A Experiência de Big Data em Manufatura: 12 Casos de Uso Reais

Muito antes dos gigantes da manufatura de hoje, Henry Ford criou uma “jogada” inteligente. Ele pagou uma equipe de manutenção em uma de suas fábricas não pelo reparo do equipamento, mas pelo tempo gasto em uma sala de recreação, quando não ocorreu nenhuma falha. Resultado: os trabalhadores foram mais produtivos e os custos de tempo de inatividade diminuíram.

Mas hoje, até o gênio de Henry Ford não seria suficiente para otimizar os processos de fabricação. Agora, para se manter competitivo, você precisa de conhecimento e tecnologia. É por isso que as empresas recorrem à consultoria de big data. E aqui estão 12 casos de uso mostrando o brilho do big data na indústria da transformação a partir de 4 perspectivas diferentes.

1. Otimização de Produção

Melhoria no processo de extração

Uma classe de minério de metal precioso verticalmente integrada diminuiu. A única maneira lógica de evitar perdas foi melhorar os processos de extração e refinamento de metais. Usando dados de sensores, a solução de big data do fabricante identificou quais fatores influenciaram mais a produção. E o parâmetro dominante acabou sendo o nível de oxigênio. Com esse insight, a equipe modificou um pouco o processo de lixiviação e aumentou o rendimento em 3,7%. Graças à análise de big data, o fabricante agora ganha US$ 10-20 milhões adicionalmente a cada ano. Bastante ganho, considerando que a taxa de deterioração do teor de minério foi de 20%.

Perfeição de rendimento químico

Um importante fabricante europeu de produtos químicos procurou melhorar o rendimento. Usando sensores, sua solução de big data analisou como cada fator de entrada influenciava a produção. Analisou temperaturas, quantidades, fluxo de dióxido de carbono e pressões de refrigerante e comparou suas taxas de influência entre si. Como resultado, foi revelado que as taxas de fluxo de dióxido de carbono afetam enormemente o rendimento. Mudando ligeiramente os parâmetros, eles conseguiram uma diminuição significativa no desperdício de matérias-primas (em 20%) e nos custos de energia (em 15%), e melhoraram consideravelmente o rendimento.

Melhoria no rendimento da vacina

Uma grande empresa farmacêutica precisava encontrar uma maneira de melhorar o rendimento de suas vacinas. Para isso, a solução de big data da empresa analisou os dados dos sensores dos equipamentos, revelou interdependências entre vários parâmetros de produção e comparou como cada um deles afetou o rendimento. Então, 9 parâmetros mais cruciais foram identificados, revisados ​​e ajustados para otimizar o processo de fabricação. Melhorou o rendimento das vacinas em 50%. Agora, a empresa também fatura de US$ 5-10 milhões por ano por substância.

Otimização de açúcar

Altos níveis de umidade e matérias-primas de baixa qualidade afetaram muito o sabor do açúcar de um grande fabricante de açúcar. Para combater isso, eles usaram uma solução de big data (com capacidade de machine learning) para analisar os dados dos sensores e encontrar correlações entre os parâmetros que contribuem para a melhor qualidade do açúcar. Usando esse insight, o fabricante conseguiu encontrar uma maneira de influenciar rapidamente a qualidade do produto e alcançar um padrão de açúcar unificado, independentemente dos fatores externos. Isso permitiu que eles reduzissem os custos de produção, aumentassem a satisfação do cliente e simplificassem as cargas de trabalho.

2. Garantia de Qualidade

Garantia de qualidade do veículo em estágio inicial

Já em 2014, a BMW utilizou big data para detectar vulnerabilidades em seus novos protótipos de carros. Os dados foram coletados dos sensores nos protótipos testados e nos carros já em uso. Devido à análise de big data, a solução da BMW (provavelmente integrada ao seu software de projeto e modelagem de veículos) detectou pontos fracos e padrões de erro nos carros e protótipos. Isso permitiu que os engenheiros removessem as vulnerabilidades descobertas antes que os protótipos realmente entrassem em produção e ajudassem a reduzir os recalls de carros já em uso. Como resultado, a BMW pôde não apenas garantir maior qualidade nos estágios iniciais, mas também reduzir os custos de garantia, aumentar a reputação da marca e provavelmente salvar vidas.

Projeto de motor a jato

A Rolls-Royce usa big data extensivamente. E uma de suas experiências de big data na produção mais interessantes está relacionada à modelagem de novos motores de aeronaves.

No estágio de projeto, um software (integrado a uma ferramenta de big data) cria simulações de novos mecanismos de jato e analisa terabytes de big data para verificar se os novos modelos são bons. Isso permite que a empresa encontre pontos fracos antes que o modelo chegue à produção, o que reduz os custos relacionados a defeitos e ajuda a projetar um produto de qualidade muito superior.

3. Gestão Empresarial

Crescimento empresarial impulsionado por dados

Usando big data na manufatura, as empresas podem enfrentar desafios globais de desenvolvimento, como transferir a produção para outros países ou abrir novas fábricas em outros locais. A análise de dados históricos e externos das empresas pode determinar se ainda é lucrativo gerenciar fábricas em locais ou escopos atuais, criando modelos preditivos e cenários hipotéticos.

