Você pode ter encontrado situações em que a melhor maneira de trabalhar, com base em sua longa experiência, não está alinhada com os sistemas em uso. Sistemas que supostamente o ajudarão a trabalhar melhor. Você não é o único que enfrenta esta questão.

Tomemos como exemplo a análise de dados. Em teoria, o processo consiste nos seguintes passos: Definindo a tarefa, coletando dados, limpando os dados, analisando os dados, tirando conclusões e, finalmente, implementando as conclusões. Mas com que frequência o fluxo de trabalho é tão simples na vida real? E se seu sistema for construído para seguir o processo estritamente sem nenhuma exceção?

Qual deles está liderando o caminho: Fluxo de trabalho ou Sistema?

Workflow é o que as pessoas realmente fazem: uma sequência de tarefas do início ao fim. O fluxo de trabalho ideal é frequentemente descrito em diretrizes, manuais e outras descrições de processos. Em um ambiente de trabalho geralmente há também sistemas, como ERP, CRM, um sistema de ticketing e um sistema de análise de processos, para ajudá-lo a seguir o processo escolhido. Em um mundo perfeito, estes estão, naturalmente, alinhados, o que economiza tempo, recursos e seus nervos.

Mas, às vezes, a realidade contra-ataca.

As descrições dos processos podem ser feitas sem entender os fluxos de trabalho, e um fluxo de trabalho pode ser forçado para um sistema que não é adequado para ele.

Quando estes estão em conflito, o fluxo de trabalho tende a vencer. As pessoas podem fingir seguir as diretrizes, e podem até fazer um trabalho adicional para criar a ilusão de que os processos são seguidos para satisfazer as necessidades do sistema.

Os sistemas devem se adequar às necessidades das pessoas, e não o contrário

Se os sistemas não suportarem o trabalho real, as pessoas encontrarão formas alternativas de realizar o trabalho; e podem fazê-lo mesmo que seja estritamente proibido. Isto causará trabalho extra quando as pessoas estiverem fingindo acompanhar o processo e simulando as coisas de acordo com os requisitos do sistema.

Quando os sistemas realmente apoiam o fluxo de trabalho, eles tornam o trabalho mais fácil, mais rápido e mais eficiente. Grandes sistemas se destacam na redução de rotinas e na minimização de erros. Eles tornam a vida das pessoas mais fácil e feliz, e os funcionários e as empresas mais produtivos.

Mas somente quando eles servem ao fluxo de trabalho. Portanto, escolha-os com sabedoria.

 

---

Quer saber Mais?

Nosso Time tem vários especialistas em análises de dados e prontos para ajudar. Leia mais sobre,  Wedge para análise de dados industriais.

Como um velho sábio disse certa vez: Você pode provar qualquer coisa com fatos. Certo, foi Homer Simpson, mas você tem que admitir que ele tem razão.

Você precisa de dados para tomar decisões baseadas em dados, mas o desafio é que quanto mais dados você tem, mais fácil se torna usar mal os dados para servir às conclusões que você quer tirar. Com grandes conjuntos de dados e boas ferramentas, pode até ser enganosamente fácil fazer isso. 

Quando o conjunto de dados é grande, é demorado apontar pontos fracos na análise. E mesmo se você fizer isso, pode ser tarde demais para mudar qualquer coisa, se já tiverem sido tomadas medidas.

O fluxo de trabalho ideal para o processamento de dados

Se você está procurando por melhorias genuínas e sustentáveis, o fluxo de trabalho de processamento de dados começa com uma mente aberta. O fluxo de trabalho ideal se parece com isto:

1. Faça perguntas abertas
2. Coleta de dados
3. Refinar dados
4. Analisar
5. Diagnóstico

E estas etapas precisam ser repetidas várias vezes para testar diferentes cenários. Só então é hora de conclusões e decisões.

Fazer uma análise de dados de alto nível requer coragem 

Esta forma de trabalhar requer alguma coragem, uma vez que os resultados e fatos podem ser feios, desagradáveis ou indesejados. Para se manter no caminho certo, é preciso também uma moral e uma ética elevadas. E você quer continuar no caminho certo, não é mesmo? 

