UFAM - Engenharia da Computação
SISTEMA WEB PARA MONITORAMENTO DA QUALIDADE DE PRODUÇÃO EM MANUFATURAS
Jonatas Rodrigues Reis
Monografia de Graduação apresentada à Coordenação de Engenharia da Computação, UFAM, da Universidade Federal do Amazonas, como parte dos requisitos necessários à obtenção do título de Engenheiro da Computação.
Orientador:
Prof. Dr. Eduardo James Pereira Souto
Manaus Dezembro de 2020
SISTEMA WEB PARA MONITORAMENTO DA QUALIDADE DE PRODUÇÃO EM MANUFATURAS
Jonatas Rodrigues Reis
MONOGRAFIA SUBMETIDA AO CORPO DOCENTE DO CURSO DE ENGENHARIA DA COMPUTAÇÃO DA UNIVERSIDADE FEDERAL DO AMAZONAS COMO PARTE DOS REQUISITOS NECESSÁRIOS PARA A OBTENÇÃO DO GRAU DE ENGENHEIRO.
Aprovada por:
________________________________________________
Prof. Dr. Eduardo James Pereira Souto
________________________________________________
Prof. Dr. Eduardo Luzeiro Feitosa
________________________________________________
Prof. Dr. Bruno Freitas Gadelha
Manaus Dezembro de 2020
Reis, Jonatas Rodrigues
Sistema Web para Monitoramento da Qualidade de Produção em Manufaturas
Principais/Jonatas Rodrigues Reis. - Manaus:
UFAM, 2020.
IX, 4 p.: il.; 29; 7cm.
Orientadores: Eduardo James Pereira Souto
Monografia (graduação) - UFAM / Curso de Engenharia da Computação, 2020.
Referências Bibliográficas: p. 4 - 4.
1. Monitoramento da Qualidade. 2. Análise de PPM de produção.
3. Análise de FFR.
Principais. I. Souto, Eduardo James Pereira
II. Universidade Federal do Amazonas, UFAM, Curso de Engenharia da Computação. III. Título.
Dedicado aos meus pais
Agradecimentos
Agradeço primeiramenta à Deus, ao incentivo dos meus pais, aos meus irmãos Andrey, Gabriel e Adna, à toda minha família e amigos pelo apoio durante todos esses anos na minha trajetória acadêmica.
Agradeço produnfamente ao Prof. Dr. Eduado James Pereira Souto por ter aberto as portas do mundo acadêmico à mim e pela valiosa orientação que ajudou a direcionar e conduzir este trabalho. E aos demais professores da Universidade Federal do Amazonas pelos ensinamentos e orientação ao longo desta jornada.
Resumo da Monografia apresentada à UFAM como parte dos requisitos necessários para a obtenção do grau de Engenheiro
SISTEMA WEB PARA MONITORAMENTO DA QUALIDADE DE PRODUÇÃO EM MANUFATURAS
Jonatas Rodrigues Reis Dezembro/2020 Orientador: Prof. Dr. Eduardo James Pereira Souto
Curso: Engenharia da Computação
Para as empresas no ramo de manufatura, o controle da qualidade, produção e processos são áreas tratadas com prioridade, pois são essenciais para o sucesso das companhias em qualquer domínio de atuação. O fornecimento de produtos de boa qualidade e baixo custo é um dos principais objetivos das empresas para lidar com a competitividade no mercado. Neste contexto, a melhoria da capacidade produtiva é fortemente influenciada pelo controle da qualidade. Muitas empresas buscam por indicadores capazes de mensurar a eficiência e qualidade dos seus processos e produtos.
Diante disso, algumas métricas como o nível Six Sigma, Índice de Capacidade do Processo (Cpk) e Partes Por Milhão (PPM) vêm sendo adotadas como os principais indicadores de avaliação da eficiência dos processos. Este trabalho tem como objetivo central apresentar um sistema de monitoramento da qualidade de produção de empresas.
Um protótipo do sistema foi desenvolvido e avaliado em uma empresa de eletroeletrônicos, situada no Polo Industrial de Manaus, por meio de métricas de indicação da quantidade de defeitos (PPM) e indicação do histórico da taxa de peças com maiores defeitos (FRR). O sistema proposto fornece uma interface Web que mostra a situação em tempo real da quantidade de defeitos detectados na linha de produção com o uso de gráficos mensais e diários.
Palavras-chave: PPM de produção, Monitoramento da Qualidade, Sistema Web.
Abstract of Monograph presented to UFAM as a partial fulfillment of the requirements for the degree of Engineer
WEB SYSTEM FOR MONITORING PRODUCTION QUALITY IN MANUFACTURES
Jonatas Rodrigues Reis December/2010 Advisors: Eduardo James Pereira Souto
Course: Computer Engineering
For companies in the manufacturing sector, quality control, production and processes are areas treated with priority, as they are essential for the success of companies in any field of activity. The supply of good quality and low cost products is one of the main objectives of companies to deal with market competitiveness. In this context, the improvement of productive capacity is strongly influenced by quality control. Many companies are looking for indicators capable of measuring the efficiency and quality of their processes and products. Therefore, some metrics such as the Six Sigma level, Process Capacity Index (Cpk) and Parts Per Million (PPM) have been adopted as the main indicators for assessing the efficiency of processes. The main objective of this work is to present a system for monitoring the production quality of companies. A prototype of the system was developed and evaluated in an electronics company, located in the Industrial Pole of Manaus, using metrics to indicate the number of defects (PPM) and the history of the rate of parts with the greatest defects (FRR). The proposed system provides a web interface that shows the situation in real time of the amount of defects detected on the production line using monthly and daily graphics.
Keywords: Production PPM, Quality Monitoring, Web System.
Lista de Figuras
Figura 1. Relação entre os níveis de PPM e os níveis sigmas de qualidade (Rath &
Strong; 2001) ... 17
Figura 2. Comparação entre a curva da capacidade do processo e o limite de especificação (Coutinho; 2017). ... 18
Figura 3. V8 Engine (Quy; 2017). ... 21
Figura 4. Abstração de uma interface na árvore de componentes do Vue.js (Vue.js; 2020). ... 22
Figura 5. Reatividade nas aplicações em Vue.js (Vue.js; 2020). ... 22
Figura 6. Arquitetura de funcionamento do Nodejs (Roth; 2014). ... 23
Figura 7. Arquitetura de funcionamento das linguagens multi-threads (Roth; 2014). ... 23
Figura 8. Diagrama de comparação entre o Typescript com as versões ECMAScript (Mariano; 2016). ... 24
Figura 9. Diagrama do Sistema de Monitoramento. ... 29
Figura 10. Estrutura do Banco de dados. ... 31
Figura 11. Diagrama de Funcionamento do RPA. ... 33
Figura 12. Rotas disponibilizadas pela API. ... 33
Figura 13. Protótipo de Tela de Monitoramento. ... 35
Figura 14. Protótipo de Tela para Seção de Configuração. ... 36
Figura 15. Resultado do desenvolvimento da interface web. ... 37
Figura 16. Variação do índice PPM próximo ao limite especificado. ... 38
Figura 17. Variação do índice PPM acima do limite especificado. ... 39
Figura 18. Histórico da variação do índice PPM no gráfico diário. ... 39
Figura 19. Resultado final para a seção de configuração da meta do índice PPM. ... 40
Figura 20. Execução dos testes unitários para as unidades dos relatórios do índice FFR e do índice PPM. ... 43
Figura 21. A execução dos testes unitários para as unidades relacionadas aos defeitos, produtos fabricados e do valor da meta do índice PPM. ... 43
Lista de Tabelas
Tabela 1. Descrição dos testes unitários para a unidade do índice FFR. ... 40 Tabela 2. Descrição dos testes unitários para a unidade do índice PPM. ... 41 Tabela 3. Descrição dos testes unitários para a unidade responsável pelo cadastro e retorno dos defeitos. ... 41 Tabela 4. Descrição dos testes unitários para a unidade responsável pelo cadastro e retorno dos produtos fabricados... 42 Tabela 5. Descrição dos testes unitários para a unidade responsável por atualizar e retornar o valor limite do índice PPM. ... 42
Sumário
1. Introdução ... 13
1.2. Objetivos ... 14
1.2.1. Objetivo Geral ... 14
1.2.2. Objetivos Específicos ... 14
1.3. Estrutura do Documento ... 15
2. Fundamentação Teórica ... 16
2.1. Parte por Milhão (PPM) ... 16
2.2. Taxa de Falhas de Campo (FFR) ... 17
2.3. Capacidade de Processo(CP e CPK) ... 17
2.4. Metodologia Six Sigma (6σ) ... 19
2.5. Tecnologias Utilizadas ... 20
2.5.1. JavaScript ... 20
2.5.2. VueJS ... 21
2.5.3. NodeJS ... 22
2.5.3. TypeScript ... 24
2.5.4. PostgreSQL ... 24
2.5.5. Java ... 25
3. Trabalhos Relacionados ... 26
4. Sistema para Monitoramento da Qualidade de Produção Proposto ... 29
4.1. Visão Geral ... 29
4.2. Banco de dados ... 30
4.3. RPA para coleta de dados ... 32
4.4 API Restful ... 33
4.5 Interface Web ... 34
5. Resultados e Discussões ... 37
6. Considerações Finais ... 44
7. Referências ... 45
1. Introdução
Para as empresas no ramo de manufatura, o controle da qualidade, produção e processos são áreas tratadas com prioridade, pois são essenciais para o sucesso das empresas em qualquer domínio de atuação. O fornecimentos de produtos de qualidade e de baixo custo tem sido considerado um dos principais objetivos adotados pelas empresas (GOYAL; AGRAWAL, SAHA; 2019). O cenário atual exige cada vez mais competitividade, levando as empresas a investir no aumento da qualidade dos produtos produzidos.
