Entrevista sobre a 4.0 NOW Fabrik: “Reunir inovações”

Em 2019, a SICK abriu as portas para a 4.0 NOW Fabrik em Friburgo. Neste meio tempo, não somente grupos de visitantes tiveram visões interessantes sobre a produção, mas também o próprio Joachim Schultis, Head of Operations Photoelectric Sensors & Fibers, sobre a fábrica. Quais aprendizados Schultis e sua equipe obtiveram nos últimos meses da fábrica? Sobre isso ele fala no SICK Sensor Blog.

Sr. Schultis, o senhor é gerente de produção em uma fábrica que trabalha pelos princípios da Indústria 4.0. Como a sua tarefa se diferencia da de um gerente de produção de uma fábrica convencional?

Schultis Numa fábrica convencional, trata-se de aumentar a eficiência global continuamente mediante aplicação de procedimentos e métodos conhecidos. O objetivo em uma fábrica nos moldes da Indústria 4.0 é exatamente o mesmo: aumentar a eficiência global. Porém, o caminho usado é diferente. Trata-se primariamente de colocar tudo o que vemos e aprendemos e colocar nos trilhos certos visando o futuro. O novo oferece chances de superar limites existentes do “velho” mundo e redefinir a eficiência global – não importa sobre qual disciplina, tecnologia e método estamos falando. Como gerente de produção, trata-se de aprender dos novos procedimentos e ter a coragem de superar os limites do conhecido; aqui são as novas tecnologias que criam o pressuposto para realmente poder deslocar limites.

Quais são as chaves de aprendizagem que o senhor girou nos últimos meses na fábrica?

Schultis A complexidade de um novo sistema de produção, assim como nós a realizamos, colocou a organização diante de novos desafios. Tivemos que nos reorganizar, a fim de, por um lado, realizar a produção atendendo as necessidades dos clientes em conformidade com o mercado e, por outro, aperfeiçoar o sistema de produção em sua totalidade, ao passo que novas variantes tiveram que ser integradas. Nesses casos, os sistemas de planejamento e de controle convencionais chegam rapidamente aos seus limites. Para poder cumprir essas exigências, introduzimos formas de trabalho ágeis, com as quais conseguimos reagir de modo muito mais flexível às exigências-alvo que se alteram dinamicamente. As nossas equipes ágeis recorrem a dados de tempo real em suas reuniões de incentivos e arrancadas ou a informações já processadas, que obtemos por meio de processos Data Mining, visando chegar a uma decisão. E de fato: também aqui estamos recém no começo e aprendemos diariamente. Para voltar novamente à sua pergunta sobre "Aprendizados-chave", nós aprendemos que precisamos combinar inovações técnicas e organizacionais para agirmos radicalmente mais rápido, visando o alvo e aproveitar novos valores agregados.

O senhor poderia explicar estas vantagens? 

Schultis Nos últimos meses, implementamos novos produtos na logística de produção, por exemplo. Já na fase dos protótipos , nos beneficiamos das instalações altamente automatizadas e não tivemos que construir manualmente uma instalação extra para os protótipos. Isso funciona. A flexibilidade da fábrica fala por si mesma. Fabricamos os protótipos paralelamente à produção seriada.

Como se realiza esta flexibilidade? 

Schultis A nossa fábrica é de estrutura modular. Os módulos de produção parcialmente automatizados estão ligados entre si por meio de pequenos carros guiados autonomamente (AGCs). Ao contrário da produção seriada em andamento, podemos processar ensaios de modo simples ou simplesmente implementar novos produtos. Se houver um pequeno transtorno, não é toda a instalação de produção que fica imobilizada. É nisso que se mostra a flexibilidade pura. Isso faz com que, em seu todo, atravessemos a fase inicial com muito menos dores. Estamos muito mais robustos a caminho e temos muito mais graus de liberdade.

Como se apresenta a situação no caso de um problema na instalação? Seria possível que simplesmente uma outra assumisse a tarefa?

Schultis Sim, isso é possível. Nós não dispomos de tudo em dobro, mas contamos com processos que podemos executar de modo totalmente automático ou manual. Neste caso, um sistema de controle de manufatura de hierarquia superior desenvolvido especificamente para a fábrica, assume o controle do fluxo de material.

No ano passado, o senhor falou de cinco famílias de produtos. Qual é a situação atual? 

