Energy management in production: A novel method to

develop key performance indicators for improving energy

efficiency

Gerenciamento de energia em producao: um método para desenvolver a performance

de indicadores chaves para melhoria da eficiência energética.

Gökan May a,⇑, Ilaria Barletta b, Bojan Stahl a, Marco Taisch

Resumo

Medir o desempenho da eficiência energética de equipamentos, processos e fábricas é

o primeiro passo para o gerenciamento eficaz de energia na produção. Assim, as informações
relacionadas à energia habilitadas permitem avaliar o progresso das empresas de manufatura
em relação às suas metas de eficiência energética. A esse respeito, o estudo aborda este desafio
onde as abordagens industriais atuais carecem de meios e indicadores de desempenho
adequados para comparar os perfis de uso de energia de máquinas e processos e para a
comparação de seu desempenho de eficiência energética com o dos concorrentes. Com foco
neste desafio, o objetivo principal do artigo é apresentar um método que apoie as empresas de
manufatura no desenvolvimento de indicadores de desempenho baseados em energia. Para
isso, fornecemos um método de 7 etapas para desenvolver indicadores-chave de desempenho
(e-KPIs) adaptados à produção e relacionados à energia. Estes indicadores permitem interpretar
as relações de causa e efeito e, por isso, apoiam as empresas no seu processo de tomada de
decisão operativa. Consequentemente, o método proposto suporta a identificação de pontos
fracos e áreas para melhorias de eficiência energética relacionadas à gestão da produção e
operações. O estudo, portanto, visa fortalecer a base teórica necessária para apoiar a tomada
de decisão baseada em energia nas indústrias de manufatura.

INTRODUÇÃO

A revolução na indústria veio do puro custo para as eficiências de qualidade e

produtividade e está em transição para a eficiência do desempenho ambiental [1–3].
Intimamente relacionado a melhorias significativas em termos ambientais e econômicos, o tema
eficiência energética tornou-se importante como um campo que preocupa os negócios em todo
o mundo, indo além das tradicionais indústrias intensivas em energia, como as indústrias de aço,
cimento e química [4,5].

Nos últimos anos, as políticas e os lares privados também foram estimulados por tópicos
de eficiência energética devido à cobertura emergente da mídia e fatores como mudança
climática, escassez de recursos e aumento dos preços da energia ([6–9].
 A eficiência energética, no tema do comportamento empresarial sustentável, é vista
como uma alavanca para a competitividade global no futuro [10–12]. A indústria transformadora
é responsável por 37% do consumo de energia primária em todo o mundo [13] e por 40% do
consumo de eletricidade na Europa [14]. Assim, os formuladores de políticas e a indústria estão
começando a priorizar o tópico em sua agenda [15], exemplos incluem o desenvolvimento do
Padrão de Gestão de Energia ISO 50001 e a Estratégia Europa 2020, que visa alcançar uma
redução de 20 por cento no uso geral de energia até 2020 em comparação com o Linha de base
de 2005 [16]. Consequentemente, evitar o desperdício de energia por meio da produção
otimizada e com consciência energética é de extrema importância para lidar com o aumento da
competitividade global e impactos ambientais adversos. Melhorar os processos tecnológicos e
de negócios das empresas, bem como as estruturas e infraestruturas, tornou-se crucial para
enfrentar adequadamente esses desafios [17-19]. Guiado por essa mudança de paradigma,
torna-se imprescindível a adoção de um processo de melhoria contínua para o uso mais eficiente
dos recursos energéticos.

A informação relacionada com a energia permite avaliar o potencial de otimização e

melhoria das medidas de eficiência energética. Portanto, torna-se importante fornecer
conhecimentos que evidenciem o estado geral da fábrica e seu desempenho em relação ao
consumo de energia. Nesse sentido, os indicadores de desempenho servem como uma medida
para decidir se um sistema está funcionando como foi projetado e ajudam a definir o progresso
em direção a uma meta predefinida.

Isso permite um melhor monitoramento e controle do consumo de energia, o que é de

extrema importância para as empresas atuais e futuras, para melhorar a eficiência energética
na produção [20].

Embora os valores absolutos e as medidas agregadas, como o consumo de energia por

ano ou por produto ou medidas semelhantes, forneçam uma visão geral do status quo, não
fornecem suporte à tomada de decisão, transparência e identificação clara dos itens de ação.
Os tomadores de decisão na produção exigem indicadores-chave de desempenho (e-KPIs)
relacionados à energia, a fim de (i) identificar os drivers de energia específicos da empresa em
seu sistema de produção, (ii) tornar transparente o perfil de comportamento energético do
sistema de produção, (iii) reconhecer relações de causa-efeito, (iv) preparar ações para medidas
de melhoria e (v) comunicar o status quo adequadamente com outras áreas interfuncionais e
intrafuncionais. Assim, o principal objetivo do estudo é apresentar um método que apoie
empresas independentes do setor ou produto a desenvolver KPIs relacionados com a energia
adaptados à empresa.

REVISÃO DA LITERATURA

Os indicadores de desempenho desempenham um papel significativo na avaliação da

eficiência e eficácia dos sistemas de fabricação para uma área de desempenho alvo (por
exemplo, custo, sustentabilidade, eficiência energética). Na última década, os esforços na
academia e na indústria mudaram para alcançar a eficiência energética na manufatura. Neste
contexto, muitos estudiosos discutiram medidas de eficiência energética, padrões,
regulamentos de rotulagem, métricas e medição de desempenho em nível nacional e de política
(por exemplo, [21,6,7,22-27]). Em um nível mais desagregado, os estudos focaram na
modelagem do consumo de energia (por exemplo, [28,29]), e um conjunto variado de
abordagens foi desenvolvido para melhorar os desempenhos de eficiência energética na
produção de máquina-ferramenta para planta (ou seja, uma série de máquinas-ferramenta e
processos). Por exemplo, Hu et al. [30], He et al. [31] e Devoldere et al. [32] focou em melhorar
a eficiência energética no nível da máquina-ferramenta.

Há uma situação semelhante para a fabricação no sistema de produção e nível de

fábrica, onde várias soluções heterogêneas foram oferecidas em relação ao consumo de energia
e eficiência (por exemplo, [33,17,34-36]). Outros estudos recentes propuseram técnicas e
ferramentas para gerenciamento de energia (por exemplo, [37–40]). Abordagens de
monitoramento e controle como parte da gestão de energia foram abordadas em vários artigos
(por exemplo, [41]), visando o desenvolvimento de métodos apropriados para melhorar o
desempenho energético na fabricação.

