Escolar Documentos
Profissional Documentos
Cultura Documentos
INTELLIGENCE NO CHO-DE-FBRICA
Marcos Roberto Fortulan
Tecumseh do Brasil Ltda,
Rua Cel. Jlio Augusto de Oliveira Salles, 478, CEP 13570-900, So Carlos, SP,
e-mail: fortulan@tecumseh.com.br
Eduardo Vila Gonalves Filho
Escola de Engenharia de So Carlos, EESC,
Departamento de Engenharia Mecnica, Universidade de So Paulo,
Av. Dr. Carlos Botelho, 1465, Centro, CEP 13560-250, So Carlos, SP,
e-mail: evila@sc.usp.br
Resumo
A evoluo do cho-de-fbrica tem sido signicativa nas ltimas dcadas, quando grandes investimentos tm sido
realizados em infra-estrutura, automao, treinamento e sistemas de informao, transformando-o numa rea estratgica para as empresas. O cho-de-fbrica gera hoje grande quantidade de dados que, por estarem dispersos ou
desorganizados, no so utilizados em todo o seu potencial como fonte de informao. Com vistas nessa decincia,
este trabalho prope a implantao de um sistema de Business Intelligence por meio do uso de ferramentas de Data
Warehouse e OLAP (On-Line Analytical Processing), aplicadas especicamente ao cho-de-fbrica. O objetivo
desenvolver um sistema que utilize os dados resultantes do processo produtivo e os transforme em informaes que
auxiliem o gerente na tomada de decises, de forma a garantir a competitividade da empresa. Um prottipo foi construdo com dados simulados para testar a proposta.
Palavras-chave: sistema de apoio deciso, business intelligence, data warehouse, OLAP, cho-de-fbrica.
1. Introduo
O cho-de-fbrica, como conhecemos hoje, comeou
a delinear-se aps a Revoluo Industrial. Antes dela,
a produo de bens se dava, basicamente, por meio de
pequenas ocinas, que tinham como uma caracterstica
importante o fato de que o conhecimento a respeito do
produto nal e como faz-lo estava associado quele que
efetivamente fabricava o produto, ou seja, ao arteso.
A busca incessante do homem por melhores condies
de vida, aliada ao desenvolvimento tecnolgico, gerou
novas necessidades a respeito de qualidade, quantidade e
preo dos produtos, o que fez a antiga ocina dar lugar ao
que chamamos hoje de indstria. Nas indstrias, um conjunto de homens e mquinas passou a ocupar um mesmo
espao na chamada produo seriada, e com ela ocorreu
a transferncia da habilidade de fabricao do homem
para a mquina. Com a indstria, o conhecimento sobre
o produto nal foi separado daquele que o produzia. Essa
separao deu origem a uma nova classe social em subs-
56
de informaes, podem ter um grande aliado se dispuserem de ferramentas para processar os dados.
Esses dados tm pouca utilidade em seu estado bruto,
por isso precisam ser tratados e interpretados para que
deles seja possvel tirar informaes e conhecimento.
Para tal, existem hoje diversas ferramentas especcas
e disponveis comercialmente. Empresas do mundo da
Tecnologia da Informao, como Oracle, IBM, Seagate e
Microsoft, oferecem softwares que podem ser ajustados
s necessidades de cada usurio ou corporao. Esta rea
vem hoje sendo tratada como Sistemas de Apoio Deciso (SAD) ou Business Intelligence (BI), termo que vem
sendo mais explorado ultimamente.
Atualmente, as principais aplicaes de BI so encontradas nas reas de nanas, marketing e atendimento ao
cliente, maciamente concentradas em bancos, seguradoras e empresas de comrcio. , portanto, exatamente para
essa lacuna que este trabalho est voltado, ou seja, para o
tratamento dos dados do cho-de-fbrica por intermdio
de uma ferramenta de BI.
A proposta apresentada no decorrer deste trabalho,
ao longo de mais quatro sees. A seo 2 tem como objetivo introduzir o conceito dos Sistemas de Informao
e sua importncia, destacando caractersticas como exibilidade e integrao, pois o BI passa a ser mais um
elemento deste sistema ao lado, principalmente, dos sistemas ERP (Enterprise Resource Planning). A seo 3
faz uma reviso sobre os conceitos de Business Intelligence e Sistemas de Apoio Deciso, destacando suas
ferramentas mais recentes: Data Warehouse, OLAP (OnLine Analytical Processing), Data Mining e Web-Business Intelligence. Na seo 4 discutida a proposta do BI
especicamente para o cho-de-fbrica, sugerido um
modelo dimensional de banco de dados e so detalhadas suas tabelas de Fato. Tambm so apresentadas na
seo 4 a capacidade do sistema, as limitaes e decises
que devem ser tomadas antes de se iniciar o projeto. Por
m, na seo 5, faz-se uma concluso utilizando-se uma
situao hipottica para discutir a viabilidade e ganhos
potenciais da proposta.