Uma boa qualidade pode ser definida como um produto com o mínimo de defeitos, uma vez que uma simples falha pode acarretar prejuízos em termos de custos e impactar toda a cadeia de produção. Por exemplo, um defeito causando superaquecimento em dispositivos móveis (e.g smartphone ou notebooks), pode levar a empresa a fazer um recall1 de todas as unidades vendidas (GOYAL; AGRAWAL, SAHA; 2019). A capacidade produtiva está fortemente relacionada ao controle da produção e da qualidade, pois com o aumento da demanda, as empresas necessitam elevar a saída de produtos em grande escala. Dessa forma, um dos principais desafios é encontrar uma forma de fazer isso sem elevar os custos causados pelos produtos com defeitos e manter o volume de produção.
Muitas empresas buscam por indicadores capazes de mensurar a eficiência e qualidade dos seus processos e produtos. Diante disso, o PPM (Partes Por Milhão) vem sendo adotado como uma das principais métricas de medição da qualidade de produção por ser considerado como um dos indicadores mais importantes relacionados à avaliação da eficiência dos processos (BEBR; BÍCOVÁ; ZÍDKOVÁ; 2017). Além disso, este indicador pode ser relacionado aos indicadores da capacidade do processo (Cp e Cpk) e ao conceito Six Sigma, sendo uma metodologia usada para o melhoramento do processo e excelência da qualidade (KEKI; 2003). Logo, quanto menor for o índice PPM maior será a capacidade do processo produtivo e o nível sigma (BEBR; BÍCOVÁ; ZÍDKOVÁ;
2017), (SCATOLIN; 2005), (PEARN; WU; 2007).
Além da adoção de indicadores, como PPM, é necessário realizar o monitoramento da cadeia produtiva para permitir que medidas sejam tomadas como forma de prevenir desvios que possam causar a perda e prejuízos na linha de produção.
1 Recall, ou chamamento, é o procedimento gratuito pelo qual o fornecedor informa o público e/ou eventualmente o convoca para sanar os defeitos encontrados em produtos vendidos ou serviços prestados.
Desta forma, obter informações sobre os processos para permitir o monitoramento e análise é uma estratégia eficiente para evitar que produtos não conformes causem danos e prejuízos na produção (BEBR; BÍCOVÁ; ZÍDKOVÁ; 2017). Segundo Tubino (2000), o acompanhamento e o controle da produção efetuam o fechamento do ciclo de atividades iniciadas pelo setor de planejamento e controle de produção, viabilizando a tomada de decisões para que as atividades planejadas e programadas sejam cumpridas e falhas sejam identificadas com antecedência. Portanto, combinar uma ferramenta capaz de extrair informações para o monitoramento e utilizar indicadores de qualidade como o PPM, para que gestores da qualidade possam agir ou prevenir perdas resultantes da produção de produtos não conformes, é de imenso valor às empresas que atuam no segmento de manufatura.
1.2. Objetivos
1.2.1. Objetivo Geral
Este trabalho tem como objetivo desenvolver um protótipo de sistema capaz de monitorar a qualidade de produção de uma empresa de eletroeletrônicos, situada no Polo Industrial de Manaus, por meio de métricas de indicação da quantidade de defeitos (PPM) e indicação do histórico da taxa de peças com maiores defeitos (FRR), permitindo que ações sejam tomadas para reduzir perdas resultantes da produção de produtos não conformes e para estabelecer um padrão mínimo de qualidade.
1.2.2. Objetivos Específicos
Para alcançar o objetivo geral deste trabalho, um conjunto de objetivos específicos devem ser alcançados, com destaque as seguintes tarefas:
● Desenvolver o módulo Web capaz de acessar os dados da linha de produção em tempo real;
● Desenvolver o módulo Web capaz de apresentar os gráficos diários do índice PPM de produção;
● Desenvolver o módulo Web capaz de apresentar os gráficos mensais do índice de PPM de produção;
● Desenvolver o módulo Web capaz de ranquear as 10 peças mais defeituosas do mês e apresentar índice FFR para cada uma;
● Desenvolver o módulo Web capaz de mostrar se o índice total do mês ultrapassou ou não a meta mensal definida.
1.3. Estrutura do Documento
Para elaboração deste documento foi definida a seguinte estrutura textual para o seu restante.
O Capítulo 2 apresenta os principais fundamentos teóricos utilizados para elaboração deste trabalho, incluindo conceitos relacionados aos indicadores de qualidade FFR, PPM e a relação com a Capacidade de Processo e o nível Six Sigma. Além disso, serão abordados os conceitos básicos das tecnologias utilizadas para o desenvolvimento do sistema.
O Capítulo 3 descreve os principais trabalhos relacionados ao tema abordado, mostrando assim a importância de implementar os sistemas de monitoramento para as manufaturas com diferentes contextos e necessidades.
O Capítulo 4 descreve a arquitetura utilizada para o desenvolvimento do sistema de monitoramento, conforme os objetivos definidos anteriormente.
O Capítulo 5 aborda a análise e discussões sobre os resultados obtidos.
Por fim, o Capítulo 6 expressa as considerações finais sobre o trabalho descrevendo os objetivos alcançados, os desafios encontrados e proposta para futuras melhorias.
2. Fundamentação Teórica
Neste capítulo, serão apresentados os conceitos fundamentais que serviram como base para o desenvolvimento deste trabalho. Conceitos sobre as métricas Partes Por Milhão, Taxa de Falhas de Campo, Capacidade do Processo, Metodologia Six Sigma e a relação entre elas para enfatizar a importância do desenvolvimento do sistema de monitoramento proposto por este trabalho. Além disso, serão apresentados os conceitos fundamentais das tecnologias utilizadas para o desenvolvimento do sistema de monitoramento da qualidade de produção em manufaturas.
