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.