Além disso, nas mãos certas, o big data pode ajudar a explorar oceanos de oportunidades inusitadas, como oferecer novos produtos ou até mesmo conquistar novos mercados.

Matérias-primas acessíveis

Para evitar custos relacionados a falhas na cadeia de suprimentos, uma empresa precisava de uma maneira melhor de gerenciar a entrega de matérias-primas. Eles decidiram usar os detalhes da rota de seus fornecedores e dados meteorológicos fornecidos por uma fonte externa confiável para identificar a probabilidade de atrasos na entrega. Para isso, sua ferramenta de big data (possivelmente integrada ao MRP) utilizou a análise preditiva e calculou possíveis atrasos e escassez de matérias-primas. Com base nesses cálculos, a empresa elaborou um plano de emergência relacionado ao fornecimento e agora pode executar sua produção ininterruptamente e evitar custos excessivos de paralisação.

Manutenção preventiva

Os equipamentos de fábrica da Intel transmitem ao vivo os dados gerados pela IoT em sua solução de big data (provavelmente integrada com o MES). A solução analítica usa esses dados para reconhecimento de padrões, detecção de falhas e visualização. Ele permite que os engenheiros vejam quais tendências exigem sua atenção imediata e quais ações são necessárias para evitar falhas sérias. Essa manutenção preventiva reduz o tempo de reação de 4 horas para 30 segundos e reduz custos. Em 2017, graças ao big data e à IoT, a Intel previu uma economia de US$ 100 milhões.

4. Pós-Vendas

Limpeza de casco

Como um procedimento padrão de pós-venda, um cliente solicitou à Caterpillar Marine que fizesse uma análise de como a limpeza do casco impacta o desempenho da frota. A solução de big data da Caterpillar (integrada à sua plataforma Asset Intelligence) analisou dados de sensores em navios operando com e sem cascos limpos. Em seguida, encontrou correlações entre os investimentos de limpeza do casco do cliente e o desempenho da frota. Logo, a Caterpillar concluiu que o cliente precisava limpar os cascos com mais frequência (a cada 6,2 meses, não 2 anos) e que os investimentos relacionados compensavam. Quanto ao fabricante, o big data permitiu que eles garantissem a exploração mais eficiente de seus produtos e melhorassem a imagem da empresa.

Otimização de parques eólicos

Como defensor do pós-venda, com uma abordagem personalizada aos clientes na fabricação, a General Electric ajuda os produtores de energia a usar big data em 4 níveis.

Nível 1. A análise de dados do sensor da turbina eólica permite que os produtores de energia otimizem o passo da lâmina da turbina e a conversão de energia automaticamente.

Nível 2. O software de monitoramento de parques eólicos compara os dados do sensor com os valores previstos e reconhece os padrões de desempenho, o que ajuda os produtores de energia a executar a manutenção preventiva nas fazendas.

Nível 3. Os produtores de energia usam dados históricos e atuais para criar modelos preditivos, encontrar correlações, detectar falhas e reconhecer padrões para otimizar o trabalho da fazenda.

Nível 4. Os dados são visualizados e apresentados à alta administração para tomadas de decisão informadas em escala global.

Motores de aeronaves conectadas

Além do estágio de design, a Rolls-Royce também usa big data para fornecer suporte pós-venda a seus clientes e tornar seus motores de aeronaves um produto conectado e inteligente.

No estágio de pós-venda, os centros operacionais da Rolls-Royce em tempo real analisam toneladas de dados alimentados pelos sensores do motor e geram insights sobre seu desempenho. Se algum defeito ou tendência alarmante for observado, os engenheiros podem tomar imediatamente as ações necessárias para evitar resultados catastróficos.

Essa abordagem permite que a Rolls-Royce aumente a qualidade de seus produtos, reduza significativamente os custos, assegure voos seguros e ofereça serviços de alto nível a seus clientes.

Epílogo

Esses casos de uso mostram que o big data pode gerar muito dinheiro e grande valor. Eles também mostram que o big data na manufatura é mais amplamente usado para otimização de produção. E é bem lógico: as soluções de big data são realmente boas em encontrar correlações. E mudanças na produção baseadas em correlações selecionadas podem melhorar enormemente o rendimento.

Além disso, você deve ter notado que quase todos os casos apresentam dados do sensor. Agora, geralmente há tantos sensores nas fábricas que executá-los, na verdade, parece pilotar uma nave espacial com vários relatórios em tempo real e análises preditivas. E para evitar acidentes com navios, antes de embarcar, os capitães sempre podem recorrer à consultoria de big data e navegar pelo espaço infinito com o máximo de conforto e segurança.

Fonte: https://www.scnsoft.com/blog/big-data-in-manufacturing-use-cases

Sobre o autor

Equipe Conteúdo Cetax

Posts recentes

Comentários

Arquivos

Tags

Categorias

Meta

/* ]]> */