O uso do Business Intelligence como gerador de indicadores de

Propaganda
O uso do Business Intelligence como gerador de indicadores
de desempenho no setor de Manutenção Industrial
Cleberson Ricardo Amaral1, Andréia Damasio de Leles1
1
Faculdade de Tecnologia de Indaiatuba - Centro Paula Souza (FATEC-ID)
Rua D. Pedro I, 65 – Cidade Nova – Indaiatuba – SP – Brasil.
[email protected], [email protected]
Abstract. This paper presents an approach about the use of Business Intelligence
in the generation of performance indicators in the sector of Industrial
Maintenance from the design of a Data Mart. This consisted of a work research,
observation analysis, and interpretation of the facts collected in a case study.
With the support of technologies Data Warehouse and OLAP (On Line Analytical
Processing) tools plus the use of concepts Maintenance Engineering, it becomes
possible to obtain indicators of adequate performance, assisting the maintenance
manager to make better decisions supported by more qualitative information,
which characterizes the results of this work.
Resumo. O presente artigo faz uma abordagem sobre o uso de Business
Intelligence na geração de indicadores de desempenho no setor de Manutenção
Industrial, a partir do projeto de um Data Mart. Constituiu-se em um trabalho de
pesquisa, observação, análise e interpretação dos fatos coletados em um estudo
de caso. Com o apoio das tecnologias de Data Warehouse e ferramentas OLAP
(On line Analytical Processing) somados ao uso dos conceitos de Engenharia de
Manutenção, torna-se possível a obtenção de indicadores de desempenho
adequados, auxiliando o gerente de manutenção a tomar melhores decisões
apoiadas por informações de maior qualidade, o que caracteriza os resultados
deste trabalho.
1. Introdução
Nas últimas décadas, grandes mudanças ocorreram na gestão e organização do sistema
produtivo em empresas dos mais variados segmentos, como no campo de desenvolvimento
tecnológico, tendo como alvo máquinas, sistemas de informações, automação, robótica,
telecomunicações, entre outros [Drucker 1996].
Constata-se que o setor produtivo, transformou-se numa área estratégica, por ser
um dos meios possíveis de atender e satisfazer as necessidades do cliente, como qualidade,
prazo e preço [Muassab 2002]. Porém, para produzir com qualidade, dentro do prazo e a
um baixo custo, as empresas exigem profissionais qualificados tanto para a operação de
equipamentos complexos quanto para a realização de melhorias contínuas no processo
produtivo.
A redução do processo produtivo proveniente de uma parada inesperada em uma
determinada linha de produção é um dos principais problemas enfrentados por empresas
dos mais diversos setores da indústria. Fica evidente que consertar uma máquina após sua
quebra não é viável, é mais sensato evitar que isto aconteça fazendo as inspeções
preventivas ou preditivas [Kardec 2001].
Diante deste cenário, pode-se afirmar que a Engenharia e a Gestão da Manutenção
ocupam posições importantes no plano estratégico, tendo inerente participação nas
melhorias no processo produtivo, por manter os equipamentos em perfeita condição de
funcionamento [Muassab 2002]. Para isso, muitos métodos gerenciais podem ser utilizados,
mas um dos mais significativos é o método de manutenção centrado em confiabilidade,
também conhecido pela sigla RCM - Reliability Centred Maintenance.
O objetivo deste trabalho é analisar se é possível obter informações mais precisas e
de maior qualidade, com o uso do BI - Business Intelligence (Seção 3), trazendo
contribuição direta à tomada de decisão. Essa análise será baseada em indicadores de
desempenho de manutenção, discutidos na (Seção 2) e apresentados de forma aplicada,
como resultados obtidos, a partir de um estudo de caso (Seção 4). Por fim, serão discutidos
trabalhos relacionados (Seção 5) e as considerações finais (Seção 6).
2. Materiais e Métodos
Entende-se confiabilidade como a capacidade de um item desempenhar uma função
requerida sob condições especificadas, durante um dado intervalo de tempo [NBR 5462
1994]. Neste sentido, a RCM identifica em cada operação, quais as ações necessárias para a
preservação das funções nela existente, ou seja, trata a manutenção por meio de um estudo
de confiabilidade de cada sistema, trazendo para esta função, um tratamento mais científico
e baseado em indicadores [Moubray 2000].
