Entenda e melhore a disponibilidade no OEE

O principal índice para medir a performance fabril é o OEE (Overall Equipment Effectiveness – Eficiência Geral de Equipamento), ele não somente mede o desempenho de um equipamento, mas também de uma linha, célula e até da planta fabril inteira.

É composto por três sub índices: Disponibilidade, Eficiência e Qualidade. Cada um desses índices demonstra um desempenho em uma área específica: disponibilidade – o tempo de utilização do equipamento, eficiência – a performance da produção, qualidade – a porcentagem de partes boas produzidas perante o total.

Como cada um desses índices é muito extenso, dividirei esse assunto em três artigos, cada uma tratando de um dos índices que compõem o OEE. Neste artigo discorrerei sob disponibilidade com foco em como obter um alto índice, envolvendo a manutenção preditiva e alertas antecipados de falhas ou quebras por utilização de Inteligência Artificial e Machine Learning.

Disponibilidade

Basicamente a disponibilidade é medida pelo tempo que a máquina esteve disponível para produção e suas paradas, esse índice pode demonstrar vários pontos interessantes para o gestor, entre eles, como os tempos de setups, de falhas do equipamento, ausência de material, problemas com operadores ou erros de processos podem afetar sua produção. De forma gráfica podemos exemplificar da seguinte maneira:

O Downtime do exemplo acima se divide em vários subperíodos, do reporte da falha, ao tempo de resposta, reparo e teste do equipamento. Com essas informações podemos calcular outros índices e informações como por exemplo o MTBF (Mean Time Between Failures – Tempo Médio Entre Falhas) e o MTTR (Mean Time To Repair – Tempo Médio Para Reparo) esses itens demonstrando a viabilidade da utilização de um bem de capital devido suas falhas e custos dessas paradas, também é possível analisar o dimensionamento da equipe de manutenção e o tempo dispendido para solucionar um problema.

O cálculo da disponibilidade é simples, devemos pegar o tempo produtivo planejado, subtrair todas as paradas e dividir novamente pelo tempo planejado, multiplicando o quociente por 100, isso nos informará o percentual de utilização do item em questão.

 O custo da indisponibilidade pode ser muito alto, além de afetar a produtividade, o equipamento parado tem custo para a empresa. Um cálculo simplista para entender esse custo seria dividir o valor do bem pela quantidade de horas que se espera como vida útil e somar o valor hora-homem de seu operador, isso lhe dará um valor base da hora da parada. 

Isso sem calcular multas contratuais que podem ser cobradas por atrasos de entregas e muitas vezes até possíveis quebras de contratos.

Como as indústrias podem atuar para obter um índice de disponibilidade worldclass de 90%? O primeiro passo é possuir ferramentas informatizadas para que as paradas de máquina sejam identificadas e mapeadas, o apontamento em papel é falho, números são arredondados, informações negligenciadas e perdidas. Com o uso dessas ferramentas, uma análise já pode ser feita e a identificação dos “vilões” das paradas se tornam visíveis para tomadas de ações.

Com o advento das tecnologias de IIoT e Indústrias Inteligentes, podemos ir além da identificação dessas paradas, podemos prevê-las, para isso o Machine Learning (Aprendizado de Máquina) e a Inteligência Artificial devem ser usados como um diferencial competitivo. A análise de histórico de produção, das paradas e de sensores das máquinas, quando cruzados, podem prever com exatidão um ponto de falha, sua equipe poderá entrar em ação antes que a parada ocorra, sem a necessidade de uma manutenção não programada.

Nem todos os vilões da disponibilidade são apenas falhas de equipamentos, setups e problemas de logística interna também devem ser analisados, somente um sistema de Inteligência Artificial pode ajudá-los na organização e sequenciamento de ordens de produção evitando setups excessivos e demorados.

A plataforma da Oden, distribuída pela Industrial IoT Solutions na América Latina, é uma tecnologia disruptiva, integrando o chão de fábrica à plataforma na nuvem , entregando soluções para uma produção perfeita utilizando, seu motor de inteligência artificial, machine learning e seus mecanismos de recomendações e alertas antecipados, ajudando empresas a serem mais competitivas, lucrativas e eficientes.

Referência:

STAMATIS, D.H. The OEE Primer: Understanding Overall Equipment Effectiveness, Reliability, and Maintainability: Productivity Press, 2010