.0 :competência concentrada para automação industrial. 2017. Disponível em:
<http://www.balluff.com/local/br/solutions-and-technologies/industry-40/> Acesso em: 28 abr. 2017.
BAUERNHANSL, Thomas, HOMPEL, Michael ten e VOGEL-HEUSER, Birgit. Industrie 4.0 in Pmduktion,
Automatisierung und Logistik :Anwendung, Technohgien, Migration. Wiesbaden: Spiingei Vieiweg, 2014.
BOUROUCHE, J. M.; SAPORTA, G. Análise de dados. Tradução: Marcus Penchel. Rio de Janeiro: Zahar
Editores, 1982. 115 p. Tradução de: L´analyse des données.
HAIR JR., Joseph F. et al. Análise Multivariada de Dados. 5. ed. Tradução: Adonai Schlup Sant’Anna e
Anselmo Chaves Neto. Porto Alegre: Bookman, 2005. Tradução de: Multivariate Data Analysis.
HASHIZUME, Keiko, ROSADO, David G., FERNÁNDEZ-MEDINA, Eduardo, FERNANDEZ, Eduardo B. An
analysis of security issues for cloud computing. Journal of Internet Services and Applications, fev, 2013.
INDICADORES CNI – CONFEDERAÇÃO NACIONAL DA INDÚSTRIA. Sondagem Especial : Indústria
4.0. Brasília, ano 17, abr. 2016. Disponível em:
<http://www.portaldaindustria.com.br/relacoesdotrabalho/media/publicacao/chamadas/SondEspecial_Industria4.
0_Abril2016.pdf> Acesso em: 04 maio 2017.
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
16
MCKINSEY & COMPANY. Industry 4.0: how to navigate digitization of the manufacturing sector. McKinsey
Digital, p.13. 2015.
JOHNSON, Richard A., WICHERN, Dean W. Applied multivariate statiscal analysis. 2º Edition. Prentice
Hall Internacional, Inc.
JOHNSON, Richard A., WICHERN, Dean W. Applied Multivariate Statistical Analysis. 4. ed. New Jersey:
Prentice Hall, 1998.
KOLBERG, Dennis, ZÜHLKE, Detlef. Lean automation enabled by industry 4.0 technologies. IFAC-
PapersOnLrne, 48(3), 1870-1875, 2015.
MONTGOMERY, Douglas C. Introdução ao controle estatístico de qualidade. Rio de Janeiro: LTC – Livros
Técnicos e Científicos Editora S.A., 2009.
NICOLETTI , Bernardo. Lean and automate manufacturing and logistics: advances in production
management systems. Sustainable production and service supply chains. Springer Berlin Heidelberg. p. 278-
285. 2013.
SILVA, S. L. B. Francio. Indústria 4.0 : estado da arte. Simpósio Internacional: Indústria 4.0 – Paraná e Baden-
Wurttemberg, Curitiba, 28 nov. 2016.
SLACK, Nigel, CHAMBERS, Stuart, JOHNSTON, Robert. Administração da Produção. São Paulo: Editora
Atlas, 1997.
SCHISSATTI, Márcio Luiz. Uma metodologia de implantação de cartas de Shewarth para o controle de
processos. Florianópolis. Dissertação (Mestrado em Engenharia de Produção). UFSC, 1998.
SCHUH, Gunther, GARTZEN, Thomas, RODENHAUSER, Timon e MARKS, Alexander. Promoting work-
based Learning through industry 4.0. Procedia CIRP, 32, 82-87, 2015.
SNIDERMAN, Brenna, MAHTO, Monika, COTTELEER, Mark. Industry 4.0 and manufacturing
ecosystems: Exploring the world of connected enterprises. Deloitte University Press, fev. 2016.
SPATH, Dieter, GANSCHAR, Oliver, GERLACH, Stefan, HAMMERLE, Moritz, KRAUSE, Tobias e
SCHLUND, Sebastian. Produktionsarbeit der Zukunjt : Industrie 4.0. Stuttgait: Fiaunhofei Veilag, 2013.
WAN, Jiafu, CAI, Hu e ZHOU, Keliang. Industrie 4.0: Enabling technologies. International Conference on
Intelgent Computing and Internet of Things (ICIT). IEEE, p. 135-140, Harbin, China, 2015.
YIN, Shen e KAYNAK, Okyay. Big data for modern industry: Challenges and Trends. Preceedings of the
IEEE. vol 103, n. 2, fev 2015.
Top Related