Um bom estudo de confiabilidade permite um melhor controle no estoque de peças,
das ordens de serviço e das paradas programadas, a partir da definição da capacidade ou
probabilidade de um componente, item ou equipamento executar sua função, por um
período determinado.
Os indicadores de confiabilidade podem colaborar no planejamento da programação
das paradas e evitar que determinados equipamentos fiquem indisponíveis durante ciclos
produtivos. Entre os principais, estão: Taxa de Avarias, MTBF – Mean Time Between
Failure (Tempo Médio Entre Falhas), MTTR – Mean Time To Recovery (Tempo Médio
Para Reparo) e Disponibilidade [Tavares 1999].
A Taxa de Avarias (λ) exprime o número de avarias por unidade de utilização. Em
outras palavras, o número de avarias ou quebras que determinado equipamento sofreu
durante um determinado tempo. Por exemplo, em uma máquina, o número de avarias/ano,
pode ser definido de acordo com a seguinte fórmula (1):
λ=
ú
í
∗ 365 =
;(1)
= !á
.
= ú
í!.
O indicador MTBF é o responsável por representar o tempo médio entre a
ocorrência de uma avaria e a próxima de um determinado equipamento. Através desse
indicador, faz-se uma estimativa sobre qual o momento ideal para efetuar a manutenção
preventiva deste equipamento, minimizando as perdas de produção provenientes de uma
manutenção corretiva. MTBF é a relação entre o total de operação da máquina e o número
de falhas detectadas, no período observado, conforme a fórmula (2):
$%& =
'
;(2)
' = )!ℎ
+çã
= ú
))!
.+)
Com o indicador MTTR, é possível prever qual será o tempo necessário de
recuperação do sistema perante uma avaria. De posse dos valores obtidos a partir deste
indicador, pode-se traçar metas para redução do MTTR, contribuindo com o planejamento
do processo produtivo. MTTR é a relação entre o total de horas de intervenção corretiva e o
número de falhas identificadas no período observado, conforme a fórmula (3):
MTT = TTA
onde;(3)
NA
= ))!ℎ
.+)
= ú
.+)
Disponibilidade é a diferença entre o total de horas do período considerado (horas
calendário) e o número total de horas de intervenção necessária para a manutenção,
dividido pelo total de horas do período considerado. A disponibilidade pode ser definida
como a percentagem de tempo de bom funcionamento do equipamento em relação ao
tempo total, conforme fórmula (4):
D =
899:–(99<)=
99:
∗ 100onde;(4)
' = )!ℎ
+çã
= ))!ℎ
.+)
Ao considerar a quantidade de dados brutos e as bases de cálculos para gerar os
indicadores citados, torna-se fundamental a utilização de tecnologias de banco de dados
para armazenamento e tratamento de dados, com a finalidade de gerar informações precisas
e no momento certo aos gerentes de manutenção.
As empresas, em sua grande maioria, geram dados em sua forma bruta com baixo
poder informacional, em planilhas eletrônicas, sistemas de informação com foco
operacional e transacional que pouco ajudam no gerenciamento do processo produtivo, e,
por isso, precisam ser tratados e interpretados para que se possa extrair informações
relevantes. No mercado, existem diversas ferramentas comerciais específicas para esta
finalidade que são fornecidas por empresas como Microsoft e Oracle, que possibilitam a
geração dos chamados SAD (Sistemas de Apoio à Decisão) ou BI.
Os sistemas de BI, se modelados corretamente, de forma a fornecer os indicadores
de desempenho adequados, podem auxiliar o gerente industrial ou de manutenção a tomar a
melhor decisão em um menor tempo, garantindo assim, forte contribuição à vantagem
competitiva.
