Como usar insights contextuais para desenvolver análises prescritivas verdadeiras
Os eventos devem ser colocados em contexto para serem totalmente compreendidos.
A aplicação de soluções de análise avançada a processos industriais geralmente envolve obter insights dos dados e usar esses dados para tomar decisões.
Na minha experiência, obter o mais alto nível de realização – a fábrica aumentada – vem com desafios únicos. Em uma fábrica aumentada, os especialistas em processos usam análises prescritivas para alterar um resultado preditivo nos comportamentos do processo.
O conhecimento inicial de produção normalmente inclui o status, o desempenho e a integridade das instalações, linhas de produção e máquinas. Os insights orientados por dados abordam problemas com tempo de produção, tempo de inatividade e defeitos, enquanto ajudam a prever quando eventos indesejados podem interferir na produção.
As plantas geralmente expressam esses “eventos de processos contextuais” em unidades como lotes, fases, ciclos e campanhas. Os eventos de tempo de inatividade também incluem manutenção planejada ou não planejada, paradas de emergência, trocas, defeitos e inspeções de qualidade.
Os insights de dados de processo melhoram os tempos de ciclo, a eficiência geral do equipamento (OEE), a qualidade do produto e a integridade dos ativos. Eles corrigem anomalias rapidamente e identificam quando elas podem ocorrer novamente.
Uma revisão dos quatro tipos de análise
É melhor quantificar opções e testar suposições continuamente usando quatro tipos de análise de dados:
1. Análise descritiva (identificando o que aconteceu)
2. Análise de diagnóstico (identificando por que aconteceu)
3. Análise preditiva (prever quando algo acontecerá)
4. Análise prescritiva (saber o que fazer para alterar um resultado previsto)
Todos os quatro tipos geram decisões e ações no que chamamos de “ciclo de análise aumentada”, que demonstra desafios em ver casos de uso de ponta a ponta usando apenas análises descritivas, diagnósticas, preditivas ou prescritivas. Por exemplo, a manutenção preditiva é alcançada quando dados descritivos e de diagnóstico são usados para obter insights, identificar o que aconteceu e explicar o porquê. Insights preditivos podem ajudar a gerar um modelo para construir uma solução preditiva de ponta a ponta.
Quando trabalhamos com uma empresa que estava tendo problemas para atingir a temperatura correta em um trocador de calor, os engenheiros aplicaram os três primeiros tipos de análise para obter um cronograma de manutenção prescritiva. O resultado? A temperatura do trocador de calor foi consistente.
A empresa usou todos os tipos de análise para atingir seu objetivo:
1. Análise descritiva: O trocador de calor não pode mais atingir as temperaturas de saída definidas.
2. Análise de diagnóstico: A incrustação causa uma queda no desempenho, mas a solução de análise de dados revelou que a limpeza resolve o problema.
3. Análise preditiva: A solução sabe quando a incrustação ocorrerá novamente com base nos parâmetros operacionais descobertos.
4. Análise prescritiva: Quando o trocador de calor não atende às temperaturas do ponto de ajuste, a solução notifica as partes interessadas que é hora de limpar.
Para implementar o cronograma correto de manutenção preditiva, as empresas devem aplicar todos os quatro tipos de análise no nível aumentado. Por exemplo, a empresa precisaria reunir novos insights se a incrustação não for mais a fonte do problema com o trocador de calor. Os engenheiros precisariam começar no nível descritivo e seguir as etapas para fechar o ciclo novamente.
Fórmulas para a tomada de decisão análises prescritivas
“Prescritivo” pode significar melhorar a tomada de decisões, prever a produção ou simplesmente alertar alguém para verificar o equipamento. O sucesso depende de saber o suficiente sobre a anomalia do processo para determinar quando ela pode ocorrer novamente.
Normalmente, a mesma fórmula é usada para todos os processos de produção. Atingir o nível prescritivo significa obter insights por meio da exploração de dados e testes de hipóteses. Também inclui o uso de aprendizado de máquina (ML) ou algoritmos que preveem resultados de indicadores iniciais para tomar decisões inteligentes.
Em um caso de uso recente, nossa solução de análise de dados informou as equipes de manutenção de petróleo e gás sobre quais tarefas priorizar. Os engenheiros conseguiram evitar uma falha prevista da máquina. Em outro, uma empresa de alimentos e bebidas usou a solução para decidir como otimizar as matérias-primas enviando notificações de recomendação prescritiva aos operadores sobre o uso e dosagem dos extratores.
Análise prescritiva
Durante uma visita a uma fábrica alemã em 2021, descobrimos que seu maior desafio não envolvia análises, mas sim retenção de conhecimento. Mais de 50% de seus trabalhadores planejavam se aposentar em 10 anos.
“Usando a análise prescritiva, cada pessoa que ingressa em nossa empresa pode agora se tornar, em dois anos, 100% conhecedora do processo de produção e ser totalmente independente de suas contrapartes experientes”, disse um representante da fábrica. “Isso costumava levar 10 anos.”
Embora a interpretação dos dados em si não fosse o maior desafio, ela oferecia a oportunidade perfeita para aplicar análises prescritivas e criar uma base de conhecimento. Melhorar a capacidade de integrar novos funcionários era tão importante quanto manter os processos funcionando corretamente. Ao aplicar a análise prescritiva, eles conseguiram as duas coisas.
Fonte: Smart industry
Notícias do setor industrial você encontra aqui no portal da indústria brasileira, Indústria S.A.