57
Data Mining
ERP
Sistema de
Gesto da
Empresa
Fonte de
dados
Operacionais
Data
Warehouse
Fonte de
dados
Operacionais
OLAP
Metadados
Metadados
Metadados
Business Intelligence
58
59
Dimenso 1
Chave 1
Dimenso 2
1
Tabela de fatos
N
Atributo
Atributo
Chave 1
Atributo
N
Chave 2
N
Atributo
Atributo
Chave 3
Chave 4
Chave 2
Atributo
N
Dados
Dados
Dados
Dimenso 3
Chave 3
Atributo
1
Dados
Chave 4
Atributo
Atributo
Atributo
Sub - Dimenso 4
Dimenso 4
Chave X
Atributo
N
Atributo
Atributo
Atributo
Esquema Snowflake
Esquema Estrela
nidas por dimenses e medidas. Os bancos de dados multidimensionais guardam as informaes numa espcie de
cubo de dimenso n, o que resulta em diversas matrizes
esparsas que permitem trabalhar simultaneamente com
diversos cenrios denidos por combinaes de dados,
como produtos, regio, vendas, tempo, etc. Esses cubos
podem ser armazenados em modelos de bancos de dados ROLAP (Relacional OLAP), MOLAP (Multidimensional OLAP) ou HOLAP (Hbrido OLAP). A vantagem
dos bancos de dados multidimensionais sobre os bancos
de dados relacionais que os primeiros esto otimizados
para obter velocidade e facilidade de resposta, complementam Gray e Watson (1999).
60
4. Aplicao do BI no cho-de-fbrica
modelo proposto
Os dados gerados no cho-de-fbrica normalmente
cam espalhados pelos diversos bancos de dados operacionais ou documentos em papel da rea, forma de armazenagem que diculta em muito a recuperao dos dados
e o levantamento de comportamentos histricos. Essa
uma situao crtica quando se trata de programas de
melhorias, como os conduzidos por Seis Sigma, FMEA
(Failure Mode and Effects Analysis ou Anlise do Modo
e Efeito da Falha) ou PDCA (Plan, Do, Check and Action
ou Planejar, Executar, Vericar e Agir). Esses programas
podem perder sua fora por causa da diculdade de se
obter informaes sobre condies passadas e futuras em
relao s suas implementaes. Isso diculta e, s vezes,
at impossibilita a anlise da eccia das mudanas e dos
fatores relacionados a ela. Este fato acaba prejudicando o
processo de mudana em si, pois no so conhecidos os
benefcios ou prejuzos trazidos pelas alteraes. uma
situao que pode ser melhorada com a implantao do
modelo proposto, que aplica o BI no cho-de-fbrica.
Outra grande vantagem dos sistemas de BI sua facilidade para trabalhar com questes ad-hoc, pois praticamente impossvel desenvolver uma aplicao em que
todos os relatrios e pesquisas de que um gerente possa
precisar para realizar seu trabalho estejam presentes. J
os sistemas de BI permitem criar facilmente relatrios e
pesquisas especcas relativas s necessidades emergentes de cada gerente ou momento.
61
62
ii
iii
Comparao de
turnos entre pases
Comparao
entre turnos
ecincias das equipes carem quando as equipes trabalham no Turno A (Figura 6) ou o que acontece durante
determinado dia da semana, quando a ecincia menor
(a Figura 7 mostra que neste exemplo esta variao no
signicativa). Deve-se tomar cuidado para no atribuir
a causa a uma determinada varivel e penaliz-la quando o problema pode estar em outra, porm o fato que
existe um problema. Anlises semelhantes podem ser feitas tambm levando-se em conta o produto ou famlia de
produtos que esto sendo fabricados. Por m, de posse do
Data Mart povoado, possvel construir cubos geradores
de informaes que permitiro ao gerente direcionar suas
aes de forma a melhorar o desempenho de sua rea e,
tambm, acompanhar o resultado de suas aes.
No entanto, conforme a proposta inicial, o BI para o
cho-de-fbrica composto por cinco tabelas de Fato,
pois visa possibilitar uma anlise completa do comporta-
63
64
descobrir qual clula, equipe, turno, mquina ou produto geram mais horas-perda, e que tipos de perda. Isso permitir
ao gerente saber para onde deve direcionar seus esforos.
