Melhorar o OEE: medir com honestidade, depois otimizar

1 · Medir sem lisonja

Os registos manuais de paragens sobrestimam sistematicamente o OEE: as paragens curtas desaparecem, as perdas de velocidade escondem-se. A recolha automática é o bilhete de entrada: sistemas dedicados de acompanhamento do desempenho (o hardware da TEEPTRAK, a funcionar em mais de 450 fábricas, é um exemplo concebido para isso; MES e plataformas de dados de máquina também servem) dão-lhe a base honesta. Conte com um número honesto mais baixo do que o reportado: essa diferença é a oportunidade.

2 · Ler a árvore de perdas

OEE = disponibilidade × desempenho × qualidade, e a solução difere por fator. Perdas de disponibilidade → manutenção e mudanças de formato (ver o guia de paragens). Perdas de desempenho (microparagens, velocidade) → ML de processo e orientação golden run. Perdas de qualidade → ML de causa-raiz no refugo (ver o guia do refugo). As fábricas que saltam este passo compram a ferramenta errada para a sua verdadeira restrição.

3 · Converter pontos em euros antes de comprar seja o que for

A calculadora de ROI do OEE transforma o objetivo em margem anual, o número que sobrevive a uma reunião de orçamento. Um ponto numa linha com capacidade limitada é margem pura; numa linha sem restrição é custo por peça, real mas vende-se de outra forma.

4 · Depois deixar o ML subir o teto

Com medição honesta e uma árvore de perdas, as plataformas de ML têm algo para otimizar: a replicação do golden run estabiliza os turnos, a descoberta de causas-raiz elimina perdas recorrentes, a manutenção preditiva protege a disponibilidade. A camada de medição alimenta tudo, e é por isso que vem primeiro.