A Agência de Proteção Ambiental dos Estados Unidos introduziu o programa da indústria

ENERGY STAR, promovendo indicadores como uma alavanca eficaz para medir o desempenho
baseado em energia [42]. Posteriormente, Boyd et al. [43] descreveu a importância desses
indicadores para benchmarking do consumo de energia da planta. Feng e Joung [44] propuseram
uma infraestrutura de medição de manufatura sustentável e Tanaka [45] explorou diferentes
maneiras de medir o desempenho da eficiência energética. Além disso, Aguirre et al. [46]
métricas propostas chamadas "assinaturas de produção de energia" para diagnóstico de
ineficiências de energia e benchmarking de desempenhos relacionados à energia de fábricas.
Posteriormente, Zhou et al. [47] desenvolveu uma abordagem para monitorar as tendências de
eficiência energética ao longo do tempo em um país e para comparar o desempenho da
eficiência energética em toda a economia entre os países.

Com base em uma análise da literatura e da indústria relevantes, Bunse et al. 48]
destacou a importância dos indicadores de desempenho de produção relacionados à energia
como uma necessidade fundamental da indústria de manufatura para identificar ineficiências
no consumo de energia de uma fábrica, dando ênfase especial ao potencial de melhoria no nível
da máquina-ferramenta. Nesse contexto, Vikhorev et al. [49] forneceu uma estrutura de suporte
à decisão para o monitoramento e gerenciamento do consumo de energia em uma fábrica, com
foco na energia utilizada pelos recursos produtivos. No entanto, aquele artigo específico de
Vikhorev et al. [49] concentrou-se exclusivamente nos aspectos de energia e, portanto, não
considerou as sinergias e compensações com outros indicadores de desempenho de produção.
Em outro estudo recente, Aramcharoen e Mativenga [50] identificaram estados de energia
críticos para componentes de usinagem para apoiar a análise de consumo de energia de
máquinas e peças de trabalho.

A revisão da literatura pertinente revela que tanto a academia quanto a indústria ainda
carecem de abordagens e ferramentas para entender melhor o comportamento do consumo de
energia e as ineficiências das máquinas-ferramentas, particularmente com foco em sinergias e
compensações com outras decisões de gestão de produção (por exemplo, qualidade,
manutenção , planejamento de produção, etc.).

Este estudo se baseia nas lacunas de pesquisa derivadas de May et al. [20] que realizou
uma revisão abrangente da literatura sobre indicadores-chave de desempenho relacionados à
energia e May et al. [51] que analisou as necessidades industriais em direção à fabricação com
eficiência energética. Assim, com base nos insights dos dois estudos anteriores dos autores
mencionados, a Tabela 1 destaca as lacunas de pesquisa e as necessidades industriais abordadas
neste estudo. A tabela também explica como essas lacunas são abordadas no trabalho de
pesquisa, apresentando, assim, avanços além da literatura publicada sobre KPIs para eficiência
energética.

METODOLOGIA DE PESQUISA

O desenvolvimento de metodologias e abordagens concebidas especificamente para

apoiar os processos de tomada de decisão podem sofrer de uma relação mútua de rigor
acadêmico e prático:

(i) a abordagem é cientificamente rígida, mas difícil de aplicar na prática (a lacuna de

prática) ou (ii) a abordagem é aplicável na prática, mas não é sustentada cientificamente (a
lacuna de pesquisa). Para superar essas duas desvantagens metodológicas principais, nós
empregou uma visão pragmática de pesquisa com a inclusão de ambos medidas empíricas e
axiomáticas. A abordagem axiomática é com base na modelagem conceitual tradicional [52], e
incorpora métodos que têm o potencial de apoiar a definição de e-KPI e implementação. A parte
empírica consiste em semiestruturados entrevistas para entender melhor os problemas
relacionados a indústria e receber um feedback contínuo sobre a pesquisa progresso. Através
do emprego de modelagem conceitual em combinação com entrevistas semiestruturadas
empíricas, temos instalado um mecanismo válido para lidar com a pesquisa e prática lacuna e
apoiar a validade do método desenvolvido.

Entrevistas semiestruturadas com a indústria foram realizadas para coletar informações

além daquelas obtidas na literatura e para apoiar o desenvolvimento do método e-KPI. A
entrevista foi composto por 14 questões abrangentes na tentativa de cobrir tabela 1

As lacunas de pesquisa e as necessidades industriais abordadas no estudo. as principais

áreas de energia de interesse para a discussão e visa definir: formulação inicial dos estados de
fabricação e energia; ligações de causa e efeito entre esses estados de fabricação e de energia;
projeções de desenvolvimentos futuros para a aplicação do método e-KPI.

Os casos de empresas e entrevistados são descritos na Tabela 2:

A entrevista é dividida em quatro partes, cada uma das quais contém um conjunto de perguntas
abertas: A primeira parte - Contexto empresarial - visa verificar a existência de um alinhamento
eficaz entre a informação obtida na empresa seleccionada e a informação necessária. Por meio
de uma série de perguntas, é feita uma verificação da compatibilidade do perfil da empresa com
o perfil das empresas para as quais o método pode ser potencialmente aplicado. Além disso, em
virtude dessa verificação introdutória, a qualidade e a exatidão das informações obtidas na
entrevista são garantidas.

Segunda parte - Cenário Industrial - propõe uma série de questões para investigar o
estado da arte em relação aos indicadores de desempenho energéticos na produção e para
adquirir informações além daqueles disponíveis na literatura. A terceira parte - Método de
Design - visa avaliar o design do método considerado em termos de escopo, abrangência de os
elementos analisados, consistência e continuidade entre os etapas e etapas lógicas do método.

A quarta parte - Implementação do Método - diz respeito ao possível estrutura e drivers

para uso real do método e-KPI. Esta última parte focou nos pontos fortes e fracos (ambos
tecnológico e gerencial) e os benefícios esperados da implementação do método proposto.
 Combinando a abordagem empírica e axiomática, a proposta O método e-KPI é
apresentado na próxima seção.