2.1. Parte por Milhão (PPM)
Partes por milhão é uma métrica usada por muitas empresas para medir o desempenho da qualidade de produção de seus processos, assegurar a satisfação de seus clientes e diminuir os custos de produção devido aos prejuízos causados por produtos defeituosos. PPM indica o número de produtos defeituosos para cada milhão de produtos fabricados e o seu valor é obtido dividindo o total de não conformidades pelo total de unidades produzidas. Em seguida o valor é multiplicado por 1.000.000, conforme a equação abaixo.
𝑃𝑃𝑀 = (𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑡𝑜𝑠 𝑑𝑒𝑓𝑒𝑖𝑡𝑢𝑜𝑠𝑜𝑠
𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑡𝑜𝑠 𝑓𝑎𝑏𝑟𝑖𝑐𝑎𝑑𝑜𝑠) ∗ 1.000.000 (1)
É uma métrica importante, independentemente dos outros indicadores, para implementar medidas corretivas e garantir que o processo atenderá os requisitos dos clientes (BEBR; BÍCOVÁ; ZÍDKOVÁ; 2017). Sendo assim, o PPM permite monitorar a qualidade do processo para tomar medidas que possam prevenir a produção de unidades não conformes e, consequentemente, diminuir os prejuízos do processo de produção.
Comparar os valores do PPM antes e depois de melhorias do processo fornece uma ideia concreta de até que ponto uma melhoria reduziu de fato o número de peças não conformes. Como é possível observar na Figura 1 o número de defeitos em PPM está relacionado com o nível sigma e, portanto, monitorá-lo é importante para alcançar o nível de qualidade nos processos de produção.
Figura 1. Relação entre os níveis de PPM e os níveis sigmas de qualidade (Rath & Strong; 2001)
2.2. Taxa de Falhas de Campo (FFR)
Diversas organizações armazenam informações de falhas ou defeitos em base de dados para serem usados para calcular a taxa de falhas de dispositivos ou sistemas. Dessa forma, é possível obter um histórico de informações sobre a frequência de falhas em um determinado intervalo de tempo.
A taxa de falhas e defeitos pode ser definida como o número total de falhas em uma população de itens, dividido pelo tempo total gasto por essa população, durante um intervalo de medição específico sob condições estabelecidas (MacDiarmid; Morris; et al.;
1993). A equação usada para definir o FFR é mostrada a seguir:
𝜆(𝑡) =𝑅(𝑡) − 𝑅(𝑡 + 𝛥𝑡)
𝛥𝑡 𝑅(𝑡) (2)
, onde 𝑅(𝑡) é o total de defeitos no tempo t e 𝛥𝑡 é o intervalo de tempo (𝑡2− 𝑡1).
Da Equação 2 é possível concluir que a diminuição da taxa de falhas descreve um sistema que melhora com o tempo (Proschan; 1963).
2.3. Capacidade de Processo(CP e CPK)
Capacidade do processo é definida como a habilidade de fabricar produtos dentro de uma faixa especificada pela própria empresa ou pelo cliente (Boyles; 1991). Para realizar o estudo da capacidade do processo, é necessário fazer a comparação da curva característica do processo em relação ao limite de especificação superior e inferior definida. Sendo assim, para dizer se o processo apresenta uma ótima capacidade, o mesmo deve estar dentro do limite de especificação, assim como mostra a Figura 2.
Figura 2. Comparação entre a curva da capacidade do processo e o limite de especificação (Coutinho; 2017).
A capacidade do processo é dada em função de um grupo de índices de capacidade que determina o quanto o processo é capaz de atender às especificações e demandas dos clientes. Os índices de capacidade mais usados nas empresas de manufatura são o Cp e Cpk (WOOLURU; SWAMY; 2014).
O índice Cp é capaz de medir a precisão do processo, ou seja, a capacidade potencial alcançada em relação ao limite especificado.
𝐶𝑝 = 𝐿𝑆𝐸 − 𝐿𝐼𝐸
6𝜎 (3)
, sendo LSE o limite superior de especificação, LIE o limite inferior de especificação e o desvio padrão calculado.
O índice 𝐶𝑝𝑘 vai mais além mostrando a capacidade do processo que não estão centrados entre o limite de especificação.
𝐶𝑝𝑘 = (𝐿𝑆𝐸 𝑥 𝑋̿
3𝜎 ,𝑋̿ 𝑥 𝐿𝐼𝐸
3𝜎 ) (4)
, sendo LSE o limite superior de especificação, LIE o limite inferior de especificação, 𝑋̿
a mediana da amostra e o desvio padrão calculado.
Analisando os valores dos índices 𝐶𝑝 e 𝐶𝑝𝑘, é possível concluir que se 𝐶𝑝 = 𝐶𝑝𝑘, então a curva do processo está centralizado, mas se 𝐶𝑝𝑘 < 𝐶𝑝 então o processo está descentralizado (BEBR; BÍCOVÁ; ZÍDKOVÁ; 2017).
Os índices 𝐶𝑝 e 𝐶𝑝𝑘 estão relacionados ao índice PPM. Sendo assim, quanto maior é o valor do índice Cpk, menor será o valor do índice PPM e mais pŕoximo de alcançar o nível Six Sigma, mostrando assim a relação do índice PPM com a capacidade do processo (BEBR; BÍCOVÁ; ZÍDKOVÁ; 2017).
2.4. Metodologia Six Sigma (6σ)
Six sigma é uma metodologia que engloba um conjunto de técnicas que visam melhorar a qualidade dos processos e diminuir a quantidade de produtos defeituosos fabricados, ou seja, um conjunto de ferramentas estatísticas adotadas dentro do gerenciamento da qualidade para construir uma base de melhoramento do processo de produção (Goh; Xie; 2004)(McAdam; Evans; 2004). A principal ferramenta estatística utilizada como indicador de qualidade no Six Sigma é o PPM de produtos não conformes (Mitra; 2004). Dessa forma, o Six Sigma é reconhecido como um importante método para solução de problemas através do uso de ferramentas estatísticas e de qualidade para o melhoramento dos processos de produção nas manufaturas (Coleman; 2008) (Anand et al., 2007 ).
A metodologia Six Sigma, propõe o trabalho por meio do método DMAIC (Definir, Medir, Analisar, Melhorar e Controlar) e o uso das ferramentas estatísticas para monitorar e controlar a qualidade do processo (GOYAL; AGRAWAL, SAHA; 2019) (Firat et. al. 2017). O método DMAIC é constituído por cinco fases:
● Definir: Definição do problema a partir de consumidores e objetivos do projeto;
● Medir: Mensurar os dados obtidos do processo;
● Analisar: Analisar os dados medidos para encontrar cada causa raiz dos defeitos;
● Melhorar: Propor soluções para cada causa raiz;
● Controle: Monitorar os resultados alcançados.
Há diversos benefícios para as organizações com a implementação da metodologia Six Sigma como, por exemplo, uma maior satisfação do cliente como resultado das mudanças e melhorias nos processos (Boarin; 2006). Outro benefício, é o aumento das margens de lucro através da redução dos prejuízos e custos de produção acarretados pelos defeitos ou falhas nos produtos e serviços (Linderman; 2003) (Antony;
Bañuelas; 2001) (Han; Lee; 2002). Pode ser implantada, também, para gerar valor independente do porte da empresa (Wessel; Burcher; 2004). Elimina atividades que não agregam valor através da otimização das operações no processo (Breyfogle et al.; 2001).
Assim sendo, a implantação da metodologia traz diversos benefícios à empresa e a utilização do PPM como principal índice eleva a importância do desenvolvimento de ferramentas capazes de auxiliar nas melhorias propostas pelo Six Sigma.
2.5. Tecnologias Utilizadas
Nesta seção, serão apresentadas as tecnologias adotadas para o desenvolvimento deste trabalho, bem como os seus conceitos fundamentais.
