DASHBOARD DE OEE PARA TANQUES DE FORMULAÇÃO

Prévia do material em texto

PONTIFÍCIA UNIVERSIDADE CATÓLICA DO PARANÁ 
ESCOLA POLITÉCNICA 
CURSO DE ENGENHARIA DE MANUTENÇÃO E GESTÃO DE ATIVOS NA 
INDÚSTRIA 4.0 
 
 
 
CLAYTON ROGER APARECIDO COVISSI 
WALTER CAIRES SILVA NETO 
 
 
 
 
 
 
 
 
DASHBOARD DE OEE PARA TANQUES DE FORMULAÇÃO 
 
 
 
 
 
 
 
 
 
 
 
 
 
CURITIBA 
2024
 
 
CLAYTON ROGER APARECIDO COVISSI 
WALTER CAIRES SILVA NETO 
 
 
 
 
 
 
 
 
 
 
 
 
 
DASHBOARD DE OEE PARA TANQUES DE FORMULAÇÃO 
 
 
Trabalho de Conclusão de Curso 
apresentado ao Curso de Graduação em 
Engenharia de Manutenção e Gestão de 
Ativos na Indústria 4.0 da Pontifícia 
Universidade Católica do Paraná, como 
requisito parcial à obtenção do título de 
Especialista em Engenharia de 
Manutenção e Gestão de Ativos na 
Indústria 4.0. 
 
Orientador: Prof. Dr. Ricardo Alexandre 
Diogo 
 
 
 
 
 
 
CURITIBA 
2024
 
 
Página reservada para ficha catalográfica que deve ser confeccionada após 
apresentação e alterações sugeridas pela banca examinadora. 
Deve ser impressa no verso da folha de rosto. 
 
A Biblioteca da PUCPR oferece o serviço gratuitamente. 
Para solicitar, necessário enviar o trabalho para o email 
biblioteca.processamento@pucpr.br 
Em até 48h a ficha será encaminhada para o email do solicitante. 
 
 
 
 
 
 
 
 
 
 
 
mailto:biblioteca.processamento@pucpr.br
 
 
CLAYTON ROGER APARECIDO COVISSI 
WALTER CAIRES SILVA NETO 
 
DASHBOARD PARA OEE DE TANQUES DE FORMULAÇÃO 
 
Trabalho de Conclusão de Curso 
apresentado ao Curso de Graduação em 
Engenharia de Manutenção e Gestão de 
Ativos na Indústria 4.0 da Pontifícia 
Universidade Católica do Paraná, como 
requisito parcial à obtenção do título de 
Especialista em Engenharia de 
Manutenção e Gestão de Ativos na 
Indústria 4.0. 
 
 
COMISSÃO EXAMINADORA 
 
 
_____________________________________ 
Professor 1(Titulação e nome completo) 
Instituição 1 
 
 
_____________________________________ 
Professor 2 (Titulação e nome completo) 
Instituição 2 
 
 
_____________________________________ 
Professor 3 (Titulação e nome completo) 
Instituição 3 
 
 
 
Curitiba, 30 de março de 2024. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Dedicamos esse trabalho a nossa família 
que nos apoiou durante toda a trajetória 
deste curso. 
 
 
AGRADECIMENTOS 
 
Agradecemos aos nossos familiares que nos apoiaram durante todo o curso. 
 
Agradecemos aos professores da PUCPR, em especial, ao nosso orientador, Prof. Dr. 
Ricardo Alexandre Diogo e ao Prof. Dr. Anderson Luis Szejka, por todo o suporte na 
construção deste trabalho. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
“Torture os dados, e eles confessarão 
qualquer coisa” 
 
(DARRELL HUFF, 1954) 
 
 
RESUMO 
Com o aumento da competitividade e as constantes exigências de agilidade na 
entrega de produtos e serviços, a indústria precisa cada vez mais que seus ativos 
físicos operem com máxima eficiência. Neste contexto, o OEE se destaca como uma 
ferramenta amplamente utilizada na indústria 4.0 para identificar perdas de produção. 
Por meio do monitoramento da disponibilidade, da performance e da qualidade 
produtiva, o OEE possibilita tomadas de decisão rápidas e assertivas. É crucial que o 
monitoramento dos indicadores de desempenho esteja acessível a todos os 
funcionários que possuem conhecimento e poder de decisão na organização, o que 
permite ações proativas na mitigação de perdas crônicas e na identificação dos 
equipamentos que necessitam de melhorias e investimentos. Diante desse cenário, o 
objetivo deste trabalho é desenvolver um dashboard no Power BI, utilizando dados 
coletados manualmente pela manufatura da fábrica. Desse modo, a ferramenta 
proporcionará uma visualização detalhada dos indicadores, facilitando a análise e o 
monitoramento contínuo do desempenho dos ativos da empresa. 
 
 
 
 
 
Palavras-chave: Indicadores de performance. Power BI. OEE. 
 
 
 
 
ABSTRACT 
With the increasing competitiveness and constant demands for agility in delivering 
products and services, the industry increasingly requires its physical assets to operate 
at maximum efficiency. In this context, OEE stands out as a widely used tool in Industry 
4.0 to identify production losses. Through monitoring availability, performance, and 
production quality, OEE enables quick and assertive decision-making. It is crucial that 
performance indicator monitoring be accessible to all employees with knowledge and 
decision-making power within the organization, allowing proactive actions to mitigate 
chronic losses and identify equipment in need of improvement and investment. Given 
this scenario, the objective of this work is to develop a dashboard in Power BI, using 
data manually collected by the factory's manufacturing. Thus, the tool will provide a 
detailed visualization of the indicators, facilitating the analysis and continuous 
monitoring of the company's asset performance. 
 