Schultis Neste meio tempo, implementamos mais duas famílias de produtos, portanto, temos atualmente sete famílias de produtos no processo de produção, e mais outras duas serão acrescentadas até o final do ano. Dentro destas famílias se desenvolvem as variantes. Atualmente já implementamos um número de variantes que chega aos quatro dígitos. As máquinas acompanham este crescimento sem problemas. Atualmente, além de produtos seguros, também desenvolvemos produtos não seguros nos mesmos módulos.

No início, o senhor se referiu ao Data Mining. O senhor poderia compartilhar conosco os reconhecimentos que foram obtidos?

Schultis Nós dividimos os nossos dados do ambiente de produção em três categorias principais. Na categoria Smart Manufacturing, se trata do nível de processo para melhorar a qualidade, aumentar a OEE (Overall Equipment Effictiveness) e assim por diante. Esta é uma área temática forte. A segunda consiste no tema Predictive Maintenance ou manutenção preventiva. Aqui fazemos uso de sinais digitais para implementar os itens de manutenção o quanto mais eficientemente possível. Por exemplo, nem sempre temos ciclos de manutenção fixos, pois os sensores e atuadores sinalizam quando uma manutenção se faz necessária. Na terceira categoria, se trata do assunto gestão de energia. Descobrimos quanta energia o pavilhão completo consome durante o ano inteiro. Futuramente, esta transparência vai nos ajudar a produzir com uma energia mais eficiente e mais sustentável, pois poderíamos produzir em épocas mais favoráveis.

Vocês já estão em condições de deduzir as consequências a partir dos dados? No sentido da Indústria 4.0? 

Schultis (sorri) Tenho que responder esta pergunta com um “SINÃO” de grande respeito. Sim, já estamos em condições de deduzir as consequências a partir dos dados. E também sim, quanto mais nos ocupamos disso, maior se torna o espaço dos potenciais possíveis. Um pequeno exemplo: agora realizamos o monitoramento do ar comprimido nos nossos módulos de produção por via digital. Não havia nada disso antigamente. Quando a pressão baixava de 5 bar, nós descobríamos isso somente quando ocorriam defeitos na produção. Agora, pelo modo digital, monitoramos isso com limites de alerta. Se estes forem superiores ou inferiores aos valores especificados, emitimos um tíquete BPM (Bosch Performance Manager) para o Suporte. Outro exemplo é a velocidade de deslocamento de cilindros. Tipicamente, é possível detectar ocorrências de desgaste com base nisso. Posteriormente, estes dados nos ajudam a eliminar os limites de alerta para manutenção dos mais variados atuadores/sensores. A meta deve ser a detecção de problemas/falhas antes que ocorram.

Já aconteceu alguma coisa que vocês não teriam descoberto sem esses dados? 

Schultis Tivemos a situação num módulo, no qual monitoramos o ar comprimido com o nosso sensor SICK FTMg. O próprio sensor está ligado à nuvem por meio de um gateway (TDC-E). Nesta nuvem, ancoramos o Host do BPM que nos ajuda a visualizar os dados. A partir disso, podemos detectar uma pulsação do ar comprimido de alimentação e tomar as medidas correspondentes. Se o erro tivesse ficado oculto, o resultado seria que uma válvula de comutação seria eliminada. Foi possível substituí-la em tempo hábil e impedir a parada da máquina. O Deep Learning também será importante na fábrica do futuro? Em qualquer caso. Deep Learning é uma tecnologia que pode nos ajudar a nos tornar melhores de diferentes maneiras. Estamos justamente trabalhando numa solução, com a qual poderemos utilizar redes neuronais na nossa verificação da qualidade. Falando concretamente, ela deve se tornar uma inspeção visual automática (AOI) de pontos de solda forte. Nós vemos e aprendemos diariamente e testamos novas tecnologias.

O senhor poderia finalizar esta frase para nós? A fábrica do futuro... 

Schultis … deve ser iniciada no presente, caso contrário, o futuro permanecerá um “eterno” futuro. Hoje nós podemos aproveitar a chance para gerar o valor agregado como ajuda de dados e, deste modo, produzir o mais eficientemente possível.

Outras contribuições:

Localização em áreas internas e externas: transparência total no fluxo de material

Os sensores controlam o futuro dos robôs colaborativos

Boa gestão de energia com o novo sensor de vazão para detecção de fugas