Não é de hoje que a computação é utilizada como recurso para apoiar decisões em
diferentes atividades organizacionais [Zangiski; et al. 2009]. Contudo, o difícil acesso às
informações tem sido um obstáculo. A situação tende a piorar quando se deseja obter
informações de dados em um horizonte de tempo superior a um ano a partir de bancos de
dados operacionais. Devido a essa dificuldade, gerentes e coordenadores de projetos
acabam por não atuar com fundamento em informações, deixando basicamente sua intuição
coordenar suas ações, o que é naturalmente passível de falha no processo decisório, sendo
possível ocasionar em resultados indesejáveis e insatisfatórios como altos custos para um
determinado projeto.
Na área de Manutenção Industrial a história se repete, é fato que, para atingir as
metas relacionadas à produção e qualidade, se faz necessário manter as máquinas o maior
número de horas possível em funcionamento. Com o uso dos sistemas de BI, torna-se
possível a implantação de um sistema de controle para a manutenção mais embasado e
preciso, otimizando a programação de paradas, o controle de custos, a disponibilidade de
máquinas e de mão de obra. Com isso, a produção é beneficiada em função de um maior
número de horas de máquinas funcionando ao menor custo possível de manutenção, com a
melhor qualidade. Porém, para que o cenário citado acima se torne real, é primordial que os
dados referentes aos indicadores de confiabilidade sejam de qualidade, confiáveis e de fácil
acesso.
Os sistemas BI são ferramentas que permitem gerar informações relacionadas aos
indicadores de desempenho e, portanto se modelados adequadamente, tornarão excelentes
ferramentas de apoio à tomada de decisões complexas durante a resolução de um problema
[Barbieri 2001].
Um sistema de BI deve ser baseado em DW (Data Warehouse), que segundo Inmon
(1997), é um conjunto de dados, não volátil, orientado a assuntos, integrado, que varia com
o passar do tempo, com importância para o processo de tomada de decisão da gerência.
A principal função de um DW consiste em tratar os dados corporativos da melhor
maneira, para dar subsídio de informações aos tomadores de decisão. Os dados do DW
devem estar organizados em um banco de dados separado do correspondente aos sistemas
transacionais da empresa, que possibilitam a análise multidimensional, com cruzamentos e
visões previamente calculadas, com o intuito de aumentar a velocidade das consultas
informacionais. Quando o escopo de projeto de um DW for relativo apenas a um tema ou
área da empresa, denomina-se DM (Data Mart) [Kimball and Ross 2002].
Na perspectiva de projeto de banco de dados para DM, o mais tradicional é a
modelagem do tipo dimensional, de acordo com o esquema estrela, conforme Figura 1, que
mostra a tabela “Fato” e um conjunto de tabelas “Dimensão”.
Figura 1: Exemplo de Modelo Estrela
A tabela Fato é central e possui uma chave primária composta, constituída a partir
das chaves estrangeiras dos relacionamentos com as tabelas dimensão. Possui em sua base,
uma grande quantidade de dados (de gigabytes a terabytes) e contém as medições
numéricas do negócio. As tabelas dimensão normalmente possuem uma chave simples, são
pequenas e armazenam dados descritivos do negócio.
Em sua grande maioria, os sistemas de BI advêm de áreas financeiras e comerciais,
contudo, em áreas produtivas, pouco foco é dado aos sistemas de BI e, menos ainda, se
comparado à gestão da manutenção com foco em RCM.
Diante deste cenário, este trabalho apresenta um sistema de BI, projetado e
desenvolvido para ser aplicado no setor produtivo, que pode colaborar na tomada de
decisão, com base em indicadores RCM dos equipamentos envolvidos no processo de
produção. Como avaliação e coleta de resultados, será proposta uma análise de falhas,
baseando-se em Data Warehouse e ferramentas OLAP – (On line Analytical Processing),
visando auxiliar o Gerente de Manutenção a tomar melhores decisões suportadas por
informações mais precisas.
Uma empresa de grande porte no segmento Fibras e Resina Pet foi utilizada como
estudo de caso, que disponibilizou dados reais transacionais para a realização do projeto.
Essa empresa adota os conceitos de RCM para Gestão de Manutenção, porém, apenas 10%
do histórico de máquinas, em período máximo de seis meses, estavam armazenados em
formato digital, pelo uso de planilhas eletrônicas, com características de dados
transacionais ou operacionais.