Keywords: Performance indicators. Power BI. OEE. 
 
 
 
 
 
 
 
 
 
 
 
 
 
LISTA DE ILUSTRAÇÕES 
Figura 1 - Tanque de formulação em inox para fertilizantes ..................................... 13 
Figura 2 - Etapas da Pesquisa realizada ................................................................... 15 
Figura 3 - Origem das perdas com os três indicadores de OEE ............................... 16 
Figura 4 - Tabela para cálculo de OEE ..................................................................... 17 
Figura 5 - Processo de formulação e transferência ................................................... 24 
Figura 6 - Tabela de tempos padrão ......................................................................... 25 
Figura 7 - Display para lançamento de dados de produção ...................................... 26 
Figura 8 - Display para lançamento de dados de paradas ........................................ 26 
Figura 9 - Lista para input de dados de produção ..................................................... 26 
Figura 10 - Lista para input de dados de parada ....................................................... 27 
Figura 11 - Esboço dos indicadores obtidos no Microsoft Power Bi Desktop® ......... 27 
Figura 12 - Treinamento de OEE com o time de gestão ........................................... 28 
Figura 13 - Treinamento de OEE com o time operacional ........................................ 28 
Figura 14 - Roadmap da solução proposta ............................................................... 29 
Figura 16 - Performance por dia na primeira semana de análise .............................. 31 
Figura 17 - Indicadores e metas ................................................................................ 32 
Figura 18 - Dashboard de OEE ................................................................................. 33 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
LISTA DE ABREVIAÇÕES E SIGLAS 
 
OEE Overall Equipment Effectiveness 
ERP Enterprise Resource Planning 
IHM Interface Homem-Máquina 
IoT Internet das Coisas 
MQTT Message Queuing Telemetry Transport 
OPC UA Open Platform Communications Unified Architecture 
 
 
SUMÁRIO 
 
1 INTRODUÇÃO ....................................................................................................... 12 
1.1 CONTEXTUALIZAÇÃO ....................................................................................... 12 
1.2 PROBLEMATIZAÇÃO ......................................................................................... 13 
1.3 OBJETIVOS ........................................................................................................ 14 
1.3.1 Objetivo Geral ................................................................................................. 14 
1.3.2 Objetivos Específicos ....................................................................................14 
1.4 PROCEDIMENTOS METODOLÓGICOS ............................................................ 15 
2 REVISÃO DA LITERATURA ................................................................................. 16 
2.1 OEE – EFICIÊNCIA GLOBAL DE EQUIPAMENTO ............................................ 16 
2.2 MONITORAMENTO DE DESEMPENHO ............................................................ 20 
2.3 GESTÃO DA INFORMAÇÃO E ERP .................................................................. 20 
2.4 INTERNET DAS COISAS (IOT) .......................................................................... 21 
3 SOLUÇÃO PROPOSTA ........................................................................................ 23 
3.1 SOLUÇÃO PROPROSTA ATUAL ....................................................................... 23 
3.2 FUTURO DA SOLUÇÃO PROPOSTA ................................................................ 29 
5 CONSIDERAÇÕES FINAIS OU CONCLUSÃO ..................................................... 34 
6 REFERÊNCIAS BIBLIOGRÁGRÁFICAS .............................................................. 35 
 
 
 
 
12 
1 INTRODUÇÃO 
1.1 CONTEXTUALIZAÇÃO 
As informações dos ativos, dados de falhas, histórico de falhas e indicadores 
de desempenho devem estar visíveis para toda a organização, permitindo que as 
tomadas de decisão ocorram em todos os níveis, desde operadores de equipamentos 
até a alta administração da empresa. Essa transparência possibilita o entendimento 
dos investimentos futuros e das demandas de negócios, visando mensurar e 
direcionar retornos de investimento (LAFRAIA, 2020). 
O Overall Equipment Effectiveness (OEE) é uma ferramenta crucial para 
identificar perdas e tratá-las, melhorando assim o desempenho e a eficiência do 
processo. À medida que as organizações buscam entregar produtos aos clientes de 
forma eficiente, com qualidade e sem grandes estoques, os custos são controlados e 
reduzidos. Desse modo, a análise do OEE traz benefícios significativos, incluindo a 
melhoria contínua das máquinas e equipamentos, resultando em um uso mais 
eficiente dos recursos (SOLIMAN e MOHAMMED, 2010) 
A principal justificativa para o tema proposto reside na dificuldade das 
empresas em utilizar o OEE de maneira que forneça as informações necessárias para 
lidar com perdas e desperdícios em seus processos produtivos. Essa dificuldade, ou 
falta de clareza no uso da ferramenta, frequentemente resulta em perdas que, se não 
tratadas, tornam-se crônicas e afetam todo o processo produtivo. 
A baixa performance de uma linha de produção desencadeia um ciclo vicioso 
de paradas planejadas, como manutenções preventivas e limpezas, que muitas vezes 
não são realizadas, gerando mais ineficiências. 
Este trabalho visa detalhar a aplicação sistemática de dados fundamentais para 
monitorar os indicadores de OEE, individualizando-os por processo. Com isso, será 
possível realizar análises de perdas, identificando os impactos mais significativos e as 
tendências. A utilização desses dados possibilitará o combate às perdas por meio da 
restauração das condições básicas de equipamentos deteriorados, execução de 
rotinas negligenciadas e atualização de tecnologias ultrapassadas que causam 
desperdícios e perdas crônicas de desempenho. Essa abordagem permitirá 
determinar ações para resolver esses problemas. 
 