MÉTODO E-KPI

Os indicadores atuais de eficiência ou eficácia do equipamento são baseados no tempo

(por exemplo, OEE). No entanto, para avaliar completamente a eficiência ou eficácia relacionada
à energia de um equipamento, a visão baseada no tempo por si só não é suficiente [20]. É
necessário criar indicadores-chave de desempenho relacionados à energia (e-KPI). Além disso,
os indicadores de desempenho de energia atuais são calculados por meio de medidas agregadas
de consumo de energia (por exemplo, kWh / mês ou kWh / parte). Esta abordagem carece de
uma consideração completa das relações de causa e efeito entre os estados de fabricação (ou
seja, as causas das ineficiências de energia do recurso produtivo), as configurações da máquina
e o consumo de energia. Conseqüentemente, a análise detalhada do desempenho e a
identificação do consumidor real de energia são complicadas.

Nesta seção, desenvolvemos um método para definir e utilizar KPIs relacionados a

energia que permite a interpretação das relações de causa-efeito e, portanto, auxilia as
empresas no processo de tomada de decisão operativa. O método é projetado para o nível da
unidade de trabalho (ou seja, máquina) de uma instalação de fabricação que é selecionada com
base em sua principal contribuição para o consumo de energia e potencial de melhoria da
eficiência energética, conforme enfatizado por Gutowski et al. [53], Huang [54] e May et al. [20].

O método e-KPI proposto conecta estados de manufatura (variáveis de consumo de

energia, medidas em [t]) aos estados de energia (necessidade de energia [W]) por meio de
relações de causa-efeito. Esses consumos são representados em diagramas de energia,
possibilitando a definição dos KPIs relacionados à energia. O e-KPI refere-se a um indicador
composto por dados de consumo de energia e dados de produção coletados do chão de fábrica
em tempo discreto ou contínuo, e destaca os níveis de eficiência para diferentes operações de
recursos produtivos que consomem energia.

Em seguida, os diagramas de energia são construídos usando uma abordagem baseada

no tempo para desenvolver indicadores de desempenho, e os e-KPIs resultantes representam o
alter ego de energia dos indicadores de eficiência baseados no tempo. Por fim, o mecanismo de
gestão de e-KPI, do ponto de vista da melhoria contínua, visa registar os indicadores
desenvolvidos num template para identificar as variáveis de consumo de energia que, na sua
maioria, têm demonstrado ineficiências energéticas através da análise dos valores dos e-KPI. Em
seguida, um plano de ação é criado para reduzir a entidade dessas variáveis para reduzir a
quantidade de tempo gasto e energia consumida com relação a qualquer requisito de energia
específico sob escrutínio. O método e-KPI compreende as seguintes etapas, conforme mostrado
na Fig. 1:

• Definição do sistema de produção de referência.

• Identificação de diferentes requisitos de energia do recurso produtivo.
• Análise dos estados de manufatura como causas das ineficiências energéticas do
recurso produtivo.
 • Vinculando drivers (visualização de tempo) com os requisitos de energia
apropriados (visualização de energia).
• Construir uma estrutura hierárquica de consumo de energia das máquinas.
• Desenvolvimento de e-KPIs.
• Desenho e gestão de e-KPI.

A primeira etapa no método de desenvolvimento de KPI é definir os recursos. Nesta

etapa, um sistema de produção de referência é selecionado para aplicar o método e-KPI. Definir
o sistema produtivo de referência significa especificar: (ver Fig. 2).

1. Indústria de manufatura discreta à qual nos referimos (por exemplo, elétrica,

mecânica, automotiva, robótica, etc.).

2. Processo de transformação ou recurso de produção dentro da planta (por exemplo,

moagem, moldagem, pintura, etc.).

3. Especificações do sistema de fabricação com base nas seguintes dimensões: uma.

Tipologia: produção unitária; produção em lotes; produção contínua.

b. Dimensão do mercado: ordens de serviço únicas; pedidos de trabalho repetitivos;

produção baseada em previsões (MTS).

c. Layout: job shop; célula; linha de montagem: fixa, celular, linha.

d. Grau de automação: linha de transferência automática; controle numérico; sistema

de manufatura flexível; células de manufatura flexíveis; linha de fabricação flexível.

4.2. Etapa 2 - Identificação de diferentes requisitos de energia do recurso produtivo

A visão energética do recurso é obtida através da análise de sua necessidade de energia

elétrica [W] para a qual a duração (e, portanto, o consumo de energia associado a ela) pode ser
potencialmente afetado por decisões tomadas para a gestão do recurso ou do sistema de
produção como um todo. Esses requisitos de energia no método representam os estados de
energia. A melhoria do desempenho energético do recurso por meio de monitoramento e
análise é permitida exclusivamente por alavancas gerenciais (por exemplo, por uma
programação de produção aprimorada).

O termo visão de energia se refere aos requisitos de energia do recurso selecionado na

etapa 1 para diferentes estados de energia. Nesta fase, é necessário identificar todos os
possíveis estados de energia em que o recurso pode estar durante a operação e que podem ser
alterados por alavancas de gestão.

Os estados de energia considerados neste estudo foram derivados de diferentes fontes,

como a Associação dos Fabricantes Italianos de Máquinas-Ferramentas, Robôs e Automação
(UCIMU) e literatura [40,55]. Os estados de energia considerados são identificados como
desligado, desaceleração, espera, manutenção, ocioso, configuração, aceleração e
processamento, conforme descrito na tabela 3 abaixo.

4.3. Etapa 3 - Análise dos estados de fabricação como causas da energia ineficiências do
recurso produtivo

A visualização do tempo do recurso envolve a determinação de todos os estados

temporais ou de manufatura que podem ser observados durante a operação. Os estados de
fabricação definem uma condição de ineficiência, ou seja, a perda ou desperdício que impacta
no consumo de energia do próprio recurso. Por esse motivo, os estados de fabricação são
definidos como variáveis que afetam o consumo de energia. As variáveis de consumo de energia
são estados especiais do sistema expressos em intervalos de tempo, onde variáveis de consumo
de energia são sinônimo de estados de fabricação para enfatizar o impacto no consumo de
energia.

Para uma definição abrangente das variáveis de consumo de energia, é essencial ter um
bom conhecimento e compreensão do funcionamento do recurso dentro do sistema de
produção. Uma vez que a própria literatura fornece uma visão geral válida dos fatores e
motivadores que afetam o consumo de energia e o desempenho ambiental geral, o diagrama
de Ishikawa é usado nesta discussão para representar as relações de causa e efeito.

