Além do CEP: A IA como Ferramenta para Minimizar a Variabilidade e Otimizar Processos

Controle Inteligente de Processos: Reduzindo Variabilidade com Precisão e Tecnologia

O Controle Estatístico do Processo (CEP) é uma metodologia que utiliza ferramentas estatísticas para monitorar e controlar processos industriais, visando garantir a qualidade e a consistência dos produtos ou serviços. Criado em 1920 e é altamente utilizado até hoje.

Essa abordagem permite identificar variações no processo e tomar ações corretivas tentando minimizar o impacto negativo ao resultado.

Entre os principais objetivos do CEP temos:

• Minimizar defeitos: identificar e eliminar as causas de variações no processo antes que elas resultem em produtos defeituosos;

• Reduzir custos: minimizar o retrabalho, os desperdícios e os custos associados a produtos não conformes;

• Melhorar a qualidade: garantir que os produtos ou serviços atendam aos requisitos dos clientes e às normas de qualidade;

• Aumentar a eficiência: otimizar os processos, reduzindo o tempo de ciclo e aumentando a produtividade.

Etapas do CEP:

1. Definição das características a serem controladas: identificar as características do produto ou serviço críticas para a qualidade;

2. Coleta de dados: coletar dados de forma sistemática e precisa;

3. Cálculo dos limites de controle: calcular os limites superior e inferior de controle com base nos dados coletados;

4. Construção das cartas de controle: construir as cartas de controle e plotar os dados coletados;

5. Análise das cartas de controle: analisar as cartas de controle para identificar padrões, tendências e desvios;

6. Tomada de ações corretivas: Tomar ações para eliminar as causas de variações que estão causando problemas;

7. Padronização do processo: implementar procedimentos e padrões para manter o processo sob controle.

   
   

Ok, parece muito legal e interessante. Mas o que isso tem a ver com I.A? Até aqui, nada (rsrs).

Esse processo tem alguns problemas. Em geral, não é nada simples descobrir as causas de variações, e mais nem sempre elas são controláveis.

Sabendo disso, a pergunta que fica é será que existe uma forma automática de descobrir o que causa variação no meu processo? E as variáveis que eu não controlo? Será que tem ações que posso executar que podem ajudar a minimizar a variabilidade do processo?

Ou até mesmo uma pergunta anterior, por que raios quero diminuir a variabilidade de um processo?

Vamos começar pelo básico, primeiro por que diminuir variabilidade?

Bom a resposta simples é para melhorar a consistência e diminuir desperdícios.

Darei um exemplo de um projeto:

Fizemos um software para uma grande empresa produtora de ração para pets. E o que você quer da ração? A primeira coisa que a fábrica quer é que a ração saia nas especificações nutricionais, em seguida por ser uma ração para pets e uma ração de pets a ração não é somente para o animal ela é também para o dono do animal, logo é necessário que ela tenha uma uniformidade de cor, textura e cheiro.

Além disso, é importante ressaltar que se o produto fica fora das especificações ele não pode ir para a prateleira, em especial quando a proteína fica abaixo a ração precisa ser refeita (se ficar acima não tem problema). Assim, fica claro que precisamos de uniformidade, ou seja, precisamos de poucas variações e diminuir a variabilidade.

“Ah mais é muito simples, é só usar a mesma receita, fazer o mesmo processo e está tudo certo ZERO variações” - Realmente seria ótimo, mas isso não é verdade. Na ração vai diversos ingredientes como milho, soja, vísceras entre outras coisas. Mas é importante lembrar que esses ingredientes são naturais. 

Logo, a quantidade de proteína nas vísceras, por exemplo, depende de qual animal é ela é, depende do sexo do animal, da idade, do que ele comeu.

O milho depende do solo que ele foi plantado, do número de vezes que choveu, depende se fez muito sol ou pouco enfim fatores afetam o milho e suas propriedades e o mesmo vale para os demais ingredientes. E digo mais, falei só das variações que podem acontecer na matéria-prima, mas existem as variações da mão de obra, variações processo como diferenças nas quantidades pesadas, de temperatura, umidade, variações do treinamento do colaborador.

Enfim, acho que agora deu para ter uma dimensão do quanto é complicado descobrir o que está impactando na variabilidade do processo.

Ainda não vi a I.A. em ação. No entanto, é justamente aqui que a coisa fica interessante. No meu exemplo, existem diversas variáveis que não controlamos, como a quantidade de proteína nas vísceras, umidade, cálcio, entre outras. E algumas que controlamos, como a receita da ração, a temperatura e o tempo do forno, entre outras.

Então, a pergunta é: sabendo o valor daquilo que não controlamos, existe algum setup do processo que trará a menor variabilidade?

Isso representa uma mudança total de paradigma. Antes, analisávamos os resultados do processo e tentávamos identificar variações (que geralmente não controlamos) e mitigar a variabilidade. No entanto, é difícil atacar a variação inerente ao processo. Mas, olhando dessa nova perspectiva, tudo muda, pois ajustamos o processo o máximo possível para que a variabilidade inerente a ele seja muito menor. Nesse novo formato estamos nos antevendo e neste caso estamos ajustamos aquilo que controlamos para que as variáveis de saída tenham variação próxima de zero.

Para se ter uma ideia, no projeto do exemplo conseguimos reduzir a variabilidade em 16% o que representou um saving de 12%. Veja 12% para essa indústria em particular representa dezenas de milhões de reais.

Na EstatAnalytics chamamos esse produto de Controle Inteligente do Processo.

O Controle Estatístico do Processo é uma ferramenta poderosa para garantir a qualidade e a eficiência dos processos industriais. Assim, podemos tornar o processo inteligente para termos mais controle.

#EstatAnalytics #Variabilidade #Industria #IA #Analytics #OtimizarProcessos

Autor: Francys Souza