 
13 
1.2 PROBLEMATIZAÇÃO 
O trabalho descrito aborda o desenvolvimento de indicadores de performance 
nos processos de formulação e transferência em uma empresa fabricante de 
fertilizantes agrícolas. Atualmente, os tempos padrões e suas respectivas receitas são 
checados e os dados de início e fim dos processos são registrados manualmente nas 
ordens de produção física. No entanto, posteriormente, estes dados não são utilizados 
para levantamento das perdas, ineficiências e consequentemente na consolidação do 
OEE. 
 
Figura 1 - Tanque de formulação em inox para fertilizantes 
 
Fonte: Elaboração Própria (2024) 
 
Devido à falta de indicadores, atualmente, os gestores do processo não 
conseguem acompanhar a eficiência dos equipamentos, o que torna a tomada de 
decisões desafiadora. Segundo Almeida (2021), a análise de dados é de suma 
importância para que as empresas tomem decisões assertivas. Nesse sentido, as 
ferramentas e tecnologias da I4.0 têm auxiliado os gestores na aquisição e tratamento 
do grande volume de dados gerados por dispositivos que medem variáveis físicas. 
Atualmente, os tempos padrões do processo que são utilizados para 
dimensionar número de operadores e o volume planejado, estão desatualizados, 
impedindo que haja eficiência no planejamento da produção e na aderência de 
 
 
14 
realização do plano de manutenção preventiva que é baixa devido à falta de tempo 
disponível para paradas programadas no processo. De acordo com Cruz (2008), os 
tempos standards do processo são necessários para calcular o referencial teórico de 
performance, além de servirem como base da capacidade produtiva e na identificação 
de fontes de ineficiência e desperdícios de tempo. 
A ausência de indicadores de performance impossibilita a identificação de 
padrões e tendências que poderiam gerar insights sobre sazonalidades e variação de 
demanda, além de projetos de melhoria focada nos maiores ofensores dos processos. 
 Nesse cenário, se faz necessário a implementação de um sistema de coleta e 
tratamento de dados para geração de indicadores de suporte para a tomada de 
decisão mais assertiva pelos gestores de produção e manutenção. 
1.3 OBJETIVOS 
1.3.1 Objetivo Geral 
 
Estabelecer um processo de coleta manual de informações através de uma 
planilha automatizada e a criação de um dashboard de OEE em Power BI com 
informações de KPIs de indisponibilidade de máquinas, classes de paradas de 
manutenção ou operacionais para tratativas de modos de falhas através de 
ferramentas de ataque de perdas implementada na empresa. 
 
1.3.2 Objetivos Específicos 
 
Os objetivos específicos do trabalho são: 
 
a) Identificar os tempos padrões de formulação e transferência de cada 
produto por tanque. 
b) Coletar perdas de produção não planejadas com detalhes de modo de 
falhas para tratativas de perdas por classes de paradas operacionais, como 
os principais ofensores de disponibilidade, performance e qualidade. 
c) Desenvolver uma planilha automatizada de coleta de dados em Excel para 
facilitar o input das informações de início e fim da produção e das paradas 
pelos operadores. 
 
 
15 
d) Elaborar um dashboard em Power BI com o indicador de OEE e as principais 
perdas em Digrama de Pareto. 
1.4 PROCEDIMENTOS METODOLÓGICOS 
Para atingir os objetivos descritos neste trabalho, utilizou-se a pesquisa 
aplicada que de acordo com Gil (2008), possui o objetivo de gerar conhecimento para 
solucionar problemas. A abordagem quantativa foi escolhida e utilizada no 
levantamento, análise e tratamento de dados resultantes do processo de formução de 
uma empresa fabricante de fertilizantes. 
 
Figura 2 - Etapas da Pesquisa realizada 
 
Fonte: Elaboração Própria (2024) 
 
 
 
 
 
 
 
 
 
16 
2 REVISÃO DA LITERATURA 
2.1 OEE – EFICIÊNCIA GLOBAL DE EQUIPAMENTO 
O OEE é um indicador que mede a proporção do produto que é realmente feito, 
com a qualidade, eficiência e dentro do tempo disponível de uma linha ou processo 
de produção conforme ela foi projetada para realizar sua capacidade de 100% de OEE 
(AHMED, 2013). 
Basicamente, qualquer máquina ou processo tem uma capacidade de 
produção. Ele deve ser capaz de entregar um número específico de embalagens em 
um determinado tempo. Se puder produzir 20 unidades em uma hora. Em 8 horas 
diárias, deve ter capacidade para produzir 160 unidades. Em 8 dias, a capacidade é 
de 1280 unidades. Esta é a capacidade nominal. Se a máquina tiver que ser reduzida 
a meia velocidade devido à má manutenção, ela faria apenas 640unidades. 
A figura 3 demonstra como Andrade e Schered (2009) relacionam os eventos 
de perdas com o desdobramento dos três indicadores do OEE. 
 