A definição da energia que afeta os estados do recurso de produção de acordo com a

visão do tempo baseada na produtividade é inspirada por Morvay e Gvozdenac [56]. Os estados
de fabricação identificados estão listados na Tabela 4, incluindo sua descrição e mecanismos de
intervenção correspondentes que mostram como reduzir o impacto desse estado de fabricação:
As variáveis que afetam o consumo de energia de uma máquina-ferramenta são identificadas e
representadas em cinco grupos (ou seja, gestão da produção, qualidade, mão de obra,
manutenção e causas externas). Cada cluster está relacionado a uma responsabilidade unívoca
e o diagrama de Ishikawa é usado durante esta etapa para identificar as relações entre os
diferentes estados de fabricação e o consumo de energia. As variáveis do sistema de fabricação
que afetam o consumo de energia são, portanto, identificadas conforme ilustrado no diagrama
abaixo:

4,4. Etapa 4 - Vinculando estados de manufatura com estados de energia Um dos pontos
mais críticos do método e-KPI é o processo de vinculação entre a visão de fabricação / tempo
(causas) e a visão de energia (efeitos), porque depende fortemente de:

Recurso / processo selecionado. Dimensões do sistema de manufatura previamente

definidas, principalmente layout e grau de automação. A compreensão do comportamento do
sistema (quais variáveis impactam no consumo de energia). A hipótese feita para simplificar a
aplicação do método. A disponibilidade de dados.

Depois de identificar os estados de fabricação e os estados de energia para o recurso

produtivo, passamos a estabelecer as ligações entre eles. Cada link representa o impacto
específico que um estado de fabricação tem em um determinado estado de energia.

As ligações entre os estados de fabricação identificados e os estados de energia foram

estabelecidas com o uso de conhecimento prévio e com a realização de entrevistas
semiestruturadas com os parceiros industriais. Esse conhecimento serve para desenvolver KPIs
relacionados à energia. A Fig. 3 ilustra o diagrama de vista transversal. Os links no diagrama
foram primeiro desenvolvidos de forma independente e, em seguida, refinados em discussões
com as empresas de casos. Mais informações para projetar essas ligações cruzadas são
fornecidas abaixo:

1. Cada caixa de status de fabricação é marcada pela cor relativa ao cluster ao qual
pertence (ver Fig. 3).

2. Como os e-KPIs são indicadores de consumo de energia resultante do cross-linking, o

estado Desligado não é considerado na análise, pois o consumo de energia correspondente para
este estado é igual a zero.

3. Como a potência máxima de desaceleração é muito baixa (antes de diminuir para a

potência zero), ela não é considerada na reticulação.

4. Para aumentar a legibilidade do diagrama através de um menor número de caixa de

status, o bloqueio e inanição foi colocado em um grupo junto com a ferramenta de estado de
espera, tanto para o cluster de gestão da produção quanto para o de manutenção, desde suas
ligações com os estados de energia são idênticos. Esses grupos aparecem como 'gerenciamento
de produção em marcha lenta' e 'manutenção em marcha lenta' no diagrama de link cruzado.

5. As greves foram negligenciadas e estão idealmente incorporadas nas paralisações dos

trabalhadores.

6. Pedidos ausentes e materiais ausentes foram agrupados na mesma caixa, pois seus
estados de energia correspondentes são idênticos.

4.5. Etapa 5 - Construindo uma estrutura hierárquica de consumo de energia da

máquina

O diagrama de energia ilustra o consumo de energia associado a cada estado de

fabricação. É uma agregação dos intervalos de tempo [T] que a máquina passou em um
determinado estado de energia [W]. O consumo total de energia de uma máquina em um
determinado período de tempo T é a integral da função de potência até o tempo T. Existem
requisitos de alta potência com menor ocorrência no tempo (por exemplo, processamento),
bem como menores requisitos de potência com maior ocorrência em tempo (por exemplo,
ocioso). A existência dessas circunstâncias depende claramente do que acontece com a máquina
e com o sistema de produção no qual ela opera.

Os diagramas de energia também fornecem a contribuição percentual de diferentes

requisitos de energia no consumo total de energia. Na literatura, abordagens desse tipo têm
sido utilizadas para avaliar, por exemplo, uma alta taxa de consumo da máquina em estado
ocioso em comparação com a de processamento [53]. Outros exemplos incluem o
desenvolvimento de indicadores com uma abordagem para calcular a contribuição de cada
estado de energia sobre o consumo total de energia, a fim de avaliar a adequação de diferentes
cenários de produção em termos de economia de energia [57]. O desenvolvimento dos KPIs
seguindo esta abordagem fornece suporte à decisão para o gerenciamento de energia se o
objetivo for criar uma ferramenta de suporte à decisão baseada exclusivamente em KPIs. No
entanto, sem a determinação de cross-links, não seria possível contextualizar os motivos de um
maior consumo ocioso de um processo em relação ao período anterior. Portanto, é necessário
projetar um Diagrama de Energia apropriado para apoiar o processo de desenvolvimento desses
e-KPIs.

Os e-KPIs são projetados para representar a entrada de consumo de energia elétrica

com valor agregado para o recurso produtivo selecionado que é usado para a produção de
produtos vendáveis. Além disso, esses KPIs mostram a quantidade de energia desperdiçada por
operações, procedimentos e gerenciamento, relacionados com a operação do sistema de
produção. Desta forma, os e-KPIs destacam e ajudam a priorizar as áreas potenciais para
melhorar a eficiência energética. A estrutura e as etapas propostas foram consideradas na
derivação de KPIs relacionados à energia. Os e-KPIs identificados podem ser usados para
diagnosticar tendências de consumo de energia, abordar responsabilidades de consumo de
energia e monitorar a eficácia dos planos de ação ao longo do tempo. Isso facilita a melhoria
contínua do desempenho relacionado à energia em uma fábrica.

Portanto, precisamos representar o consumo de energia em uma estrutura que nos

permita construir KPIs quantificando diferentes impactos de variáveis. Uma representação de
boneca russa é adequada para esse propósito. A estrutura do histograma depende dos links
entre a visão do tempo e a visão da energia. Retângulos pequenos são variáveis e as setas ligam
o consumo de energia relacionado a cada um dos variáveis (esses links dependem do caso
específico). A Fig. 4 abaixo mostra o Diagrama de Energia desenvolvido para este fim.

