Detecção de Desvios de Desempenho em Tempo Real

Introdução

Algumas perdas de produção, como paradas não programadas e itens com defeito, são identificadas com facilidade pelos sistemas de monitoramento existentes. Já as quedas de ritmo e outras perdas sutis passam, na maior parte, despercebidas.

Como existem vários tipos de linhas de produção, em diferentes segmentos da indústria, é muito difícil construir regras gerais que detectem essas perdas. O objetivo era desenvolver uma solução automatizada capaz de processar dados de alta velocidade de forma online, para identificar esses desvios de desempenho em tempo real.

Metodologia

Em um projeto de ritmo acelerado, a Mip Wise criou um modelo online de detecção de perdas que gera alertas para as linhas de produção. A prova de conceito (POC) seguiu estas fases:

• Descoberta: entendimento dos problemas e de como o sistema atual funciona, levantamento dos dados disponíveis que poderiam ser usados e coleta de percepções da equipe do cliente.
• Saneamento e preparação dos dados: como os conjuntos de dados do cliente não eram uniformes, desenvolvemos um pipeline de pré-processamento para lidar com séries temporais com espaçamento irregular, outliers e variações entre as diferentes linhas de produção.
• Análise exploratória de dados (EDA): a partir da etapa anterior, avançamos no entendimento das séries temporais e dos demais dados disponíveis com gráficos e resumos, e formulamos hipóteses que foram discutidas com a equipe do cliente e testadas do nosso lado.
• Desenvolvimento do modelo: ainda durante a EDA, vários modelos estatísticos e de machine learning foram considerados. Um dos algoritmos estatísticos mostrou os resultados mais promissores. Durante o desenvolvimento, o modelo recebeu várias melhorias sob medida, e na fase de implementação os parâmetros do algoritmo foram ajustados por clusters de linhas de produção.
• Implantação: a solução foi entregue como um conjunto de módulos e funções integrados, pensados para serem incorporados diretamente pela equipe técnica do cliente ao seu ambiente de produção.

Resultados

A solução identificou perdas de vazão latentes, que antes não apareciam nas visualizações dos dashboards, com detecção dentro de janelas de tempo que permitem agir.

• Acurácia: eficácia comprovada na detecção de perdas sutis em linhas heterogêneas.
• Alinhamento estratégico: a equipe técnica do cliente está trabalhando na integração interna e na validação com outros conjuntos de dados. O retorno sobre os resultados foi positivo, e o CEO da empresa demonstrou entusiasmo com os próximos passos.