Figura 3 - Origem das perdas com os três indicadores de OEE 
 
Fonte: Andrade e Scherer (2009) 
 
Os eventos de perdas destacam-se como uma etapa crucial no cálculo do OEE. 
Essa atividade não apenas revela os gargalos do processo, mas também aponta 
caminhos para intervenções necessárias visando à restauração das condições 
básicas de acordo com o projeto estabelecido (CHIARADIA, 2004). 
Segundo Ahmed (2013), a disponibilidade é uma métrica de tempo medida 
como uma porcentagem do tempo de operação, ou seja, o tempo em que a máquina 
 
 
17 
fica disponível para produzir, dessa forma, quanto maior a indisponibilidade, pior o 
indicador. De acordo com a figura 3, a indisponibilidades são geradas por quebras, 
setups e perdas de projetos. 
Para Ahmed (2013), a performance de um equipamento ou máquina pode ser 
afetada por fatores que levam a micro paradas que não correspondem a quebras de 
componentes, mas sim a perda de velocidade ocasionada por mão de obra ou 
máquina. 
A má qualidade é o maior desperdício dentro do processo produtivo. As 
produções que não atendem ao padrão pré-estabelecido como requisitos mínimos 
devem interromper imediatamente a linha ou processo produtivo para correção, e 
assim, evitar retrabalhos e refugos (AHMED, 2013). 
Todos os impactos relacionados ao tempo de manutenção planejada são mais 
bem compreendidos na Figura 4, que exemplifica cada tipo de perda para 
disponibilidade, performance e qualidade. 
 
Figura 4 - Tabela para cálculo de OEE 
 
Fonte: Andrade e Scherer (2017) 
 
De acordo com a figura 4, é possível formular os índices que compõe o 
indicador de OEE. 
 
 
 
18 
 𝑂𝐸𝐸 (%) = 𝐷𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 (𝐼𝐷) 𝑥 𝑃𝑒𝑟𝑓𝑜𝑟𝑚𝑎𝑛𝑐𝑒 (𝐼𝑃) 𝑥 𝑄𝑢𝑎𝑙𝑖𝑑𝑎𝑑𝑒 (𝐼𝑄) (1) 
 
 𝑂𝐸𝐸 ( %)
𝐵
𝐴
𝑥
𝐷
𝐶
𝑥
𝐹
𝐸
 (2) 
 
Onde, 
𝐵
𝐴
= 𝐼𝐷 (Disponibilidade); 
𝐷
𝐶
= 𝐼𝑃 (Performance); 
𝐹
𝐸
= 𝐼𝑄 (Qualidade). 
 
A disponibilidade de uma máquina é dada pela divisão do tempo de máquina 
disponível para produzir pelo tempo total planejado para a produção (ANDRADE e 
SCHERER, 2009). 
 
𝐷𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒 (%) = 
𝑇𝑒𝑚𝑝𝑜 𝐷𝑖𝑠𝑝𝑜𝑛í𝑣𝑒𝑙 𝑃𝑎𝑟𝑎 𝑃𝑟𝑜𝑑𝑢çã𝑜(𝑇𝐷𝑃)
𝑇𝑒𝑚𝑝𝑜 𝑃𝑙𝑎𝑛𝑒𝑗𝑎𝑑𝑜 𝑑𝑒 𝑃𝑟𝑜𝑑𝑢çã𝑜 (𝑇𝑃𝑃)
𝑥 100 (3) 
 
O Tempo Disponível para Produção (TDP) representa a janela de tempo 
durante a qual uma planta industrial está programada para operar. Essa janela é 
determinada pelo Tempo Planejado de Produção (TPP), que define os períodos em 
que a fábrica está programada para estar em plena produção (SUJKOWSKI, 2008). 
No entanto, ao longo do tempo de operação, ocorrem paradas não planejadas, 
conhecidas como Tempos de Paradas Não Planejadas (TPn). Essas ocorrências 
podem incluir eventos como quebras de máquinas, períodos de ociosidade, ajustes 
de equipamentos, entre outros. O Tempo de Disponibilidade de Produção (TDP) é 
então calculado subtraindo-se o TPn do TPP, refletindo assim o tempo real disponível 
para a produção após considerar as paradas imprevistas. Esta forma de cálculo do 
indicador é capaz de direcionar os recursos necessários para melhorar a 
disponibilidade de um ativo. Essa relação pode ser expressa pela equação 4. 
 
𝑇𝐷𝑃 = 𝑇𝑃𝑃 − 𝑇𝑃𝑛 (4) 
 
O TPP, conforme explicado por Sujkowski (2008), é determinado pela 
subtração entre o Tempo Planejado de Produção (TTPP) e eventos de paradas 
programadas (Tpp) incluem atividades como manutenções planejadas, trocas de 
turno, intervalos para refeições, entre outras. Essa relação pode ser expressa pela 
equação (5): 
 
 
19 
 
𝑇𝑃𝑃 = 𝑇𝑇𝑃𝑃 − 𝑇𝑝𝑝 (5) 
 
Conforme mencionado por Cardoso (2013), o indicador de Performance é 
formado pela relação entre a produção real e a capacidade teórica, essa relação pode 
ser expressa pela equação 6. 
 
𝑃𝑒𝑟𝑓𝑜𝑟𝑚𝑎𝑛𝑐𝑒 =
𝑃𝑟𝑜𝑑𝑢çã𝑜 𝑅𝑒𝑎𝑙
𝑃𝑟𝑜𝑑𝑢çã𝑜 𝑇𝑒ó𝑟𝑖𝑐𝑎
𝑥 100 (6) 
 
A produção real é o que foi produzido dentro de um período específico, 
enquanto a produção teórica representa a capacidade nominal de sua produção de 
acordo com o projeto da máquina ou equipamento sem considerar qualquer tipo de 
perda (JOHNSTON e SLACK, 2009). 
O índice de qualidade, conforme descrito por Andrade e Scherer (2009), é 
calculado pela proporção entre o número de produtos conformes e o total produzido, 
ou seja, a soma dos produtores conformes com produtos não conformes. Essa relação 
pode ser expressa pela Equação (7): 
 