O primeiro pilar da esquerda representa o total de energia consumida no tempo de

produção teórico T (ou seja, tempo de calendário). Prosseguimos diminuindo o consumo de
energia atribuído para os diferentes estados por meio das ligações cruzadas de fabricação, até
o valioso consumo de energia, ou seja, a energia útil associada à produção de peças vendáveis
sem defeitos. Cada bloco do diagrama é avaliado em termos de energia de o requisito de energia
resultante do processo de reticulação (através das setas na figura). A quantidade de consumo
de energia escalado no diagrama deve ser considerado qualitativo.

Este alter-ego envolve a introdução de uma mudança na forma em que as ineficiências

são consideradas no tempo tradicional Visão. Dois tipos de perdas (por exemplo, falta de
pedidos e configuração) de entidade temporal igual (por exemplo, 2 h por dia) não tem o mesmo
peso em termos de eficiência energética (que deve ter uma perspectiva de eficiência baseada
no tempo), uma vez que estão associados a um peso, que é a necessidade relativa de energia.
Por esta razão, é interessante analisar as ineficiências de uma perspectiva energética. O esforço
aqui está focado em reduzir a contribuição dos estados de manufatura com maior impacto no
geral consumo de energia do recurso produtivo.

Usando diagrama de energia, construímos KPIs que enfatizam a contribuição de

diferentes fatores, como a Utilização, Disponibilidade, Saturação e Rendimento normalmente
usados na visão de tempo / produtividade (por exemplo, [58] para o cálculo do índice de
produtividade. Esses KPIs também enfatizam a contribuição dos clusters estudados (isto é,
gerenciamento da produção, qualidade, mão de obra, manutenção e causas externas) para que
possamos abordar uma determinada ineficiência energética para seu ator unívoco
correspondente dentro do sistema de manufatura.

Esta é uma ferramenta poderosa para o diagnóstico de ineficiências de energia, e

também podemos construir KPIs agregados e dividi-los para enfatizar possíveis compensações.

4,6. Etapa 6 - Desenvolvimento de e-KPIs

 Passamos agora à formulação dos e-KPIs. Apresentamos os símbolos usados nas
fórmulas para calcular indicadores no Apêndice A.

O Indicador Enxuta de Energia mostra a eficiência do equipamento em termos de

consumo de energia. Representa a relação entre a energia consumida para a produção de
produtos vendáveis e o consumo geral de energia da máquina. Este indicador é derivado da
divisão da energia de valor agregado pelo consumo de energia detectado no tempo teórico de
produção:

O objetivo aqui não é minimizar o consumo de energia em termos absolutos, uma vez
que existe uma demanda de produção que deve ser atendida, mas usar a energia de forma mais
eficiente para a produção de um produto vendável. Por este motivo, pretendemos alcançar o
Indicador de Energia Enxuta mais próximo de 1.

Dessa forma, podemos entender as causas de um aumento no consumo geral de energia

(E6) em relação ao necessário para a produção de um único produto bom (E0). Uma boa maneira
de fazer isso é decompor esse indicador em vários fatores. Analisando o diagrama de energia da
direita, entendemos como é fácil gerar um segundo indicador: o indicador Igualdade representa
a energia que é desperdiçada por problemas de qualidade.

De (4), vemos que parte do mix de produtos que consome mais energia, para o qual o
valor de Pprocessamento i Tprocessamento i é maior do que outras peças, impactam mais no
valor total e, consequentemente, o esforço deve ser direcionado para reduzir o desperdício
correspondente à produção deste tipo de peças. Para simplificar, consideramos a presença de
um processo que tem uma saída de condição binária: peça boa ou peça descartada. Qtot i aqui
representa a quantidade total produzida para cada peça ‘‘ i ’’
 (podendo ter excluído o valor retrabalhado), nós construir o indicador Energia em
Saturação (Esat):

A insaturação do recurso, conforme avaliado pelo indicador de desempenho baseado

em tempo correspondente, é devido a uma série de eventos que diminuem a produção do
recurso (no tempo disponíveis), como pequenas paradas e configurações. Por esse motivo,
micro paradas, ajustes e configuração são considerados no cálculo de consumo de energia.

Se o valor do indicador se aproxima do valor '' 1 '', a saturação do equipamento é maior

e a perda de energia em relação a ele é menor (ou seja, o impacto das perdas de energia de
micro paradas, configuração e ajuste) .

Pode-se facilmente imaginar como o processo de desenvolvimento de KPIs relacionados

a energia por meio do Diagrama de Energia tem natureza recursiva até chegar à condição final
de obtenção de um e-KPI que tem como denominador o consumo total de energia no período
(E6). O indicador Energia em Disponibilidade Eavail: depende do tempo de manutenção
necessário. É mostrado em (8) e (9):
 Isso indica um bom exemplo para enfatizar a diferença entre a visão baseada no tempo
e a visão baseada na energia: se o tempo de reinicialização de uma máquina-ferramenta por
falha for insignificante em termos de sua inclusão no indicador de disponibilidade, então isso
não se aplica do ponto de vista energético, dado que o aumento de potência é um requisito de
potência inferior ao exigido por exemplo pela usinagem, mas definitivamente não desprezível.
O esforço será, portanto, direcionado para evitar este tipo de falhas totais e, em geral, para
evitar a ocorrência de todos os estados de fabricação para os quais o consumo de energia é
maior.

Analisamos agora o indicador Eusage, que avalia o impacto das causas ao nível do
sistema global e não estritamente ao nível da máquina.

O desuso de um recurso é determinado por causas relacionadas ao gerenciamento do

sistema de produção (bloqueio e inanição), gerenciamento de ferramentas e processamento de
amostras e peças de teste devido a problemas como falta de pedidos externos e falta de
materiais. Por fim, é possível calcular um indicador Eopening, avaliando o impacto do pós-
feriado ou pós-turno de operação da máquina. Consistente com o Diagrama de Energia na Fig.
4, é calculado em relação à energia no tempo T. A abertura é mostrada em (12) e (13):
 Em conclusão, o Indicador Enxuta de Energia destaca quanto valor agregado de energia
(processamento) é utilizado para a produção de produtos vendáveis, em relação ao consumo
total de energia. Este último pode ser analisado e interpretado através da decomposição do
Indicador de Energia Enxuta em fatores como Eopening; Eusage; Eavail :; Esat; Igualdade.

