Por Hélio Peixoto
É comum que no planejamento de novos processos e produtos na indústria, ou na melhoria daqueles já existentes, realizem-se experimentos em escala piloto para inferir quais efeitos práticos seriam obtidos com as mudanças de determinados fatores. Os testes em menor escala são importantes para a avaliação de qualidade e melhoria na produção da fábrica.
Contudo, apesar da obtenção de informações valiosas nos testes em menor escala, é necessário cautela para replicá-los na planta produtiva principal. Os principais recursos do processo são preservados, mas detalhes como o ambiente e características de fluxo podem não ser atendidas, acarretando que o ponto ótimo observado nos experimentos laboratoriais deve ser diferente daqueles obtidos na planta produtiva (KVIST, THYREGOD, 2005) ou não oferecem nada além de uma boa primeira aproximação (BOX, 1957). Por isso, é importante a condução de testes adicionais na linha de produção (SORENSEN, 1959). Para a realização desses testes, são indicadas as metodologias de planejamento de experimentos, pois estas resultam no aumento de performance em processos produtivos (MONTGOMERY, 2003) quando muitos fatores (também chamados de variáveis de entrada) estão envolvidos.
Os primeiros métodos de Planejamento de Experimentos (conhecido como Design of Experiments e sua sigla DoE) foram desenvolvidos na Inglaterra por Ronald A. Fisher na década de 1920. Sua criação foi concebida para explicar a relação entre as variáveis de entrada e a(s) característica(s) final(is) do produto (TAGUCHI, 2005) quando vários fatores são alterados deliberadamente ao mesmo tempo.
Um método de DoE que permite uma experimentação constante na rotina fabril para alcançar uma melhora na produção é a Operação Evolucionária, também conhecida pela sigla em inglês EVOP (Evolutionary Operation). O EVOP é um método de operação do processo construído a partir de procedimentos estatísticos para aumentar produtividade e reduzir custos (BOX, 1957). O objetivo é que se introduza pequenas mudanças propositais nas variáveis do processo a fim de que os resultados através destes experimentos possam indicar o caminho para a sua contínua melhoria, sem perdas consideráveis de produto (SORENSEN, 1959). Comumente, este conceito é comparado à evolução genética, que resulta na contínua adaptação dos seres ao ambiente a partir do seu desempenho.
As empresas têm como objetivo reduzir os custos dos processos, aumentar sua produtividade e desejo de alcançar, continuamente, melhorias da qualidade para superar a concorrência cada vez mais elevada do mercado. Portanto, o fato do estudo de um projeto estatístico ser único para cada processo, faz com que a metodologia utilizada necessite ser eficiente para alcançar bons resultados também na planta principal.
Em uma pesquisa realizada por Tanco et al. (2008) com 138 indústrias, foi relatado o uso de experimentos estatísticos na linha de produção em 94% delas. Apesar disso, 80% reportaram o uso do One Factor at a Time (OFAT), técnica que, como o nome sugere, apenas modifica um fator de cada vez, diferentemente do Planejamento de Experimentos que deliberadamente varia todos os fatores em estudo. E, por fim, apenas 20% mencionam o uso de metodologias estatísticas pré-estabelecidas, como o DoE.
Nesse contexto, a utilização do DoE, e consequentemente do EVOP, no cenário pernambucano, também é reduzida. Apesar da grande busca por aumento na qualidade dos processos, é incomum a aplicação de experimentos planejados para esse fim. Além disso, quando utilizado, a limitação de recursos pode impedir, por exemplo, a replicação dos testes, dificultando a análise. Mesmo com esta possível barreira orçamentária, a falta de conhecimento teórico e prático acerca desse tema na indústria elevam ainda mais o problema.
Ainda assim, muitos estudos acerca da otimização de processos são feitos dentro do cenário fabril, mas poucos utilizam os dados produtivos para solucionar os problemas, como a dificuldade em encontrar os possíveis pontos ótimos quando os experimentos saem da escala piloto à planta principal.
Portanto, fica evidente a necessidade da aplicação de metodologias estatísticas como o EVOP para a otimização de processos industriais.
Operação Estática x EVOP
A produção de uma indústria é baseada em seus próprios manuais que delimitam o fluxograma e as condições de operação, de cada processo. Teoricamente, o operador busca seguir, rigorosamente, em todas as etapas, as sugestões dos manuais, que são as melhores dentre as já testadas na fábrica. Apesar de ser bastante comum, esse método de operar o processo, conhecido como Operação Estática, não é único.
Outro modo de execução é a Operação Evolucionária (EVOP), proposta por Box (1957). Neste caso, ciclos de pequenas variações do processo são deliberadamente induzidos na rotina fabril, com a consistente repetição desses ciclos. Diferentemente da Operação Estática, as mudanças observadas a partir dessas variações, e dos ciclos, trarão informações sobre o comportamento do processo perante cada variável de entrada modificada no estudo, à parte do erro experimental comum nas fábricas (MONTALVÃO, 1978). O objetivo não é apenas a melhoria contínua do processo, mas o aprendizado adquirido (BOX; DRAPER, 1969).
É importante notar que o EVOP difere do uso de Planejamento de Experimentos clássicos. No DoE, há um projeto com começo, meio e fim, além do possível prejuízo relacionado a corridas com especificações fora dos limites estabelecidos. Já a Operação Evolucionária está de acordo com a forma como a planta opera continuamente. Por isso, as variações realizadas são pequenas, evitando perda de recursos com corridas fora do padrão, e as técnicas devem ser empregadas pelos próprios operadores da indústria (BOX, 1957).
Portanto, busque identificar quais processos da sua fábrica operam nas mesmas configurações há muito tempo. Isto pode ser um indício de que aquela linha produtiva necessita de um estudo para entregar ainda mais resultados.
Ficou interessado? A Stepps pode te ajudar! Fale conosco no (81) 9.9749–9941 e podemos levar o EVOP para o dia a dia da sua indústria.
Para se inscrever gratuitamente na Stepps News, acesse: bit.ly/steppsnews