𝑄𝑢𝑎𝑙𝑖𝑑𝑎𝑑𝑒 (% =
𝑃𝑟𝑜𝑑𝑢𝑡𝑜𝑠 𝐶𝑜𝑛𝑓𝑜𝑟𝑚𝑒𝑠
𝑃𝑟𝑜𝑑𝑢𝑡𝑜𝑠 𝐶𝑜𝑛𝑓𝑜𝑟𝑚𝑒𝑠 + 𝑃𝑟𝑜𝑑𝑢𝑡𝑜𝑠 𝑛ã𝑜 𝐶𝑜𝑛𝑓𝑜𝑟𝑚𝑒𝑠
𝑥 100 (7) 
 
Para alcançar um Overall Equipment Effectiveness (OEE) de 85%, Ahmad e 
Dhafr (2002) recomendam que os indicadores de disponibilidade das máquinas e 
equipamentos estejam em 95%, ou seja, que as quebras fiquem dentro da faixa de 
5% no máximo. 
Com a crescente utilização de ferramentas digitais para tomadas de decisões 
rápidas nas indústrias e em outros setores, torna-se imprescindível o uso de 
dashboards de indicadores que possam ser transmitidos de forma dinâmica para toda 
a corporação pela web, e o Power BI destaca-se como uma das opções preferenciais 
para essa solução. 
O Power BI é uma ferramenta de visualização de dados desenvolvida pela 
Microsoft, que permite a criação de listas, gráficos e estatísticas para uma melhor 
compreensão dos dados pelos usuários. Com o Power BI, é possível monitorar 
 
 
20 
indicadores em tempo real, mesmo diante de informações que mudam com 
frequência. Essa capacidade torna-se uma das principais vantagens do uso dessa 
ferramenta para setores que necessitam de respostas rápidas sobre o desempenho 
de seus ativos (ROTA et al., 2023). 
2.2 MONITORAMENTO DE DESEMPENHO 
Segundo LAFRAIA (2020), o monitoramento de desempenho e melhoria é 
compreendido em três partes: 
 
• Comparativo do próprio ativo contra a meta desejada; 
• Monitoramento de desempenho e melhoria do sistema de gestão; 
• Monitoramento e desempenho e melhoria da gestão de ativos. 
 
 Iremos focar no primeiro tópico que Ricardo (2020), comenta em seu estudo de 
gestão de ativos, onde a gestão eficaz de dados em informações é fundamental para 
o monitoramento e a medição do desempenho dos ativos. O processo para a análise 
de dados e a sua conversão em informações deverá incluir a metodologia e técnicas 
para avaliar e validar as informações coletadas e registradas em relação aos 
indicadores de desempenho estabelecidos, também o controle de qualidade dos 
dados utilizados e informações relatadas são importantes para o direcionamento 
correto de ações, a responsabilidades na compilação, análise, armazenamento e 
proteção de dados para que esteja de acordo com a política de segurança da 
informação da empresa e saber colocar esses dados de forma que todos os principais 
envolvidos consigam compreender o que cada desvio dos indicadores apresenta para 
cada decisão a ser tomada. 
2.3 GESTÃO DA INFORMAÇÃO E ERP 
 A evolução da tecnologia na comunicação e nas máquinas remonta à primeira 
revolução industrial, com a automação dos processos das máquinas a vapor. No 
século XX, sistemas pneumáticos e hidráulicos, integrados com monitoramento por 
controladores e sensores, assumiram o controle de variáveiscomo temperatura, 
pressão e fluxo. 
 
 
21 
 Após a Segunda Guerra Mundial, houve uma transição gradual das tecnologias 
existentes para a computação e o surgimento da internet. Na década de 70, surgiu o 
MRP (Planejamento das Necessidades de Materiais), um software crucial para a 
gestão da produção, que parametriza o consumo de insumos e componentes para 
manter os estoques alinhados com as demandas. Com a introdução do ERP 
(Planejamento dos Recursos da Empresa), o MRP se tornou um de seus módulos, 
dedicado ao controle e planejamento da produção (PCP) (MORAIS, 2019). 
 O uso do ERP experimentou avanços significativos em seus módulos, 
destacando-se a Gestão da Cadeia de Suprimentos (SCM). Com todos esses 
progressos, tornou-se essencial uma gestão eficiente dos dados relevantes para o 
negócio, utilizando Business Intelligence (BI) para gerar relatórios a partir da base de 
dados do ERP. O que proporciona uma interface mais amigável ao usuário e, 
consequentemente, facilita a tomada de decisões visando o alcance de metas e a 
redução de custos (LAUDON e LAUDON, 2007). 
 2.4 INTERNET DAS COISAS (IOT) 
 Nos últimos anos, o avanço tecnológico tem ampliado o acesso às informações 
por meio da interação de sistemas remotos com as pessoas. De acordo com Mcknight 
(2017), a Internet das Coisas (IoT) pode ser definida como um conjunto de sistemas, 
plataformas e aplicações de rede de objetos, voltados para a interface entre usuários, 
fabricantes, máquinas e outros objetos, utilizando uma estrutura capaz de processar 
grandes volumes de dados para controlar e comandar dispositivos de forma digital, 
reduzindo cada vez mais a dependência de espaços físicos para objetos. 
 A IoT possui aplicações em negócios e serviços, proporcionando um modelo 
de facilidade para negócios híbridos, além de ser utilizada pelos usuários finais devido 
à facilidade em melhorar acessos e rotinas. No contexto industrial, a IoT é empregada 
para a integração de informações em toda a cadeia de suprimentos (SISTEMA 
FIRJAN, 2016). 
 Explorando os impactos da IoT na indústria, Mcknight (2017) identifica os tipos 
de inclusão de tecnologias: 
 
• Produtos: unificação de sistemas de software com a incorporação de hardware 
compatível para monitoramento de sensores e transmissão de dados. 
 