 

---

Quer saber Mais?

Nosso Time tem vários especialistas em análises de dados e prontos para ajudar. Leia mais sobre,  Wedge para análise de dados industriais.

Um dos casos de uso mais comuns do Wedge é comparar um período de interesse com outro período e descobrir o que é feito de forma diferente. Esse tipo de estudo é necessário quando um engenheiro deseja determinar ou otimizar as melhores práticas de operação de uma planta.

Normalmente, essa comparação também revela se a alteração das condições do processo tem um impacto significativo no desempenho do processo, o que muitas vezes desencadeia outras atividades de desenvolvimento.

CASO 1: Um período de tempo em comparação com um período de tempo de referência conhecido

A primeira semana de novembro do ano passado foi um grande sucesso: os volumes de produção foram altos, boa qualidade e baixo consumo nominal de energia.

Desde então, sua equipe vem tentando atingir o mesmo nível de produtividade. As últimas duas semanas foram desafiadoras, mais uma vez. Você gostaria de entender o que está fazendo de forma diferente agora em comparação com o que fez em novembro.

Como você faz isso?

Com o Wedge, você pode salvar os períodos de referência. Um período salvo pode marcar seu período de execução de teste bem-sucedido e outro pode ser um período de referência para a produção de seu produto final. Um terceiro pode ser um período em que o consumo de produtos químicos em sua linha de produção foi excepcionalmente baixo. Os períodos salvos são úteis quando você deseja comparar as condições atuais do processo e práticas operacionais com as do período de referência.

Primeiro, você pode estudar como as medidas de interesse se comportam no período de destino (preto na figura) e como elas se comportam durante seu período de referência (verde na figura). Este é um estudo visual rápido e um bom primeiro passo para aumentar sua compreensão.

Em seguida, você pode aplicar a matemática: Quais são as médias, mínimas, máximas ou desvios padrão dos sinais selecionados ao longo do período selecionado e, por outro lado, ao longo do período de referência.

Isso ajuda a compreender onde estão as diferenças significativas.

Finalmente, você pode pedir ao Wedge para listar todos os sinais com um desvio notável entre o período selecionado e o período de referência. O sistema retornará uma lista abrangente de medições na ordem da magnitude da mudança detectada. Como este método leva em consideração todos os sinais, nenhuma mudança entre a meta e o período de referência permanece despercebida.

CASO 2: Um período de baixa produtividade em comparação com um período de alta produtividade

Seu KPI de produção mais crítico é toneladas por hora. Com base na sua experiência, 17,5 t / h é um desempenho louvável, enquanto menos de 15 t / h está em um nível inaceitável a longo prazo. Você pode querer analisar o que é feito de forma diferente quando os mágicos 17,5 t / h são alcançados e quais fatores explicam as baixas tonelagens.

O Wedge pode converter o sinal e os limites de toneladas de produção em um sinal gradual que mostra se a produção está em um nível alto (17,5t / h ou acima), nível médio (15-17,5t / h) ou nível baixo (15t / h) ou menos). Na figura abaixo, o valor 3 é igual a altas tonelagens, 2 é igual a produtividade de nível médio e 1 é igual a baixa produtividade. Esses dados podem ser facilmente usados como base para análise.

Usando os recursos de filtragem padrão do Wedge, você pode começar verificando as médias e desvios padrão dos valores do processo por nível de tonelagem de produção.

Depois disso, é possível continuar a análise usando um conjunto completo de outras ferramentas de análise do Wedge. Por exemplo, neste caso, os histogramas de temperatura da matéria-prima e consistência da matéria-prima (baixa produção à esquerda, alta à direita) revelam diferenças claras nas condições do processo entre os períodos de alta e baixa produtividade.

CASO 3: Um período excepcional em comparação com o estado normal do processo

Você detecta um período de tempo em que algo foi diferente. Como você descobre quais mudanças nas condições do processo ou métodos operacionais podem explicar o desvio negativo ou positivo do normal?

Por exemplo, neste caso, você observa que a temperatura da água quente está instável. No Wedge, você pode marcar o período de interesse com a cor de destaque amarela. Em contraste, a área branca circundante indica o estado normal do processo.