3. BI para Gestão de Manutenção
Todas as características de projeto de DM, em conformidade com o esquema estrela, foram
consideradas no projeto deste trabalho. O Sistema de Gerenciamento de Banco de Dados
utilizado foi o SQL SERVER 2008 da Microsoft. Conforme Figura 2, a tabela Fato foi
designada como "FATO_CONFIABILIDADE" tendo como principais métricas de
confiabilidade: MTBF, MTTR, Disponibilidade, Taxa de Avarias.
Figura 2. Tabela Fato
As tabelas dimensão são: Tipo de falha, Equipe, Tempo, Equipamento, Natureza da
Falha, Local e Diagnóstico, que foram assim projetadas com a finalidade de conter dados
de negócio necessários relativos à manutenção, importantes para alimentar a base de
cálculo dos indicadores da tabela Fato (Figura 3).
Figura 3. Tabelas Dimensão
3.1 Processo ETL
O processo de ETL - Extract, Transform and Load (Extração, Transformação e Carga)
destina-se à extração, transformação e carga dos dados de uma ou mais bases de dados de
origem e operacional para uma ou mais bases de dados de destino (DM/DW).
Para efetuar o processo de ETL deste projeto, o primeiro procedimento foi criar uma
base de dados relacional, desenvolvida pela ferramenta SQL SERVER 2008. Foi gerado
também um sistema de cadastro e transferência, desenvolvido em VB. Net 2008 para
otimizar o processo de povoamento da base transacional, conforme Figura 4.
Figura 4. Tela Principal do Sistema de Manutenção: Cadastro e Transferência
A extração dos dados foi realizada para coletar dados do sistema transacional que
estavam armazenados no SQL Server 2008. A limpeza e transformação dos dados,
consideradas as tarefas mais trabalhosas, exigiram alterações no formato de atributos, com
a finalidade de padronizações. Por exemplo, na tabela "Ordem_Servico" do sistema
transacional, os campos referentes a Data e Hora encontravam-se no formato smalldatetime
e time respectivamente. Ambos os atributos foram convertidos para o formato int. O
processo de ETL finalizou-se após a carga dos dados no Data Mart Confiabilidade. Neste
processo, todos os dados selecionados do banco transacional foram carregados no ambiente
destino.
3.2 Cubos OLAP
OLAP é um conjunto de funcionalidades com a finalidade de facilitar a análise
multidimensional, conhecida também como MDA – Multidimensional Analysis, que denota
a habilidade de manipular dados previamente agregados em várias categorias ou dimensões
[Inmon 1997]. O objetivo é auxiliar o usuário a sintetizar informações empresariais através
da visualização comparativa e personalizada, por meio da análise de dados históricos e
projetados. A base de dados OLAP fornece um método de acessar, visualizar, e analisar
dados corporativos com alta flexibilidade e desempenho com o objetivo de transformar os
dados em informações. A Figura 5 apresenta um exemplo de cubo típico para manutenção,
com as dimensões Tempo, Tipo de Falha e Local.
Figura 5. Exemplo de Cubo OLAP
4. Resultados Obtidos
Os resultados do estudo de caso apresentaram os benefícios do uso de BI como gerador de
indicadores de confiabilidade. Esses benefícios vêm ao encontro com os fundamentos
teóricos, levantados neste estudo, por mostrar que a necessidade de se obter informação e
conhecimento com qualidade e em menor tempo possível, está presente nas necessidades
básicas dos tomadores de decisões estratégicas.
Para apresentar os efeitos da utilização de ferramentas de BI foram analisados
vários dados, porém, seria impossível relatar todas as análises neste estudo. Na Figura 6,
pode ser visualizada uma análise referente ao diagnóstico por equipamento, a partir do cubo
Equipamento x Diagnóstico. Através desse cubo, foi possível obter informações relativas
ao total de horas de parada (tempo) em uma máquina (equipamento) e o motivo da parada
(diagnóstico).