2.5.1. JavaScript
JavaScript é uma linguagem de programação que abrange diversos paradigmas (orientado a objeto, imperativo e funcional) cujos programas são chamados de scripts e possuem tipagem dinâmica fraca (Flanagan; Ferguson; 2002). O JavaScript é uma das principais tecnologias para o desenvolvimento de aplicações web, pois permite a implementação de funcionalidades mais complexas, tais como páginas interativas capazes de mostrar informações não estáticas, animações, vídeos, alertas ou notificações. Pode ser executado em browsers, nos servidores, smartphones, ou qualquer outro dispositivo que tenha um programa chamado Javascript Engine capaz de interpretar o código fonte e executá-lo corretamente. Em alguns navevadores, o engine pode ser chamado de V8 e a sua arquitetura é mostrada na Figura 3.
O Javascript é a principal linguagem de programação client-side, através da manipulação dos elementos de um documento HTML por meio do HTML DOM, e usados em vários frameworks front-end, tais como o AngularJS2, ReactJS3, ReactNative 4e o VueJS5. Pode ser empregado também no desenvolvimento de aplicações server-side através de ambientes de execução como o NodeJS.
Sendo assim, neste trabalho o Javascript é usado como linguagem de programação no framework VueJS e no desenvolvimento da API usando o ambiente de execução NodeJS.
2 https://docs.angularjs.org/guide
3 https://reactjs.org/docs/getting-started.html
4 https://reactnative.dev/docs/getting-started
5 https://vuejs.org/v2/guide/
Figura 3. V8 Engine (Quy; 2017).
2.5.2. VueJS
Vue é um framework Javascript focado somente na camada de visualização para construção de interfaces de usuário. Sua biblioteca foi desenvolvida para facilitar a integração com outras bibliotecas ou projetos já existentes. Como mostrado na Figura 4, a arquitetura do VueJS foca na renderização declarativa e na composição de componentes que permitam o desenvolvimento de interfaces usando componentes pequenos, independentes e reusáveis (Vue.js; 2020).
A renderização dos componentes é feita baseada em uma virtual DOM. Dessa forma, o desempenho da interface é aumentada e atualizações desnecessárias são descartadas, pois o DOM é atualizado apenas quando os dados dos componentes são alterados, tornando o gerenciamento do estado da view simples e mais intuitivo. Como é possível visualizar na Figura 5, cada instância de um componente possui um watcher correspondente sendo capaz de salvar cada propriedade, durante a renderização do componente, como dependências. Quando um evento é detectado na dependência, o watcher do componente é notificado e o componente é renderizado novamente.
Figura 4. Abstração de uma interface na árvore de componentes do Vue.js (Vue.js; 2020).
Figura 5. Reatividade nas aplicações em Vue.js (Vue.js; 2020).
Para o desenvolvimento da interface do sistema de monitoramento proposto neste trabalho, foi utilizado o framework VueJS devido a simplicidade e alto desempenho das aplicações.
2.5.3. NodeJS
NodeJS é um ambiente de execução Javascript baseado na arquitetura event- driven e capaz de executar chamadas assíncronas de entrada e saída (NODEJS; 2020). O que diferencia o NodeJS de outras tecnologias, tais como PHP, Java e C# é o fato de sua execução ser single-thread. Sendo assim, apenas um thread é responsável por executar todo o código da aplicação, ao invés das outras linguagens nas quais a execução é multi-
thread. Ou seja, em servidores web utilizando linguagens tradicionais, uma thread é criada para tratar cada requisição recebida, elevando o consumo de recursos computacionais para atender a demanda das operações de entrada e saída. Consequentemente, quando o limite do recurso computacional é atingido, as novas requisições são bloqueadas e necessitam esperar a liberação desses recursos alocados para serem executadas. No NodeJS, apenas uma thread, chamada de event-loop, é responsável por executar todas as requisições. Apesar de ser single-thread, é capaz de executar eventos de entrada e saída concorrentemente através das chamadas de entrada e saída não-bloqueantes. Dessa forma, os eventos são assíncronos e não bloqueia a thread, ao contrário das linguagens tradicionais nas quais cada thread criada aguarda a finalização da execução dos eventos requisitados.
Figura 6. Arquitetura de funcionamento do Nodejs (Roth; 2014).
Figura 7. Arquitetura de funcionamento das linguagens multi-threads (Roth; 2014).
Sendo assim, o NodeJS é capaz de executar código Javascript a nível backend e frontend, conforme as bibliotecas e dos frameworks utilizados, através da execução de comandos utilizando gerenciadores de pacotes, tal como o npm (Node Package Manage).
O NodeJS é utilizado neste trabalho para executar os códigos da interface do sistema e da API utilizando o gerenciador de pacote npm.
2.5.3. TypeScript
TypeScript é uma linguagem de programação estendida do Javascript, surgindo como um superconjunto que adiciona tipagem estática ao códigos Javascript (TYPESCRIPT; 2020) . Os códigos Typescript são considerados como códigos Javascript porque a linguagem foi desenvolvida como um superconjunto do ECMAScript 6 que, por sua vez, é um superconjunto do ECMAScript 5 usado como base do Javascript. Dessa forma, o código é compilado e convertido para ECMAScript 5. As principais vantagens da linguagem em relação ao Javascript são a identificação de erro antes da execução do código, elaboração de documentação e, consequentemente, a manutenção do código.
Figura 8. Diagrama de comparação entre o Typescript com as versões ECMAScript (Mariano; 2016).
2.5.4. PostgreSQL
PostgreSQL é um sistema gerenciador de banco de dados relacional (SGBD) que suporta a Linguagem de Consulta Estruturada (SQL). Além disso, suporta características e funcionalidades modernas, tais como chaves estrangeiras, functions, triggers,
integridade transacional, indexação de textos, estrutura para armazenar dados georreferenciais, dentre muitos outros (POSTGRESQL; 2020). O PostgreSQL é um SGBD muito indicado para aplicações mais complexas que necessitam executar vários tipos de subconsultas e armazenar grandes volumes de dados. Sendo por esse motivo utilizado para armazenar as informações dos processos de produção para permitir o monitoramento conforme o objetivo proposto por este trabalho.
2.5.5. Java
O Java é uma linguagem de programação orientada a objetos, que se diferencia pela utilização da Máquina Virtual do Java (JVM) para fornecer a base fundamental de independência entre plataformas (ORACLE; 2020). Dessa forma, a linguagem Java é compilada para um bytecode que, em seguida, é interpretado pela JVM. O Java possui várias extensões, tais como O Java ME (Micro-Edition para sistemas embarcados e celulares), Java SE (Standard Edition para desenvolvimento de aplicações para ambientes corporativos), Java EE (Enterprise Edition para servidores), dentre outras. Dessa forma, a linguagem é muito utilizada e para este trabalho foi utilizada para o desenvolvimento do RPA para a coleta de dados.
3. Trabalhos Relacionados
O desenvolvimento de sistemas de monitoramento de produção para possibilitar um maior controle de qualidade, rapidez na tomada de decisões, diminuição dos custos e aumento da capacidade de produção, vem sendo requisitado pelas diferentes empresas como um diferencial no mercado para obter um melhor relacionamento com os seus clientes. Este capítulo apresenta os trabalhos relacionados aplicados em diferentes contextos e empresas.
Lima et al. (2005) apresentam um sistema de acompanhamento da produção para um empresa da indústria moveleira, tendo como objetivo auxiliar as indústrias do ramo a organizarem e acompanharem os seus processos de produção através da interface do sistema com gráficos e relatórios gerados a partir das informações em tempo real extraídas do chão de fábrica, facilitando a tomada de decisões com mais rapidez e precisão. O sistema é composto por micro-terminais ou leitores de código de barras que fornecem os dados para o servidor conectado que processa os dados para salvar no banco de dados.