A representação que fornece (14) é um excelente suporte para a interpretação das

causas por trás das quais o consumo de energia incorrido para a produção de uma produção de
manufatura não tem valor agregado (ou seja, causas de ineficiência energética).

O valor de cada um dos e-KPIs desenvolvidos varia de 0 a 1. Diferentes usos desses e-

KPIs são estudados em detalhes na Seção 4.7 abaixo, ou seja, Etapa 7 - design e gerenciamento
de e-KPIs.

4.7. Etapa 7 - design e gerenciamento de e-KPI

A segunda macroetapa do método é a implementação fase, conforme destacado na Fig.

5. Uma vez projetados, os KPIs devem ser gerenciou. As caixas abaixo ilustram os significados de
design e gerenciamento dos e-KPIs, que são explicados em detalhes nas Seções 4.7.1 e 4.7.2,
respectivamente.

4.7.1. design de e-KPI

Para fornecer uma orientação detalhada para o uso dos e-KPIs projetados, é necessário
mantê-la em uma folha de registro, preenchendo os atributos listados na coluna da esquerda da
Fig. 5. Um horizonte de tempo de referência válido para o cálculo destes Indicadores é o
intervalo mínimo de meses que contém um grande conjunto de variáveis de consumo de
energia, sobre as quais faz sentido realizar uma análise. Quanto à frequência do cálculo,
depende claramente da qualidade do sistema de monitorização, bem como dos requisitos de
gestão e controlo.

4.7.2. gerenciamento de e-KPI

Uma vez que o sistema KPI é projetado, ele deve ser gerenciado para a finalidade para
a qual foi criado ou para permitir a melhoria contínua dos desempenhos relacionados à energia.
Esta seção discute como a implementação de um sistema de e-KPI, bem como a implementação
de qualquer sistema de KPI com foco na melhoria contínua, pode ser estudada a partir de duas
perspectivas: (i) Implementação do ponto de vista da infraestrutura de informação; (ii)
Implementação do sistema KPI do ponto de vista da gestão (ou seja, de maior interesse para o
caso em questão). Do ponto de vista da informação, a implementação do método pode
acontecer de duas maneiras, ou seja, implementação total e implementação limitada.

a. Implementação completa

O caso de implementação total ocorre se existir na empresa um sistema avançado de

monitorização energética, e esta situação conduz a um resultado óptimo que o método é capaz
de proporcionar em termos de apoio à tomada de decisão. Os sensores ao nível da máquina,
linha ou fábrica permitem uma elevada qualidade e precisão dos dados que podem ser
fornecidos em tempo real ou discretos, dependendo do nível de automatização de toda a
fábrica. Nesse tipo de situação, o consumo final de energia seria automaticamente construído e
desmontado por meio do e-KPI, conhecendo as informações básicas sobre o comportamento do
sistema de fabricação (por exemplo, tempos de falha, tempos de configuração, pedidos em falta,
etc.).

b. Implementação limitada

Como no caso de determinadas situações não automatizadas ou mal automatizadas, os

cálculos dos valores dos KPIs podem ser realizados manualmente por meio de planilhas, só é
possível aplicar o método através dos dados de consumo de energia (no período estabelecido
pela escala de tempo) obtidos a partir de uma campanha de medição ou estimativas razoáveis.
No caso de implementação limitada, a frequência de medição seria menor do que no caso de
implementação completa, e as informações obtidas no e-KPI são representadas pela baixa
qualidade dos dados.

A inclusão da implementação limitada e sua comparação com a implementação

completa dentro do e-KPI Management é realizada unicamente em virtude de uma possível
discussão sobre o horizonte de tempo para implementação do método. Para aplicar o método
a curto prazo, uma implementação limitada pode ser considerada, enquanto a médio e longo
prazo uma aplicação do método em seu modo ideal pode ser sugerida com base nas
necessidades e tendências da indústria descritas anteriormente.

Do ponto de vista da gestão, a implementação é a gestão do sistema KPI em relação ao

fim para o qual foi criado, ou para permitir a melhoria contínua dos desempenhos baseados na
energia. Nesse sentido, é importante estabelecer um método de análise de desempenho e
priorização de ações. Após o monitoramento e medição do desempenho por meio dos KPIs, a
etapa tradicionalmente realizada neste contexto inclui:

- a análise dos valores fornecidos pelos KPIs;

 - sua correta interpretação e comunicação às partes interessadas;

- identificação de áreas potenciais para melhoria;

- estabelecer objetivos e ações para melhoria;

- verificar os resultados por meio de uma nova medição e análise

dos valores de e-KPI após um determinado horizonte de tempo.

5. Mecanismo de apoio à decisão

É necessário agora explicar como o desenho do sistema estruturado e a utilização de e-

KPIs podem servir como ferramenta de diagnóstico e apoio à decisão para gestores de energia
e em geral para a gestão envolvida nos programas de eficiência energética.

Uma vez que os critérios de design dos e-KPIs são precisamente permitir o tomada de
decisão, a primeira análise dos valores fornecidos pelo KPI bem como a identificação de áreas
potenciais para melhoria, é inerente à forma como os e-KPIs são concebidos. Os e-KPIs são,
portanto, fáceis de ler em termos de identificação do grau de satisfação de desempenhos
relacionados com a energia e para identificar áreas de intervenção e atores responsáveis.
Quanto mais longe o e- O valor do KPI é do valor ideal de 1, quanto maior a necessidade de
intervenção dentro da área definida pelo cluster associado ao indicador.

Em referência aos e-KPIs desenvolvidos, por exemplo, um baixo valor de Eavail: em

comparação com outros indicadores Eopening; Eusage; Esat; A igualdade que forma o Indicador
de Energia Enxuta sugere uma necessidade de intervenção dentro da engenharia de
manutenção e / ou na função de manutenção, e da mesma forma um valor baixo de Igualdade
sugere um forte impacto dos problemas de qualidade nas ineficiências de energia.

Considerando Eavail: como exemplo, o consumo de energia em um valor baixo dos réus
são representados por altos valores da soma , ou
seja, o denominador do indicador (ver (7)).

Para entender até que ponto é possível atuar sobre o e-KPI identificado como
responsável pela deterioração do desempenho, deve-se contextualizar os determinantes do KPI
identificado, idealmente analisados utilizando a matriz de consumo de energia ilustrada na Fig.
6.