Dimensão Diagnóstico
Dimensão Tempo
Métricas de Confiabilidade
Dimensão Equipamento
Figura 6. Análise de diagnóstico por equipamento
Com a utilização da ferramenta foi possível identificar qual o tipo de falha que mais
gerou perdas em um equipamento. De posse dessas informações, foram realizados estudos
sobre as possíveis origens desta ocorrência. As duas falhas que mais ocasionaram perdas de
produtividade neste período responderam por 47% do total das paradas durante seis meses,
conforme informações destacadas da Figura 6. Além disso, estavam correlacionadas, ou
seja, verificou-se que o excesso de material causava sobrecarga e desarme do sistema
elétrico de proteção do equipamento e, após certo período, causava a quebra do rolamento.
Nesse mesmo período, o equipamento esteve disponível somente 76% do tempo, cujo fato
se evidencia pelo tempo médio gasto para reparo em torno 4 horas (MTTR = 240,20 min.) e
também pelo desgaste precoce do rolamento que segundo o fabricante, possui um MTBF de
10.000 horas. Como solução proposta, foi instalado um controlador de corrente elétrica que
limitava a quantidade de material dentro do equipamento, evitando que houvesse a
sobrecarga e posteriormente a quebra do rolamento. Após esta alteração, obteve-se uma
redução de 58% no número de falhas do equipamento em estudo, resultando em um índice
de confiabilidade de 92%.
Recursos OLAP são fundamentais por permitir diferentes visões de análise de forma
flexível e customizada. Neste trabalho, utilizou os recursos Drill Down, Roll Up e Slice
Dice. A ferramenta Analysis Services, que pertence ao SQL SERVER 2008 foi utilizada
para este fim.
Segundo Machado (2010, p.86), “o Drill Down ocorre quando o usuário aumenta o
nível de detalhe da informação, diminuindo o nível de granularidade”.
Figura 7. Operação Drill Down
Como mostrado pela Figura 7, a operação de Drill Down consiste em expandir os
dados que estão sumarizados, de modo a exibir uma maior quantidade de detalhes. Nesse
caso, em um primeiro momento, tem-se apenas o total de horas parada e número total de
falhas em 2010 e, em seguida, tem-se as mesmas informações, só que por mês.
O Roll Up é a operação inversa ao Drill Down, sendo definido por Machado (2010,
p. 86), como “ele [Roll Up] ocorre quando o usuário aumenta o nível de granularidade,
diminuindo o nível de detalhamento da informação”.
Figura 8. Operação Roll Up
Conforme mostrado na Figura 8, a operação de Roll Up consiste na operação
inversão ao Drill-Down, onde, em um primeiro momento, têm-se as informações em um
nível mais detalhado e, em seguida, essas informações são sumarizadas e apresentadas em
um menor nível de detalhe.
Slice and Dice é definido por Machado (2010, p.89), como “[...] operações para
realizar navegação por meio dos dados na visualização de um cubo”. Com relação ao
significado, Machado (2010, p.89) diz “Slice and dice significa em uma forma simplista de
redução do escopo dos dados em análise, além de mudar a ordem das dimensões, mudando
dessa forma a orientação segundo a qual os dados são visualizados”.
Slice and Dice
Figura 9. Operação de Slice and Dice
Como se pode observar na Figura 9, houve uma redução no escopo dos dados que
estão sendo analisados conforme mencionado por Machado (2010, p. 89). Nesse caso, em
um primeiro momento se obtém, o número total de horas parada de seis equipamentos e,
em um segundo, as mesmas informações, porém de apenas dois equipamentos.
5. Trabalhos Relacionados
Leal Júnior et al. (2006) elaboraram um trabalho no qual realizada uma análise de
manutenção buscando otimizar o tempo de realização de manutenção preventiva de acordo
com a taxa de falha dos equipamentos. Porém, em sua pesquisa a análise dos dados pelo
sistema em estudo não permitiu a visualização dos indicadores por outros ângulos,
conforme proposto neste trabalho através de ferramentas OLAP.
Fortulan (2006) abrange em seu estudo a utilização de um sistema de apoio à
decisão como gerador de indicadores de desempenho no chão de fabrica, porém em seu
trabalho, os indicadores de manutenção não foram levados em conta. O foco de seu
trabalho concentrou-se na quantidade e tempo das paradas para manutenção.