Em seguida, os clientes terão acesso aos gráficos e relatórios gerados através da interface do sistema. Além disso, os clientes podem importar ou exportar dados quando for necessário. No entanto, em Lima et al., o sistema de monitoramento não exibe a quantidade de produtos com defeitos, limitando a análise da qualidade da produção por não relatar essas informações. Dessa forma, os gestores não terão informações necessárias para agir e prevenir o aumento do número de defeitos.
Sevegnani et al. (2010) apresentam um sistema para monitoramento de paradas de máquina em uma linha de usinagem, tendo como objetivo oferecer uma ferramenta de gestão da produção e tomada de decisões através da identificação das perdas. O sistema utiliza a filosofia TMP para classificar as perdas como quebras, ajustes (setup), pequenas paradas ou tempo ocioso, baixa velocidade, qualidade insatisfatória, perdas com start-up.
Em seguida, utiliza a filosofia a JIT(Just in Time) que visa atender as demandas instantaneamente através do uso do sistema. Um problema com o sistema de monitoramento proposto por Sevegnani et al. é que o uso do sistema (filosofia e métrica) requer adaptações na cultura da empresa, dificultando a sua implementação. O sistema desenvolvido também não fornece relatórios diários da produção e detalhes sobre os produtos com a frequência maior de defeitos. Neste trabalho, além da facilidade na implementação do método e da métrica utilizada, os gestores terão acesso aos relatórios
mensais e diários para que possam agir com mais precisão e evitar que produtos não conformes venham impactar na meta mensal e diária.
Marcante (2013) propõe um sistema para monitoramento dos processos de produção de uma manufatura de placas eletrônicas com o objetivo de proporcionar aos gestores um maior controle da qualidade e melhor gerenciamento das etapas do processo.
O trabalho também visa monitorar para reduzir as perdas dos processos devido a quebra de máquinas e equipamentos de produção. Para isso, foram desenvolvidos dispositivos eletrônicos equipados com leitores de código de barras para coletar os dados na etiqueta dos produtos. Estes dados são enviados através da conexão ethernet para um servidor onde as informações são tratadas e armazenadas em um banco de dados. Por fim, essas informações são utilizadas pelo sistema Web para que os gestores consigam acompanhar, analisar e gerenciar a produção. Apesar de monitorar a produção, o sistema web desenvolvido em Marcante não apresenta os nomes dos produtos com a frequência maior de defeitos, limitando a análise da qualidade de produção. Neste trabalho, além de monitorar a produção e exibir os relatórios mensais e diários, será divulgado o nome dos produtos que tiveram uma frequência maior de defeitos. Dessa forma, os gestores da qualidade poderão identificar as causas da produção de não conformidades com mais precisão.
Santos (2015) apresenta um sistema para monitoramento de produção aplicado a uma linha de extrusão de cabos, tendo como objetivo a quantificação e identificação de perdas de processo causadas pela manutenção, má qualidade ou configuração das máquinas que diminuem a capacidade de produção da empresa. Para isso, o software implementado utilizou o indicador de eficiência global ou OEE (Overall Equipment Effectiveness) para medir a eficiência dos equipamentos e suas perdas através dos dados de produção. Em seguida, essas informações foram armazenadas para gerar gráficos e relatórios que pudessem representar a eficiência e perdas do processo de produção. Para desenvolver toda a solução, foi utilizado um microcontrolador Arduino para controlar os sensores da linha e enviar os dados para serem processados e inseridos no banco de dados.
Além disso, para desenvolver a interface foi utilizado a linguagem de programação C#.
Uma desvantagem da métrica utilizada por Santos é a necessidade da alteração na cultura da empresa dificultando a sua implementação. Além disso, o sistema desenvolvido tem como foco o monitoramento da produção através da análise do desempenho das máquinas. Neste trabalho, o método e a métrica utilizada não precisam alterar a cultura da empresa para serem implementados. No sistema proposto neste trabalho, o
monitoramento tem como foco a análise dos dados do produto, bem como os seus componentes, dando uma visão mais ampla para os gestores identificarem as causas da produção de produtos não conformes.
Como observado nos trabalhos descritos acima, a necessidade do uso de ferramentas de monitoramento e controle dos processos produtivos de uma empresa é cada vez mais evidente. Dessa forma, soluções diferentes estão sendo adotadas e aplicadas para atender a demanda de acordo com cada contexto das empresas. Portanto, diante dessa necessidade, este trabalho tem como o objetivo central monitorar a qualidade de produção para uma empresa de bens de consumo da Zona Franca de Manaus através de um sistema web e por meio de métricas de indicação da quantidade de defeitos (PPM) e indicação do histórico da taxa de peças com maiores defeitos (FRR), permitindo que ações sejam tomadas para prevenir perdas resultantes da produção de produtos não conformes e para estabelecer um padrão mínimo de qualidade. O diferencial deste trabalho, é a capacidade de monitorar a qualidade de produção sem a necessidade de alterar a cultura da empresa. Além disso, o monitoramento tem como foco a análise dos dados do produto, bem como os seus componentes, dando uma visão mais ampla para os gestores identificarem as causas da produção de produtos não conformes.
4. Sistema para Monitoramento da Qualidade de Produção Proposto
O objetivo deste trabalho é desenvolver um sistema para o monitoramento da qualidade da produção, utilizando a métrica da quantidade de defeitos PPM e da frequência de falhas ocorridas FFR, para que os gestores da qualidade possam analisar os dados fornecidos da produção em tempo real e tomar decisões para prevenir o aumento de defeitos. As etapas para o desenvolvimento deste trabalho incluem a coleta de pequenas amostras de dados da produção, desenvolvimento do software para integração do sistema atual da empresa com o sistema proposto neste trabalho, modelagem do banco de dados, desenvolvimento da API e desenvolvimento do módulo web. O restante deste capítulo detalha os métodos utilizados para a construção do sistema de monitoramento da qualidade de produção proposto.
4.1. Visão Geral
O sistema para monitoramento da qualidade de produção proposto é composto de três módulos conforme a Figura 9: Automação de Processos Robóticos RPA para a coleta de dados desenvolvida em Java, API Restful para integração do módulo web com o banco de dados e a interface web com os relatórios mensais e diários da produção.
Figura 9. Diagrama do Sistema de Monitoramento.
O módulo RPA desenvolvido é responsável por extrair os dados de produção do sistema interno da empresa para serem usados no cálculo do PPM e FFR de produção. Os dados extraídos são: produtos com defeitos e produtos finalizados.
A API de integração desenvolvida é responsável por integrar as aplicações e ferramentas usadas por este trabalho com o banco de dados. Através da mesma, o módulo RPA poderá extrair as informações da produção e cadastrar no banco de dados. Em seguida, a interface web poderá consumir as informações e exibir os relatórios mensais e diários.
A interface WEB desenvolvida é responsável por consumir as informações da produção através da API Restful desenvolvida para exibir os relatórios mensais e diários do índice PPM. Além disso, será exibido as informações dos produtos com a frequência maior de defeitos usando a métrica FFR.
O banco de dados armazenará informações dos defeitos de produção, itens produzidos e a meta definida do índice PPM para serem usados nos relatórios exibidos pela interface WEB.
4.2. Banco de dados
Para o desenvolvimento do sistema de monitoramento da qualidade da produção, foi utilizada uma amostra de dados de produção com informações suficientes para a estruturação do banco de dados e para a realização de testes de validação do sistema. A amostra contém informações sobre a descrição do defeito, nome da peça envolvida, número serial do produto, data do defeito, data do reparo e detalhe do reparo.
Dessa forma, foi possível modelar o banco de dados do sistema usando o SGBD PostgreSQL conforme a Figura 10, sendo constituídos por quatro tabelas referentes ao armazenamento dos defeitos de produção, itens produzidos, valor da meta do PPM de produção e por último uma tabela utilizada pela API para mapeamento das mudanças na estrutura das outras tabelas.