 
22 
• Sensores: Ampla utilização de sensores cada vez menores e mais acessíveis 
para transmitir informações como força, pressão, voltagem, umidade e 
temperatura. 
• Conectividade: Transmissão de dados via Bluetooth, celulares ou Wi-Fi para 
um servidor, onde podem ser tratados e utilizados. 
• Nuvem (Cloud): Armazenamento e análise de dados de forma segura em um 
local centralizado. 
• Informações Externas: Utilização de dados externos, como condições 
climáticas, preços, tráfego e mapas, para otimizar o desempenho dos produtos. 
• Visualização de Dados: Capacidade do usuário de visualizar todas as variáveis 
e fazer análises para tomar decisões mais informadas e otimizar processos. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
23 
3 SOLUÇÃO PROPOSTA 
3.1 SOLUÇÃO PROPROSTA ATUAL 
Após análise da literatura, o primeiro passo foi entender o processo de 
formulação e transferência de produto, desse modo, a sequência de produção foi 
dividida em 5 etapas: 
 
1) Adição de matéria-prima sólida e líquida: nesta etapa os operadores adicionam 
matéria-prima sólida no tanque e abrem as válvulas superiores para adição de 
matéria-prima líquida e água. Todo o processo é feito manualmente e os 
operadores conferem a quantidade adicionada pelo peso exibido nos painéis 
de dados das células de carga. 
2) Formulação: a mistura fica em agitação pelo tempo definido na receita do 
produto e pode variar de acordo com o tamanho e tipo de tanque. 
3) Transferência: após passagem por um filtro que retira impurezas, o produto é 
transferido para os tanques pulmões. 
4) Armazenagem no Tanque Pulmão: o fertilizante formulado fica armazenado até 
seguir para o processo de envase. 
5) Descarte: após aferição de qualidade no processo de formulação, o produto 
pode ser descartado caso não cumpra os requisitos necessários. 
 
O trabalho em questão será focado nas etapas de formulação e transferência, 
destacados na figura 5. 
 
 
 
24 
Figura 5 - Processo de formulação e transferência 
 
Fonte: Elaboração Própria (2024) 
 
 
A seguir, montou-se uma tabela com os dados que necessitavam ser 
aquisitados pelos operadores para calcular o OEE, e desse modo, construir a base de 
recebimento de dados no Microsoft Office Excel®. 
No segundo passo, buscou-se com o time de planejamento, os dados de tempo 
padrão standard de formulação e transferência de cada produto em cada tanque da 
empresa e comparação do tempo de produção real e ideal para cálculo da 
performance. Os nomes dos produtos foram modificados para este trabalho, com o 
intuito de manter o sigilo dos dados produtivos da empresa. 
 
 
25 
 
Figura 6 - Tabela de tempos padrão 
 
Fonte: Elaboração Própria (2024) 
 
A partir disso, foi necessário trabalhar em cima das fórmulas do indicador e 
personalizá-las para o processo, testou-se então a planilha com dados já conhecidos 
de entrada e saída, para conferir se não havia qualquer erro teórico de aplicação do 
conceito do OEE. 
Após resultados positivos, criou-se um display de lançamentos de dados de 
produção e paradas utilizando macro e programação em Visual Basic for Applications, 
com o intuito de facilitar o input de dados pelos operadores. 
 
 
 
26 
Figura 7 - Display para lançamento de dados de produção 
 
Fonte: Elaboração Própria (2024) 
 
Figura 8 - Display para lançamento de dados de paradas 
 
Fonte: Elaboração Própria (2024) 
 
As colunas de input dados foram construídas com textos e números já 
personalizados em lista, evitando que os operadores restringindo as opções dos 
operadores e padronizando os dados para cálculo, como a seguir. 
 
Figura 9 - Lista para input de dados de produção 
 
Fonte: Elaboração Própria (2024) 
 
 
27 
Figura 10 - Lista para input de dados de parada 
 
Fonte: Elaboração Própria (2024) 
 
Com a planilha funcional e indicador já calculado, foi realizada a conexão com 
o Microsoft Power Bi Desktop® para explorar as primeiras funcionalidades e entender 
como os gestores e operadores gostariam de ver os resultados e perdas para análise 
e criação de planos de ação. 
 
Figura 11 - Esboço dos indicadores obtidos no Microsoft Power Bi Desktop® 
 
Fonte: Elaboração Própria (2024) 
 
 
28 
 
 
Após, realizou-se o treinamento de preenchimento de conceitos de OEE e de 
utilização do display com o time de gestão e de operações da empresa. 
 
Figura 12 - Treinamento de OEE com o time de gestão 
 
Fonte: Elaboração Própria (2024) 
 
Figura 13 - Treinamento de OEE com o time operacional 
 
Fonte: Elaboração Própria (2024) 
 
Desse modo, montou-se o roadmap da solução proposta, exibido na figura 14. 
 