6. Considerações Finais
Durante o desenvolvimento deste estudo, além do desafio de se colocar em prática o
conhecimento adquirido a partir da pesquisa bibliográfica, a aprendizagem das ferramentas
utilizadas, também se mostrou um grande desafio a ser vencido. Vários testes foram
realizados em cada componente da arquitetura, principalmente no processo ETL, para
garantir a integridade dos dados e, consequentemente, os resultados das análises.
Tem-se como resultado, uma arquitetura íntegra, de fácil manipulação e com
capacidade de gerar uma quantidade imensa de combinações de dados que podem ser
comparados e analisados. Os dados que compõem a base operacional com operações OLTP
– On Line Transaction Processing foram extraídos do departamento de manutenção, que
serviram como entrada para o processo de tratamento de dados, proporcionando veracidade
à apresentação das informações gerenciais. As análises realizadas representam apenas uma
pequena amostra das informações que podem ser extraídas a partir da arquitetura
construída, pois a grande quantidade de combinações possíveis torna inviável neste
trabalho.
Relatórios com modelos gráficos são sempre importantes para análises gerenciais,
no entanto, não foram apresentados neste trabalho, pois se considerou mais pertinente
mostrar a versatilidade da análise através de cubos OLAP. Porém, tais cubos são facilmente
integrados ao Excel, que gera gráficos de forma dinâmica. Portanto, este recurso será
implementado em uma nova versão do sistema de BI proposto.
Algo importante a ressaltar é que a empresa utilizada como estudo de caso não
dispunha de sistemas específicos para suporte à decisão, no entanto, o departamento de
Tecnologia da Informação já contava no seu portfólio de softwares, o SQL SERVER 2008,
que possibilitou a construção do sistema de BI proposto, sem gerar custos adicionais. Esta
pode ser a realidade de outras empresas. Assim, este trabalho também contribui por relatar
como é possível gerar informações gerenciais importantes a partir de recursos já existentes,
sem necessidades de investimentos para este fim.
6. Referências
Barbieri, C.(2001), Business Intelligence: Modelagem e Tecnologia. Rio de Janeiro:
Editora Axcel Books.
Drucker, P. F.(1996), Administrando em tempos de grandes mudanças. São Paulo, Editora
Pioneira.
Fortulan, M. R. (2006), O uso de Business Intelligence para gerar indicadores de
desempenho, São Carlos. Tese (Doutorado) – Escola de Engenharia de São Carlos,
Universidade de São Paulo
Inmon, W. H. (1997), Como Construir o Data Warehouse. Rio de Janeiro, Editora Campus.
Kardec, A; Nascif, J. (2001), Manutenção: Função Estratégica. Rio de Janeiro: Editora
Qualitymark, 2.ª Edição.
Kimball, R. and Ross, M. (2002), The data Warehouse Toolkit : The Complete Guide to
Dimensional Modeling, United States of America, John Wiley and sons, inc, 2nd ed.
Leal Júnior, O. P.; Baffa Júnior, P.; Garcia, H. L. (2006), Otimização da frequência na
manutenção preventiva. XVI ENEGEP – Fortaleza-CE.
Machado, F.N.R. (2010), Tecnologia e Projeto de Data Warehouse, São Paulo, Editora
Ética, 5ª Edição.
Muassab, J. R. (2002), Gerenciamento da Manutenção na Indústria Automobilística,
Taubaté. Monografia – Universidade de Taubaté.
Moubray, J. (2000), Manutenção Centrada em Confiabilidade (Reliability-centred
Maintenance). United Kingdom, Biddles Ltd.
NBR 5462 (1994), Associação Brasileira de Normas Técnicas – ABNT. NBR 5462,
Confiabilidade e Mantenabilidade, Rio de Janeiro.
Tavares, L. A. (1999), Administração Moderna da Manutenção. Rio de Janeiro, Editora
NAT.
Zangiski, M. A. S. G.; Lima, E. P.; Costa, S. E. .G. (2009), Aprendizagem Organizacional e
Desenvolvimento de Competências: Uma Síntese a partir da Gestão do Conhecimento.
Revista Produto & Produção, vol. 10, n.1, p. 54-74, Fevereiro.
Download