A tabela responsável por salvar as informações de defeitos de produção para serem usados no cálculo do índice PPM e para serem usadas no relatório exibido na interface WEB é chamada de Defects e composta pelas colunas id, name, defect_date, repair_date, part_name, repair_details, created_at, updated_at, serial_number. A descrição de cada coluna segue abaixo:
id: É a chave primária e identificador único de cada defeito no banco de dados do sistema de monitoramento.
name: É a descrição dada ao defeito como, por exemplo, vazamento.
defect_date: É a data e hora que o defeito ocorreu na linha de produção.
repair_date: É a data e hora que o reparo ocorreu.
part_name: É o nome dado a peça com defeito.
repair_details: É a descrição detalhada do reparo realizado.
created_at: É a data e hora que o defeito foi adicionado no banco do sistema de monitoramento.
updated_at: É a data e hora que o defeito foi atualizado no banco do sistema de monitoramento.
serial_number: É o número serial do produto com defeito usado para identificar exclusivamente o produto.
Figura 10. Estrutura do Banco de dados.
A tabela responsável por salvar as informações de itens produzidos para serem usados no cálculo do índice PPM é chamada de Production e composta pelas colunas id, production_date, serial_number, model, created_at, updated_at. A descrição de cada coluna segue abaixo:
id: É a chave primária e identificador único de cada produto fabricado no banco de dados do sistema de monitoramento.
production_date: É a data e hora que o produto foi fabricado na linha de produção.
serial_number: É o número serial do produto fabricado usado para identificar exclusivamente o produto.
model: É o modelo do produto fabricado.
created_at: É a data e hora que o produto fabricado foi adicionado no banco do sistema de monitoramento.
updated_at: É a data e hora que o produto fabricado foi atualizado no banco do sistema de monitoramento.
A tabela responsável por salvar as o valor da meta do índice PPM é chamada de Target_PPM e composta pelas colunas id, value, created_at, updated_at. A descrição de cada coluna segue abaixo:
id: É a chave primária e identificador único de cada valor da meta do índice PPM.
value: É o valor da meta do índice PPM.
created_at: É a data e hora que o valor da meta do índice PPM foi adicionado no banco do sistema de monitoramento.
updated_at: É a data e hora que o valor da meta do índice PPM foi atualizado no banco do sistema de monitoramento.
4.3. RPA para coleta de dados
O módulo RPA é responsável pela troca de informações entre o software em operação na empresa e o sistema de monitoramento desenvolvido por este trabalho sem a necessidade de implementação de uma interface de comunicação entre eles. Isso é necessário, pois o sistema atual da empresa é um software legado e não possui uma camada aberta para integração como, por exemplo, uma API para integração e comunicação entre os sistemas. Ao usar essa solução, não será necessário alterar qualquer cultura da empresa e a implantação do sistema será simplificada. Para isso, foi utilizado a linguagem de programação Java e a classe Robot6 para controlar os eventos de entrada do mouse e do teclado e, dessa forma, acessar o sistema legado da empresa para extrair as informações de produção e inserir no banco de dados do sistema de monitoramento através da API desenvolvida. O RPA acessará o sistema legado para realizar o download das informações através de um arquivo no formato csv e, em seguida, os dados de produção serão inseridos no banco através da API desenvolvida.
6 https://docs.oracle.com/javase/7/docs/api/java/awt/Robot.html
Figura 11. Diagrama de Funcionamento do RPA.
4.4 API Restful
A API Restful desenvolvida é responsável por integrar as aplicações e ferramentas usadas por este trabalho com o banco de dados. Através da mesma o módulo RPA poderá extrair as informações da produção e cadastrar no banco de dados. Em seguida, a interface web poderá consumir as informações e exibir os relatórios mensais e diários. Para isso, foi utilizado o ambiente de execução NodeJS para executar o código na linguagem TypeScript a nível backend. Além disso, foi utilizado o mapeador de objeto relacional (ORM) TypeORM para consulta e manipulação do banco de dados usando o paradigma orientado a objetos da linguagem. As rotas disponibilizadas pela API são mostradas na Figura 12.
Figura 12. Rotas disponibilizadas pela API.
Como é possível visualizar na Figura 12, a API possui uma unidade de rotas para os defeitos chamada de Defects, sendo sinalizadas com os números de 1 a 7 , uma unidade para as informações de produção, sendo sinalizada com o número 8, e uma unidade para a informação da meta do índice PPM. Todas as rotas estão detalhadas a seguir.
1. Rota do tipo Post responsável por cadastrar os defeitos através do envio dos dados no formato json;
2. Rota do tipo Get responsável por listar os defeitos com o retorno das informações no formato json;
3. Rota do tipo Post responsável por cadastrar os defeitos a partir do upload do arquivo no formato .csv;
4. Rota do tipo Get responsável por retornar o ranking das 10 peças com a frequência maior de defeitos e, para cada, o valor do índice FFR. Todas as informações são retornadas no formato json;
5. Rota do tipo Get responsável por retornar o relatório mensal do índice PPM para cada dia do mês analisado no formato json;
6. Rota do tipo Get responsável por retornar o relatório diário do índice PPM para cada hora do dia analisado no formato json;
7. Rota do tipo Get responsável por retornar o valor total do índice PPM para mês analisado no formato json;
8. Rota do tipo Post responsável por cadastrar os produtos fabricados a partir do upload do arquivo com as informações da produção no formato .csv;
9. Rota do tipo Put responsável por atualizar o valor da meta do índice PPM com o envio do valor no formato .json;
10. Rota do tipo Get responsável por retornar o valor da meta do índice PPM no formato .json.
4.5 Interface Web
A interface WEB é responsável por exibir os relatórios mensais e diários do índice PPM. Além disso, exibirá as informações dos produtos com a frequência maior de defeitos usando a métrica FFR. As Figuras 13 e 14 mostram os protótipos da interface WEB construídos através da ferramenta figma7. Como observado, a interface é
7 https://www.figma.com/
constituída pela seção FFR Ranking, seção de resultados, seção de relatórios e seção de configurações.
A seção FFR Ranking é responsável por exibir as 10 peças com a frequência maior de defeitos e o índice FFR de cada uma. Dessa forma, os gestores da qualidade poderão visualizar os produtos mais defeituosos, facilitando a tomada de decisão a fim de diminuir a taxa de defeito.
A seção de resultados, mostrado na Figura 13, é responsável por exibir o índice PPM do mês atual com o progresso circular indicando a variação em relação ao valor total da meta definida. Além disso, é exibido o índice FFR, sinalizada pelo elipse 1 destacada, para indicar o histórico da variação em relação ao mês anterior do número de defeitos.
Por fim, é exibido, o valor definido para a meta do índice PPM e sinalizada pelo elipse 2 destacada.
Figura 13. Protótipo de Tela de Monitoramento.
A seção de relatórios é responsável por exibir os gráficos mensais e diários do índice PPM. Como é possível observar na Figura 13, há a curva de variação do índice e a reta indicando o valor da meta definida para permitir o monitoramento e controle do número de defeitos.
A seção de configurações é responsável por permitir a alteração da meta mensal do índice PPM. A atualização do índice é importante para permitir a análise em diferentes cenários e para estabelecer um padrão mínimo de qualidade.
Figura 14. Protótipo de Tela para Seção de Configuração.
5. Resultados e Discussões
Neste capítulo são descritos os principais resultados obtidos com o desenvolvimento do sistema de monitoramento da qualidade conforme os objetivos apresentados no Capítulo 1. Além disso, foram realizados os testes unitários para cada unidade presente na API Restful desenvolvida. O motivo para a utilização dos testes unitários é a possibilidade de testar cada módulo ou requisição desenvolvida para garantir o pleno funcionamento, não apenas validando o tratamento de erros, mas também verificando a consistência dos dados processados e retornados.