 
 
29 
Figura 14 - Roadmap da solução proposta 
 
Fonte: Elaboração Própria (2024) 
3.2 FUTURO DA SOLUÇÃO PROPOSTA 
 Os dados levantados de produção, performance e tipos de parada da solução 
atual servirão de base para o futuro da solução. 
 No projeto futuro, será implementada a infraestrutura de IoT para a 
comunicação entre os dispositivos em uma rede industrial sem fio robusta para 
suportar a transmissão de dados em tempo real. Além da aquisição de IHMs e 
supervisório para visualização de dados e interface com os dispositivos de 
acionamento. 
Em seguida, será realizada a automatização do processo, que envolve a troca 
de válvulas globo de acionamento manual por válvulas de acionamento pneumático 
automático, além da instalação de sensores de medição de fluxo e atuadores. Estes 
componentes serão integrados à rede IoT e devem ser compatíveis com protocolos 
de comunicação padrão, como MQTT ou OPC UA. 
Os operadores poderão monitorar o processoe apontar as paradas pré-
configuradas, demonstradas na figura 10, diretamente nas IHMs que receberão os 
dados de todos os dispositivos, como a medição de peso das células de carga dos 
tanques para a indicação de início e fim do processo. 
O supervisório será integrado ao SAP HANA Cloud Integration para 
armazenamento dos dados em nuvem. Desse modo, será possível conectar softwares 
como o Power Bi e gerar relatórios para a criação de dashboards para estudos 
aprofundados de perdas e ações necessárias para otimização do processo, 
garantindo insights mais assertivos para a tomada de decisão pelos gestores. 
 
 
30 
Figura 15 - Roadmap da solução futura 
 
Fonte: Elaboração Própria (2024) 
 
 Em suma, a implantação da infraestrutura de IoT, IHMs e sistema supervisório 
proporcionará uma base sólida para a coleta de dados do processo de formulação, 
permitindo que o monitoramento da produção seja mais eficiente e as intervenções 
sejam mais rápidas e precisas, além de uma análise detalhada das informações para 
a melhoria contínua. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
31 
4 ANÁLISE DOS RESULTADOS 
 
Após os primeiros resultados de uma semana de coleta evidenciados na figura 
11, notou-se que a média indicador OEE estava em 125%, apenas no dia 21 de 
fevereiro de 2024 o resultado foi abaixo de 100%. De acordo com Koch (2023), o fato 
geralmente está relacionado a uma velocidade máxima definida como muito baixa, o 
que foi mostrado no indicador de performance da mesma figura, evidenciando que 
parte dos tempos padrão por produto do processo estavam superestimados. 
Visto que não houve paradas não programadas e refugo ou retrabalho na 
semana de estudo que poderiam impactar a disponibilidade e qualidade, 
respectivamente; o OEE foi igual ao resultado obtido de performance. 
 
Figura 15 - Performance por dia na primeira semana de análise 
 
Fonte: Elaboração Própria (2024) 
 
Desse modo, a partir do histórico de produção, buscou-se os tempos standards 
reais do processo, pois, esta é uma informação de suma importância para o cálculo 
correto do indicador e para o planejamento de produção. 
Com isso, criou-se o dashboard de OEE com as metas de indicadores 
previamente definidos e baseadas em benchmarking da indústria e histórico do 
processo. 
 
 
 
 
 
 
 
 
32 
Figura 16 - Indicadores e metas 
 
Fonte: Elaboração Própria (2024) 
 
 O dashboard da figura 17, foi construído de acordo com a necessidade dos 
gestores, contemplando as seguintes funcionalidades: 
 
• Filtro de datas e tanques para análises específicas de período. 
• Quantidade formulada de produto acabado e quantidade retrabalhada 
em litros. 
• Somatório total das perdas no período em minutos. 
• Indicadores de OEE, disponibilidade, performance e qualidade com 
metas individuais. 
• OEE por dia para análise de tendência. 
• Somatório de tempo por tipo de parada não programada baseada em 
Pareto para tomada de ação. 
• Comparação entre tempo real de produção e tempo teórico ou ideal. 
 
 
 
33 
Figura 17 - Dashboard de OEE 
 
Fonte: Elaboração Própria (2024) 
 
A partir dos dados de formulação e transferência coletados de duas semanas 
de trabalho foi possível observar que o OEE médio do processo foi de 64,94%, abaixo 
da meta estipulada de 68%. Desse modo, a partir da figura 18, pode-se concluir que 
a performance é a principal ofensora do indicador, sendo a perda relacionada a 
qualidade de matéria-prima a maior responsável pelo baixo desempenho. 
A matéria-prima inadequada pode resultar na rápida saturação dos filtros na 
fase de transferência do processo, sendo necessária a troca mais frequente pelos 
operadores, resultando em pequenas paradas no bombeamento do produto acabado. 
 
 
 
 
 
 
 
 
 
 
34 
5 CONSIDERAÇÕES FINAIS OU CONCLUSÃO 
O trabalho apresenta uma solução detalhada para a falta de indicadores de 
desempenho nos processos de formulação e transferência de uma empresa fabricante 
de fertilizantes. A ausência de uma análise sistemática dos dados prejudicava a 
eficiência operacional da empresa, tornando a tomada de decisão um desafio. Para 
isso, construiu-se um sistema com interface amigável no Excel para a coleta de dados 
manual pela operação e um dashboard interativo em Power BI com as informações 
necessária para tomada de decisão pelos gestores. 
No decorrer do trabalho, foram identificados os tempos padrões de formulação 
e transferência dos produtos acabados para cada tanque, garantindo dessa maneira, 
maior assertividade na programação da produção. Para entendimento dos conceitos 
de OEE e correta utilização da plataforma, foram realizados treinamentos com os 
times operacionais e de gestão. 
Os resultados iniciais obtidos mostraram um OEE médio abaixo da meta 
estipulada, principalmente devido a problemas relacionados à qualidade da matéria-
prima, que gera a redução da velocidade na transferência, afetando o indicador de 
desempenho. 
Para o futuro da solução, está prevista a criação de uma rede IoT robusta e a 
automatização do processo, incluindo a troca de válvulas manuais por pneumáticas e 
a conexão dos dados com o sistema ERP da empresa, possibilitando o monitoramento 
em tempo real e fornecendo insights ainda mais precisos para a tomada de decisão. 
Em suma, a implementação do sistema de monitoramento de desempenho 
baseado no OEE representa um importante passo para a otimização dos processos 
produtivos e o aumento da competitividade da empresa no mercado. 
 
