Por Hélio Peixoto
É comum que na rotina de processos e produtos na indústria, realizem-se análises de dados para inferir quais pontos em uma linha produtiva precisam de melhorias. Idealmente, os(as) gestores(as) desejam saber qual a produtividade atingida e comparar com a planejada, qual o desperdício daquela linha, tempo de funcionamento, entre outros, naquele instante de tempo ou a média das últimas horas de produção. Este tipo de estudo é muito comum nas indústrias e é chamado de análise descritiva, sendo esta a base primordial para qualquer outra análise de dados — sim, existem outras.
Os dados de um processo são equivalentes às impressões digitais humanas, ou seja, identificam, de forma única, aquela produção. Contudo, a observação de uma ampla lista de dados coletados dificultam sua compreensão. Por isso, o primeiro passo é organizar, resumir e descrever os dados do(s) conjunto(s) em estudo para inferir as primeiras conclusões sobre ele e tomar decisões em exemplos já elucidados no parágrafo anterior. Porém, é preciso ter cautela com as informações, pois elas só são fidedignas caso a coleta tenha sido realizada da forma correta.
Até aqui, a gestão à vista e os BI’s das indústrias resolvem grande parte da análise descritiva, mas e depois?
Existem diversos tipos de análises de dados além da descritiva. O objetivo das análises, essencialmente, é encontrar tendências, padrões e até aberrações para sugerir, rejeitar ou não rejeitar hipóteses sobre as relações de causa e efeito dentro do universo estudado. Isto é de suma importância para as indústrias, mas a falta de conhecimento teórico e profissionais especializados na área resultam em um entendimento raso de análise de dados, geralmente relacionado unicamente à parte descritiva. Apesar de estudos relacionados a séries temporais, clusterização, amostragem e planejamento de experimentos contribuírem bastante no contexto industrial, a ideia aqui é mostrar outro tipo de análise, a modelagem preditiva.
Se os dados são o processo em si, como utilizá-los para resolver os problemas da produção e não apenas elucidá-los?
A análise preditiva é uma técnica estatística de modelagem que visa encontrar padrões a partir do estudo dos dados históricos de um processo para prever tendências futuras de comportamento. É interessante o constante monitoramento e alimentação para aumentar a precisão do modelo com ele próprio, conceito amplamente conhecido como aprendizagem de máquina. Mas para aquelas indústrias que não conseguem fazer a análise constante, estudos pontuais de análise preditiva também resultam na elucidação da causa raiz, como faz a análise descritiva, mas vão além e soluciona(m) o(s) problema(s) encontrados.
Estes problemas não se resumem apenas a dores aparentes que chegam até a parar linhas de produção, mas fazem parte de uma trilha para chegar a objetivos produtivos da empresa, como diminuição de não conformidades, diminuição no tempo de tomada de decisão, análises de causa e efeito, ajustes de configurações nos parâmetros dos processos para diminuição de custos, dentre vários outros. Um bom modelo permite você prever, com boa precisão, o que acontecerá no seu processo, resultando num estudo além do “retrato momentâneo” oferecido pela análise descritiva, que mesmo essencial para o dia a dia é apenas o primeiro passo para a solução ou diminuição dos seus problemas.
A Stepps é uma empresa de análise de dados para a indústria que possui a modelagem preditiva entre os seus produtos. Ficou interessado ou tem alguma dúvida? Fala conosco através do e-mail para o contatostepps@gmail.com.
Para se inscrever gratuitamente na Stepps News, acesse: bit.ly/steppsnews