Por m, a ltima tabela de Fato deste modelo a tabela de Evento. A inteno dela registrar todos os eventos
que possam afetar os resultados de Medies, Qualidade,
Desempenho ou Horas-Perda. Aqui feita uma aluso
metodologia de identicao de causa-efeito conhecida
como 6M, a saber: mquina, material, meio ambiente, mtodo, medida e mo-de-obra. Assim, eventos observados
como a introduo de um novo processo/mquina/material, ou o uso de um material suspeito, ou a introduo de
equipes novas, ou a reforma de mquinas, ou a ocorrncia
de treinamentos, etc., devero ser registrados. Essa prtica
visa sistematizar a forma de identicao e registro dos
eventos, devendo estes ser apontados sempre pelo lder da
equipe a cada ocorrncia. A partir da, ser possvel relacion-los s demais tabelas de Fato do modelo.
A Figura 8 mostra o Data Mart completo para o chode-fbrica, o qual, conforme j citado, foi desenvolvido
com o banco de dados Access, tirando-se proveito do seu
potencial de relacionamentos e edio dos bancos de dados. No entanto, o ideal para uma implementao numa
situao real a utilizao de bancos de dados mais robustos para aplicaes corporativas, como o Microsoft
SQL Server ou o Oracle.
Para se ter uma idia da possibilidade de consultas deste modelo, basta calcular quantas combinaes de consultas so possveis de se efetuar a partir de cada tabela
de Fato em funo de seus atributos e valores medidos:
Tabela de Medies: 4 atributos e um valor.
Cmedies = C4,1 + C4,2 + C4,3 + C4,4 = 15
Tabela de Qualidade: 7 atributos e dois valores.
Cqualidade = C7,1 + C7,2 + C7,3 + .... + C7,7 = 127X = 254
Tabela de Desempenho: 5 atributos e trs valores.
CDesempenho = C5,1 + C5,2 + C5,3 + C5,4 + C5,5 = 31X3
= 93
Tabela de Horas-Perda: 7 atributos e um valor.
CHorasPerda = C7,1 + C7,2 + C7,3 + ....+ C7,7 = 127
5. Concluso
O cho-de-fbrica gera uma grande quantidade de dados no seu dia-a-dia, porm, eles, em grande parte das
empresas, cam espalhados em diversos bancos de dados
operacionais ou em relatrios em papel, o que j diculta
sua recuperao histrica, quanto mais a obteno de informaes ad-hoc a partir deles. Como exemplo, imagine
uma empresa que produza 1000 peas/hora distribudas
em 10 tipos de produtos diferentes, realize inspees
em 10 clulas com 5 postos de inspeo cada, trabalhe
em 2 turnos de 8 horas e atinja uma rejeio interna de
1000 PPM. Ela produzir em torno de 7056 registros por
ms no cho-de-fbrica, conforme mostram as contas
abaixo:
Medies = 1 (medio) X 10 (clulas) X 5 (postos) X
2 (turnos) = 100
Qualidade = 1000 (p/h) X 16 (horas por dia) X 1000
PPM = 16
Desempenho = 10 (clulas) X 2 (turnos) X 10 (produtos) = 200
Eventos = 1 (evento signicativo) X 10 (clulas) X
2 (turnos) = 20
Total de registros por dia = 336
* Total no ms (21 dias teis) = 7056
65
Referncias Bilbliogrcas
AVISON, D. E.; CUTHBERTSON, C. H.; POWELL, P. The
paradox of information systems: strategic value and low
status. Journal of Strategic Information Systems, v. 8,
n. 4, p. 419-445, 1999.
BCK, T. Adaptative business intelligence based on evolution strategies: some application examples of self-adaptative software. Information Sciences, v. 148, n. 1-4,
p. 113-121, may. 2002.
BISPO, C. A. F. Uma anlise da nova gerao de sistemas
de apoio deciso. 1998. 165 p. Dissertao (Mestrado
em Engenharia de Produo) Escola de Engenharia
de So Carlos, Universidade de So Paulo, So Carlos,
1998.
BISPO, C. A. F.; CAZARINI, E. W. A nova gerao de sistemas de apoio deciso. In: ENEGEP, 18, 1998, Niteri,
Rio de Janeiro, Brasil. Anais... Niteri: ABEPRO, 1998.
CARLSSON, C.; TURBAN, E. DSS: directions for the next
66
POE, V.; KLAUER, P.; BROBST, S. Building a data warehouse for decision support. 2 ed. Upper Saddle River
- NJ: Prentice-Hall PTR, 1998. 285 p.