 
 
 
 
 
 
 
 
35 
6 REFERÊNCIAS BIBLIOGRÁGRÁFICAS 
 
AHMAD, M. M.; DHAFR, N. Establishing and improving manufacturing 
performance measures. Proceedings of the 11° International Conference on Flexible 
Automation and Intelligent Manufacturing, 2002. 
 
AHMED, M.H., 2013. Overall Equipment Effectiveness Simplified: Analyzing OEE 
to Find the Improvement Opportunities, Vol. 45. 
 
ALMEIDA, P. S. DE. Indústria 4.0: Princípios básicos, aplicabilidade e 
implantação na área Industrial. São Paulo: Érica, 2021 
 
ANDRADE, Jairo José de Oliveira; SCHERER, Camila da Silva. Estudo de caso da 
aplicação do indicador de eficiência global de equipamentos (OEE) para 
diagnóstico e melhoria de produtividade em uma linha de produção automotiva. 
XXIX Encontro Nacional de Engenharia de Produção. Salvador-BA, 2009. 
 
CARDOSO, Caique. OEE na Prática. Gestão da Produção com o índice OEE. 1. ed. 
2013. Disponível em: Acesso em: 16 de março 2024. 
 
CHIARADIA, Áureo José Pillmann. Utilização do indicador de eficiência global de 
equipamentos na gestão e melhoria contínua dos equipamentos: um estudo de 
caso na indústria automobilística. Porto Alegre: UFRS, 2004. 133 p. Mestrado 
profissionalizante em engenharia, Universidade Federal do Rio Grande do Sul, Porto 
Alegre, 2004. 
 
CRUZ, J. M. Melhoria do tempo-padrão de produção em uma indústria de 
montagem de equipamentos eletrônicos. Monografia (Graduação em Engenheira 
de Produção) - Universidade Federal de Juiz de Fora, Juiz de Fora, Minas Gerais, 
2008. 
 
GIL, Antonio Carlos. Métodos e técnicas de pesquisa social / Antonio Carlos Gil. - 
6. ed. - São Paulo: Atlas, 2008. 
 
 
36 
 
HANSEN, Robert C. Eficiência Global dos Equipamentos: Uma poderosa 
ferramenta de produção/manutenção para o aumento dos lucros. Porto Alegre: 
Bookman, 2006. 
 
HUFF, Darrell. How to Lie with Statistics. New York: W. W. Norton & Company, 1954 
implantação na área Industrial. São Paulo: Érica, 2021. 
 
KOSH, Arno. Performance over 100 Percent. Disponível em: 
<https://oee.academy/oee-academy/performance-faq/performance-over-100-
percent/>. Acesso em: 09 de março de 2024. 
 
LAFRAIA, João Ricardo Barusso. Manual de Gestão de Ativos. Volume 1 – 
Fundamentos. Rio de Janeiro: Ed. do Autor, 2020. 
 
LAUDON, K.C.; LAUDON, J.P. Sistemas de Informações gerenciais. 7. ed. São 
Paulo: Pearson Prentice Hall, 2007. 
 
MCKNIGHT, M.IOT, Industry 4.0, Industrial IOT. Why Connected Devices are the 
Future of Design. In: THE INTERNATIONAL CONFERENCE ON DESIGN AND 
TECHNOLOGY, 2017., 2017, Australia. Proceedings [...] Australia: DesTech 
Conference Proceedings, 2017. p.197-202. 
 
MOELLMANN, A. H.; ALBUQUERQUE, A. S.; CONTADOR, J. L.; MARINS, F. A. S. 
Aplicação da teoria das restrições e do indicador de eficiência global do 
equipamento para melhoria de produtividade em uma linha de fabricação. 
Revista Gestão Industrial, v. 2, n. 1, 2006. 
 
MORAIS, Roberto Ramos. Industria 4.0: Impactos na gestão de operações e 
logísticas. São Paulo: Editora Mackenzie, 2019. 
 
NAKAJIMA, Selichi (Ed.). TPM development program: implementing total 
productive maintenance. Productivity Press, 1989. 
 
 
 
37 
RAPOSO, Cristiane Fátima Cavalcante. Overall Equipment Effectiveness: 
aplicação em uma empresa do setor de bebidas do pólo industrial de Manaus. 
Revista Produção Online, v. 11, n. 3, p. 648-667, 2011. 
 
SANTOS, Ana Carolina Oliveira; SANTOS, Marcos José. Utilização do indicador de 
Eficiência Global de Equipamentos (OEE) na Gestão de Melhoria Contínua do 
Sistema de Manufatura - Um Estudo de Caso. 27º Encontro Nacional de Engenharia 
de Produção. Anais. Foz do Iguaçu, 2007. Ias 
 
SISTEMA FIRJAN. Indústria 4.0: internet das coisas. Rio de Janeiro: Publicações 
Firjan, 2016. Disponível em: http://www.firjan.com.br/publicacoes/publicacoes-de-
inovacao/industria-4-0.htm. Acesso em: 14 ago. 2018. 
 
SUJKOWSKI, Alexandre. Além do OEE. Pharmaceutical Technology (Ed. Brasileira), 
São Paulo, v. 12, n. 3, p. 90-94, jun. 2008. 
 
VIANA, Herbert Ricardo Garcia. Fatores de Sucesso na Gestão da manutenção. 
Bookstart. Edição do Kindle, 2023.