A matriz inclui duas dimensões:

1. A dimensão horizontal representa a magnitude do consumo de energia individual (ou

seja, a magnitude da necessidade de energia única (energia em cada instante de tempo, por
exemplo, Pramp up)).

2. A dimensão vertical representa o tempo em que a única necessidade de energia foi

observada no tempo de monitoramento T (em referência ao exemplo, corresponde a

A natureza do consumo de energia denota

a alavanca para reduzir a entidade. A Fig. 6 mostra as direções (através das setas) para melhoria
na correspondência com cada área. Como o foco está no gerenciamento de energia, as alavancas
de melhoria são orientadas para reduzir o consumo de energia sempre que possível. Melhorias
tecnológicas (por exemplo, comprar máquinas que gastam menos energia por unidade de
tempo) são consideradas fora do escopo da discussão nesta seção.

Uma área de foco é a do primeiro quadrante: tempos mais longos e alta potência. Com
relação ao quarto quadrante, além do fato de que tempos mais longos também podem ser
decorrentes de fatores que não envolvem diretamente ineficiências, ainda é uma área dentro
da qual vale a pena investigar para ver se tempos mais longos realmente ocorreram devido a
um determinado estado de ineficiência (por exemplo, se os tempos de reparo e Tmaint forem
maiores que o padrão). Essas informações podem ser encontradas em sistemas convencionais,
como MES, SCADA e ERP. No caso de ineficiência, o alto consumo de energia desse tipo pode
ser facilmente reduzido por meio de alavancas de gerenciamento, cujo custo pode ser discutido
com outros atores da planta.

No exemplo sob investigação, é importante saber onde o consumo que compõe a soma

será colocado na matriz de consumo de

energia. O posicionamento depende dos valores exatos aos quais cada variável de tempo e
variável de potência correspondem. No entanto, é bom aproveitar qualquer oportunidade para
reduzir o consumo de energia por meio de alavancas de gerenciamento, razoavelmente
aplicáveis no exemplo em consideração, uma vez que o alto consumo pode ser devido ao alto
tempo de reparo de falha durante o qual a máquina está em estado de manutenção, ou devido
para um grande número de reinicializações e tempo gasto durante as pós-falhas das máquinas
em um estado de falha anterior ao reparo durante o qual a máquina permanece no estado
ocioso.

Assim, o macroproblema é identificado através do e-KPI com um valor inferior, é-lhe

atribuído o consumo de energia contextualizado e avaliadas as possibilidades e áreas de
intervenção. O próximo passo é determinar como intervir a fim de assegurar adequadamente
os objetivos e o plano de ação para alcançar as melhorias identificadas. A Tabela 5 mostra um
exemplo para este ponto. Liberando a oportunidade de agir sobre o consumo específico de
energia e sobre como agir, metas podem ser definidas no nível de gerenciamento para controlar
a duração dos estados de fabricação. Em função da natureza dos mecanismos de intervenção, a
contribuição negativa do indicador Eavail: poderia ser por meio de um plano de ação
estruturado da seguinte forma:

- uma reconsideração dos intervalos de frequência na manutenção preventiva pela

engenharia;

- a adoção de um programa de treinamento de manutenção para profissionais, para a

detecção precoce de falhas;

- a adoção de um programa de treinamento para a equipe de manutenção.

Os objetivos são desdobrados em tarefas e o plano de ação é divulgado. Com base na

extensão do programa previsto, estabelece um prazo dentro do qual se espera que o indicador
Eavail: proporcione melhor desempenho, mais próximo do valor de 1 pol. o período atual.
 Naturalmente, devido à forma como os e-KPIs são desenhados através do Diagrama de
Energia, o valor de cada KPI depende exclusivamente do conjunto de variáveis que constituem
o indicador, não sendo de forma alguma dependente do aumento da demanda do produto , ou
outros fatores, que são razoavelmente atribuídos de maneira distinta a outros e-KPIs.

Todo programa de melhoria tem um custo, por isso perguntamos: quantos e-KPIs, para
os quais o desempenho se mostrou insatisfatório, podem ser considerados parte de um
programa para melhorar o desempenho relacionado à energia? Por exemplo, a decisão de
considerar a análise de um único indicador de menor valor, ou dos dois primeiros indicadores
de menor valor dentre aqueles que compõem o Indicador de Energia Enxuta.

Nesse sentido, uma análise de Pareto aplicada ao consumo individual de energia que
compõe o e-KPI é considerada extremamente útil para otimizar o consumo de energia e os
custos. No entanto, como o gráfico de Pareto compara as causas individuais (e-KPI ou consumo
individual de energia) do consumo total do período, este instrumento deve ser utilizado apenas
para análise do período atual, não podendo ser utilizado para avaliar aumento ou redução de
contribuição individual no tempo.

Finalmente, pode-se perguntar que tipo de melhoria se pode esperar de um método

que permite a melhoria contínua por meio dos modos que acabamos de explicar. Neste ponto,
o método e-KPI proposto permite melhorias diretas e indiretas:

- melhorias diretas em desempenhos relacionados à energia intimamente relacionados

ao consumo de energia, como KPIs termodinâmicos (consumo total de energia da planta) ou
KPIs físico-termodinâmicos (por exemplo, SEC), etc .;

- impacto indireto nos desempenhos baseados no tempo, uma vez que os mecanismos
de apoio que visam melhorar a eficiência energética também podem melhorar a eficácia do
tempo de um sistema de fabricação. Não obstante, é necessário levar em consideração que as
melhorias são feitas para este nível de análise em relação aos problemas de um único recurso,
mas ao invés disso, deve-se considerar que a soma dos ótimos locais não é igual a um ótimo
global;

- as melhorias indiretas nos desempenhos relacionados à energia que incluem, além do

consumo de energia, outras variáveis (por exemplo, KPIs econômicos e físicos). Apesar da
melhoria no consumo de energia, os altos preços da energia que superam a melhoria alcançada
anulam o efeito do plano de ação proposto;

- a melhoria indireta, mais globalmente, da manufatura sustentável.