Para a interface web, foram desenvolvidas as seções responsáveis por exibir o ranking FFR das 10 peças com a frequência maior de defeitos, o índice PPM do mês atual com o progresso circular indicando a variação em relação ao valor total da meta definida, os gráficos mensais e diários do índice PPM e a seção para configuração e alteração da meta mensal do índice PPM. As informações utilizadas para os testes e apresentação do sistema foram obtidas a partir da base de dados fornecida pela empresa. A empresa é do ramo de eletroeletrônicos e focada da fabricação de microondas e ar condicionado. No entanto, por questões legais, algumas informações relacionadas à empresa foram omitidas, tais como sua logo e o nome das peças presentes na sessão do ranking FFR.
Sendo assim, foram utilizados o framework Vue.js para o desenvolvimento da interface web, a linguagem de programação TypeScript para o desenvolvimento da API Restful, O SGBD PostgreSQL para armazenar as informações e o framework Jest para a realização dos testes unitários.
Figura 15. Resultado do desenvolvimento da interface web.
A Figura 15 apresenta o resultado obtido com o desenvolvimento da interface web. Como é possível visualizar, a primeira seção apresenta o ranking FFR com as 10 peças que apresentaram mais defeitos durante o mês agosto. A segunda seção exibe o valor de 54.899 para o índice PPM do mês analisado com o progresso circular na cor verde indicando que o valor do PPM está abaixo do limite de 350.000 especificado pelos gestores da qualidade. Além disso, é exibido o índice FFR, no canto inferior esquerdo, para indicar o quanto o desempenho do mês atual melhorou em relação ao mês anterior em números de defeitos. Por fim, é exibido o gráfico mensal mostrando o histórico da variação do índice PPM para cada dia do mês analisado.
Na Figura 16, é possível visualizar o comportamento na variação do índice PPM, o qual apresenta um valor, nos últimos 10 dias do mês, muito próximo ao limite 60.000 especificado. Dessa forma, o progresso circular altera sua cor para amarelo para sinalizar aos gestores a necessidade de tomar ações visando o melhoramento da qualidade através da diminuição da quantidade de produtos defeituosos.
Figura 16. Variação do índice PPM próximo ao limite especificado.
Na Figura 17, é possível visualizar o comportamento na variação do índice PPM, o qual apresenta um valor, nos últimos 10 dias do mês, acima do limite 54.000 especificado. Dessa forma, o progresso circular altera sua cor para vermelho para sinalizar aos gestores a necessidade de tomar ações urgentes, pois a quantidade de produtos defeituosos excederam ao limite especificado, comprometendo a qualidade do processo de fabricação.
Figura 17. Variação do índice PPM acima do limite especificado.
Na Figura 18 é exibido o gráfico diário do histórico da variação do índice PPM para cada hora do dia analisado. No cenário apresentado, o índice PPM está acima do limite diário, sendo que a análise do mês está dentro dos conformes. Em outras palavras, é possível perceber a importância do gráfico diário, pois permite a análise com mais precisão para facilitar a tomada de decisão e evitar que no encerramento do mês não tenha a quantidade de defeitos superior ao limite especificado.
Figura 18. Histórico da variação do índice PPM no gráfico diário.
Na Figura 19 é exibido a seção de configurações responsável por permitir a alteração da meta mensal do índice PPM. A atualização do índice é importante para
permitir a análise em diferentes cenários e para estabelecer um padrão mínimo de qualidade.
Figura 19. Resultado final para a seção de configuração da meta do índice PPM.
A Tabela 2 mostra a descrição dos testes unitários realizados para a unidade responsável por processar e retornar o relatório do índice FFR. Essa unidade retorna o ranking com as 10 peças que apresentaram mais defeitos no mês e calcula para cada uma o valor do índice FFR. Dessa forma, foram criados dois testes conforme o descrito na tabela a seguir.
Tabela 1. Descrição dos testes unitários para a unidade do índice FFR.
Unidade ID Descrição
Relatórios do Índice
FFR
01 “Deve ser capaz de retornar o ranking com as 10 peças que apresentaram mais defeitos no mês corrente”
02 “Deve ser capaz de retornar para cada peça no ranking o valor do FFR”
A Tabela 3 mostra a descrição dos testes unitários realizados para a unidade responsável por processar e retornar o relatório do índice PPM. Essa unidade calcula e retorna os valores do índice PPM para cada dia do mês e para cada hora do dia, possibilitando assim a exibição dos gráficos diários e mensais. Além disso, calcula o valor
final do índice PPM para o mês analisado. Sendo assim, foram criados três testes unitários conforme o detalhado na tabela a seguir.
Tabela 2. Descrição dos testes unitários para a unidade do índice PPM.
Unidade ID Descrição
Relatórios do Índice
PPM
01 “Deve ser capaz de retornar o valor correto do PPM para o mês corrente”
02 “Deve ser capaz de retornar o relatório diário com os valores corretos do PPM para cada hora do dia”
03 “Deve ser capaz de retornar o relatório mensal com os valores corretos do PPM para cada dia do mês analisado”
A Tabela 4 mostra a descrição dos testes unitários realizados para a unidade responsável por cadastrar e retornar os defeitos. Além disso, essa unidade é capaz de importar os defeitos a partir de um arquivo .csv e cadastrá-los no banco de dados. Sendo assim, foram criados três testes unitários conforme o detalhado na tabela a seguir.
Tabela 3. Descrição dos testes unitários para a unidade responsável pelo cadastro e retorno dos defeitos.
Unidade ID Descrição
Defeitos 01 “Deve ser capaz de cadastrar um novo defeito”
02 “Deve ser capaz de listar todos os defeitos cadastrados”
03 “Deve ser capaz de importar os defeitos a partir de um arquivo .csv”
A Tabela 5 mostra a descrição dos testes unitários realizados para a unidade responsável por cadastrar e retornar os produtos fabricados. Além disso, essa unidade é capaz de importar os produtos a partir de um arquivo .csv e cadastrá-los no banco de dados. Sendo assim, foram criados três testes unitários conforme o detalhado na tabela a seguir.
Tabela 4. Descrição dos testes unitários para a unidade responsável pelo cadastro e retorno dos produtos fabricados.
Unidade ID Descrição
Produção 01 “Deve ser capaz de cadastrar um novo produto fabricado”
02 “Deve ser capaz de listar todos os produtos cadastrados”
03 “Deve ser capaz de importar os produtos fabricados a partir de um arquivo .csv”
A Tabela 6 mostra a descrição dos testes unitários realizados para a unidade responsável por atualizar e retornar o valor limite do índice PPM. Sendo assim, foram criados 2 testes unitários conforme o detalhado na tabela a seguir.
Tabela 5. Descrição dos testes unitários para a unidade responsável por atualizar e retornar o valor limite do índice PPM.
Unidade ID Descrição
Target PPM
01 “Deve ser capaz de retornar o valor do target especificado”
02 “Deve ser capaz de atualizar o valor do target especificado”
Portanto, todos os testes unitários criados foram executados conforme as Figuras 20 e 21. Para gerar o html e exibir os relatórios dos testes, foi utilizado a dependência jest-html-reporter8.
A Figura 20 mostra a execução dos testes unitários para as unidades dos relatórios do índice FFR e do índice PPM. Sendo assim, é possível visualizar que todos os testes executados foram aprovados.
A Figura 21 mostra a execução dos testes unitários para as unidades relacionadas aos defeitos, produtos fabricados e do valor da meta do índice PPM. Sendo assim, é possível visualizar que todos os testes executados também foram aprovados.
8 https://www.npmjs.com/package/jest-html-reporter
Figura 20. Execução dos testes unitários para as unidades dos relatórios do índice FFR e do índice PPM.
Figura 21. A execução dos testes unitários para as unidades relacionadas aos defeitos, produtos fabricados e do valor da meta do índice PPM.