Com o Wedge, você pode comparar a área destacada com o estado normal. Os métodos estatísticos são uma boa maneira de começar – na tabela abaixo, calculamos o valor médio de cada ponto de ajuste do processo. Isso mostra rapidamente quais parâmetros operacionais foram alterados. O método estatístico pode ser aplicado naturalmente a qualquer processo ou medição de qualidade, e os resultados não se limitam a médias, mas também podem ser valores mínimos ou máximos, desvios padrão, etc.

Outra abordagem para rastrear diferenças em pontos de ajuste ou condições de processo é a melhor ferramenta de correlação do Wedge. A ferramenta retorna uma lista de sinais com o maior desvio entre o período normal e o período excepcional. Isso pode ser considerado uma lista de candidatos para explicar o período excepcional. Além das causas básicas, também listará as consequências da anormalidade.

Comparações de diferentes períodos de tempo e status de processos são o ponto de partida para buscar as melhores práticas operacionais e visando um melhor desempenho. É crucial que os sistemas aplicados suportem um fluxo de trabalho eficiente e permitam que você encontre fenômenos em um grande conjunto de dados.

 

---

Quer saber Mais?

Nosso Time tem vários especialistas em análises de dados e prontos para ajudar. Leia mais sobre,  Wedge para análise de dados industriais.

A maioria das análises de dados industriais é baseada em dados de séries temporais. Este tipo de dado possui um valor / parâmetro de processo para cada registro de data e hora. Por exemplo, a automação de processos produz este tipo de dados: valores de medição, pontos de ajuste, sinais de controle, etc. Outro tipo de análise comum é a análise de eventos ou dados transacionais onde os valores estão vinculados a eventos, que também podem ter relação com o tempo.

Em alguns tipos de produção ou processos, os dados, por natureza, são dados vetoriais. Mais comumente, os dados vetoriais são usados para analisar folhas ou produtos semelhantes a placas, como papel ou metal laminado. Os dados analisados estão em formato vetorial e normalmente são produzidos por scanners de perfil, câmeras de inspeção, etc. Mapas gráficos de perfis 2D representam a abordagem típica para visualizar os dados do scanner.

Existem mais possibilidades de utilizar dados vetoriais do que medições de perfis tradicionais. Os dados vetoriais podem ser quaisquer dados que tenham vários pontos de dados no mesmo registro de data e hora. Por exemplo, o espectro de frequência pode ser tratado como vetores – cada registro de data e hora tem um espectro de frequência exclusivo. Ou um vetor pode ser uma forma extraída de sistemas de câmeras.

Métodos modernos e ferramentas adequadas revelam o valor dos dados vetoriais

Os mapas gráficos vetoriais 2D representam a abordagem típica para visualizar dados vetoriais. Além disso, alguns valores estatísticos podem ser apresentados. Ferramentas adequadas podem revelar informações de alto valor nos conjuntos de dados vetoriais, como mudanças de longo prazo com mudanças graduais que não podem ser detectadas apenas por meio do monitoramento visual. Além disso, o processamento de dados matemáticos de forma inteligente pode revelar fenômenos valiosos ocultos nos dados.

O que gera o melhor valor é a combinação de dados vetoriais com informações de processo comuns (dados de série temporal). Os novos métodos permitem diagnosticar as causas e consequências e as relações entre o vetor e as séries temporais / dados de eventos.

Quando a metodologia e os procedimentos de análise são confiáveis, rápidos e fáceis de usar, os resultados também são confiáveis e obtidos rapidamente. Isso é extremamente importante, caso contrário, a análise será negligenciada devido à alta carga de trabalho ou porque os resultados da análise podem ser defeituosos.

Quer saber mais? Baixe o white paper gratuito!

Baixe o white paper gratuito que explica como você pode combinar a análise de perfis de direção cruzada (CD) com medições de processo. Ele também oferece alguns cálculos de exemplo e a metodologia de análise.

 

---

Quer saber Mais?

Nosso Time tem vários especialistas em análises de dados e prontos para ajudar. Leia mais sobre,  Wedge para análise de dados industriais.