6. Discussão e observações finais

Os e-KPIs permitem desempenhos aprimorados relacionados à energia. O agrupamento
dos estados de manufatura é realizado para promover um ciclo de melhoria contínua à medida
que os e-KPIs identificam pontos fracos e áreas para melhorias de eficiência energética
relacionadas à gestão da produção e operações. Assim, um plano de ação com a tarefa de atingir
as metas de economia de energia é criado para os atores relevantes dentro de uma organização.
 Uma limitação do método desenvolvido é a disponibilidade de dados relacionados à
energia. Mesmo que um cálculo preciso de todos os indicadores seja executado, podem ocorrer
problemas devido à granularidade dos dados disponíveis. Na situação atual, o monitoramento
de energia é amplamente feito no nível de fábrica, mas para realmente usar a abordagem, é
necessária uma granularidade mais fina no nível da máquina. De forma ampla, a infraestrutura
para essa abordagem pode ainda estar faltando na indústria, especialmente nas Pequenas e
Médias Empresas (PMEs). Uma análise de caso real e completa só pode ser feita em um período
de tempo em que os sistemas de medição e monitoramento de energia em vários níveis
permitem a análise de energia para diferentes níveis da planta, até o nível da máquina.

No entanto, tal limitação poderia ser tratada aumentando o papel e o uso de sistemas
avançados de TI em ambientes de manufatura [59]. Por exemplo, abordar o desafio destacado
na Fig. 7 abaixo por May et al. [60], a PLANTCockpit [61] desenvolveu um sistema de
monitoramento central que é capaz de acessar diferentes fontes de dados (por exemplo, ERP,
MES, SCADA, Apps de energia, outras soluções para fins especiais, etc.) em uma instalação de
fabricação a fim de integrar, processar e visualizar os dados de produção, possibilitando o cálculo
e visualização consistente dos indicadores desejados, como os e-KPIs desenvolvidos neste
estudo.

Embora seja difícil medir diretamente os dados necessários para o cálculo desses e-KPIs
nas configurações atuais, é possível chegar aos componentes de dados de cada indicador com a
utilização de sistemas de TI de nova geração, como PLANTCockpit ou então, que levarão ao
indústria para poder calcular e visualizar frequentemente os indicadores desejados, como e-
KPIs.

Prosseguimos agora para ilustrar uma série de pontos-chave e descobertas relacionadas

ao método proposto. O método desenvolvido é proposto para suprir as lacunas de pesquisa
identificadas na revisão da literatura. Tem como objetivo apoiar a indústria transformadora no
cumprimento das necessidades industriais identificadas. Por contribuir para um tema de
pesquisa focado em uma tendência de médio a longo prazo e como a A contribuição é feita
através do desenvolvimento de novos KPIs para apoiar a gestão de energia, avaliações técnicas
e econômicas para a implementação do método são consideradas fora do escopo. A discussão
das dicas de implementação na Seção 4.7.2 é fornecida com o único propósito de delinear uma
possível estimativa do horizonte de tempo no qual os fabricantes poderiam ser capazes de usar
os e-KPIs projetados de forma estruturada.

Durante o desenvolvimento do método, surgiram as seguintes descobertas importantes:

O sistema de referência no qual uma máquina de produção trabalha influencia

fortemente seus desempenhos relacionados à energia.

A presença de um elevado número de mecanismos de intervenção relacionados aos

estados de fabricação confirma as amplas possibilidades de redução do consumo de energia
atuando sobre o sistema de produção (ou sobre tais variáveis) e não sobre alavancas
tecnológicas.
 O desenvolvimento de e-KPIs através do Diagrama de Energia apropriado permite que
os valores dos KPIs não sejam afetados por mudanças na demanda do mercado, exceto por uma
mudança no mix de produtos, para o qual pode haver incidência de setup.

Nem todas as ineficiências de energia são igualmente importantes e potenciais hotspots

em termos de gestão de energia: a matriz de consumo de energia é desenhada incluindo as
dimensões de tempo e potência e mostra os tipos de consumo de energia aos quais se deve
prestar mais atenção para melhorar os desempenhos relacionados com a energia .

O desenvolvimento dos e-KPIs mostrou que havia indicadores de desempenho com base
no tempo desprezíveis que, em vez disso, têm fortes impactos no desempenho com base na
energia. Tais estados estão posicionados no canto inferior direito da matriz de consumo de
energia: o exemplo mais representativo é o estado que corresponde ao start-up da máquina,
tanto por necessidade de turnos quanto por falha total. A ocorrência desses estados deve ser
evitada ao máximo, pois esses pequenos intervalos de tempo podem ter altos impactos no
consumo de energia.

Em última análise, descrevemos a seguir oportunidades para desenvolvimento futuro

que podem aprofundar ainda mais o conhecimento do estudo:

As ferramentas desenvolvidas podem ser utilizadas de forma mais difundida para outros
meios. Por exemplo, a modelagem por gráfico de estado pode ser usada para apoiar a simulação
de eventos discretos, a fim de estudar o comportamento da energia do recurso em diferentes
cenários e para prever o consumo de energia, por exemplo, fornecendo informações relevantes
sobre a melhor escolha do contrato de fornecimento ou mudanças ideais para a planta, etc.

Outras ferramentas podem ser usadas para representar as relações de causa e efeito,
por ex. diagramas de loop causal. Eles permitem conectar os elementos relacionados por elos
de causa e efeito, determinando os sinais e possíveis laços entre os diferentes elos e projetando
equações para cada elo.

Uma outra forma é considerar outras possibilidades de desenvolvimento de

metodologias voltadas para a melhoria da eficiência energética. Um tal método pode considerar
o desenvolvimento de e-KPIs em diferentes níveis (ou seja, máquina, processo e nível de planta)
e relacionamentos entre esses KPIs. Outro método pode considerar os efeitos de diferentes
instrumentos no consumo de energia, por exemplo, contribuição de diferentes planos (por
exemplo, gestão de estoque, planejamento de capacidade, etc.) no desempenho energético da
planta ou de toda a cadeia de abastecimento pode ser estudada, usando ambientes de
simulação apoiados por indicadores-chave de desempenho para a avaliação de diferentes
cenários.

Por último, mas não menos importante, os e-KPIs podem ser usados em ambientes de
simulação para avaliar a eficácia das ações ao longo do tempo. Também pode ter como objetivo
a obtenção de melhorias no desempenho energético ao nível da máquina. No entanto, uma vez
que os sistemas de produção representam ambientes extremamente complexos em que um
ótimo global não é a soma dos ótimos locais, o escopo da discussão deve ser razoavelmente
estendido a uma linha, a uma planta, a uma parte da cadeia de abastecimento, etc. a fim de
formular uma solução abrangente considerando toda a cadeia de valor.