6. Considerações Finais
Neste trabalho, foi abordada a necessidade das empresas no ramo de manufatura de priorizar o controle da qualidade dos seus processos a fim de aumentar a capacidade produtiva, diminuir os custos e prejuízos da produção e aumentar a qualidade dos seus produtos. Dessa forma, as empresas buscam por indicadores e ferramentas capazes de mensurar a eficiência de seus processos e permitir o monitoramento da qualidade de seus produtos fabricados. Assim sendo, no presente trabalho foi desenvolvido um protótipo de sistema capaz de monitorar a qualidade de produção de uma empresa de eletroeletrônicos, situada no Polo Industrial de Manaus, por meio de métricas de indicação da quantidade de defeitos (PPM) e indicação do histórico da taxa de peças com maiores defeitos (FFR).
O sistema exibe o ranking das 10 peças que tiveram a frequência maior de defeitos e o índice FFR para cada uma, os gráficos mensais e diários para expor a variação do índice PPM e o valor total do índice do mês analisado para indicar se o valor ultrapassou ou não a meta especificada para o mês. Sendo assim, os objetivos inicialmente apresentados foram alcançados e os testes unitários realizados demonstram que o sistema está apto para ser utilizado e atender às necessidades da empresa.
Para à empresa, são vários benefícios proporcionados pelo sistema de monitoramento implementado neste trabalho. O primeiro é a capacidade de monitorar a qualidade de produção diaramente e mensalmente sem precisar recorrer a análise manual realizada por profissionais da qualidade. O segundo é a capacidade de identificar as peças mais defeituosas e que estão aumentando o valor do índice PPM. Por fim, é a capacidade de proporcionar aos gestores uma visão ampla do desempenho e da qualidade de produção, permitindo identificar as causas da fabricação de produtos defeituosos para agirem a fim de reduzir o número de defeitos na produção.
Os trabalhos futuros visam o melhoramento do sistema apresentado através da utilização de outras métricas capazes de mensurar a eficiência e a qualidades dos processos, como por exemplo Defeitos por oportunidades (DPO), Defeitos por milhão de oportunidades (DPMO) e Custo da Falta de Qualidade (COPQ). A integração com outras métricas permite a análise dos resultados em diferentes perspectivas, oferecendo uma visão ampla para os gestores responsáveis pela garantia da qualidade.
7. Referências
SANTOS, Danilo Mendes. Estudo e Desenvolvimento de um Sistema de Monitoramento de Produção Aplicado a uma Linha de Extrusão de Cabos. 2015.
MARCANTE, Lucas Emanoel. Sistema integrado de apoio ao controle de qualidade em processos de manufatura de placas eletrônicas. 2013.
SEVEGNANI, Gustavo. Sistema de monitoramento de paradas de máquina em uma linha de usinagem - um estudo de caso. 2010.
LIMA, Rafael Henrique Palma et al. Sistema de Acompanhamento da Produção no Chão de Fábrica na Indústria Moveleira. 2005.
GOYAL, Ankur; AGRAWAL Rajat; SASHA C.R. Quality management for sustainable manufacturing: Moving from number to impact of defects. 2019.
BEBR L.; BÍCOVÁ K.; ZÍDKOVÁ H. Use of the ppm and its function in the production process. 2017.
KEKI, R. Bhote. The power of ultimate Six Sigma: 1. ed. AMACOM Div American Mgmt Assn, 2003.
SCATOLIN André Celso. Aplicação da Metodologia Seis Sigma na Redução das Perdas de um Processo de Manufatura. 2005.
PEARN W.L.; WU, Chien-Wen. An effective decision making method for product acceptance. 2007.
TUBINO, D. F. Manual de planejamento e controle da produção. 2a ed. São Paulo:
Atlas, 2000.
RATH & STRONG(Org.). Six Sigma Pocket Guide, 2. ed. Lexington, 2001, 192 p.
MACDIARMID, Preston; MORRIS, Seymour; et al. (n.d.). Reliability Toolkit (Commercial Practices ed.). Rome, New York: Reliability Analysis Center and Rome Laboratory. 1993.
PROSCHAN, Frank.Theoretical Explanation of Observed Decreasing Failure Rate.
1963.
BOYLES, Russell. The Taguchi Capability Index. Journal of Quality Technology. Milwaukee, Wisconsin: American Society for Quality Control. 1991.
COUTINHO, Thiago. Capabilidade do processo. Voitto, 2017. Disponível em:
https://www.voitto.com.br/blog/artigo/capabilidade-do-processo. Acesso em: 25 de nov.
de 2020.
WOOLURU, Yerriswamy; SWAMY, D. R. The process capability analysis - A tool for process performance measures and metrics - A case study. International Journal for Quality Research. 2014.
GOH, T. N; XIE, M. Improving on the Six Sigma paradigm. TQM magazine, vol. 16.2004.
MCADAM, R; EVANS, A. Challenges to Six Sigma in a high technology mass manufacturing environments. Total Quality Management, vol. 15. 2004.
MITRA, A. Six Sigma Education: a critical role for academia. TQM magazine, vol.16.
2004.
COLEMAN, S. Six Sigma: An opportunity for statistics and for statisticians.
Significance, vol. 5. 2008
ANAND, R. B.; SHUKLA, S. K.; GHORPADE, A.; TIWARRI, M. K.; SHANKAR, R.
Six Sigma-based approach to optimise deep drawing operation variables.
International Journal of Production Research, vol.45, 2007.
FIRAT , S.; ARIOGLU, M.; ERSOY, E.; GÖK, S.; UNAL, E. A Six Sigma DMAIC Process for Supplier Performance Evaluation using AHP and Kano’s Model.
International Journal of Business Analytics. 2017.
BOARIN Pinto; SILVA Helena; CARVALHO, Marly Monteiro de; LEE, Linda Ho.
Implementação de programas de qualidade: um Survey em empresas de grande porte no Brasil. Revista Gestão & Produção. v.13. 2006.
LINDERMAN, K. et al. Six Sigma: a goal-theoretic perspective. Journal of Operations Management, v. 3. 2003.
ANTONY, J.; BAÑUELAS, R. A strategy for survival. Manufacturing Engineer. v.
80. 2001.
WESSEL, G.; BURCHER, P. Six Sigma for small and medium-sized enterprises. The TQM Magazine, v. 16. 2004.
BREYFOGLE F. W.; CUPELLO J. M.; MEADOWS, B. Managing Six Sigma: a practical guide to understanding, assessing, and implementing the strategy that yields bottom-line success.2001.
HAN, C.; LEE, Y. H. Intelligent integrated plant operation system for six sigma.
Annual Reviews Control, v. 26. 2002.
AL-QUTAISH, Rafa E.; AL-SARAYREH, Khalid T. Applying Six-Sigma Concepts to the Software Engineering: Myths and Facts. 2008.
COSTA, Ana Rita; BARBOSA, Carla; SANTOS, Gilberto; ALVES, M. Rui. Six Sigma:
Main Metrics and R Based Software for Training Purposes and Practical Industrial Quality Control. 2019.
FRANCO, Manuela Bueno Junqueira. Aplicação da metodologia Seis Sigma para redução de desperdícios em uma indústria de bem de consumo. 2016.
SOKOVIC, M.; PAVLETIC D.; KRULCIC, E. Six Sigma process improvements in automotive parts production. Journal of Achievements in Materials and Manufacturing Engineering. v. 19. 2008.
JESUS, Kleverson Souza de; TURRA, Flávio Lourenço; MATOS, André Luis;
KOMATSUZAKI, Flávia. Proposta de implantação do método DMAIC para redução de falhas de produção. 2015.
RIBEIRO, Adilson; FERREIRA, Angelo Campos; JUNIOR, Carlos Alberto; GODOI, Ivan Pereira. Redução de falhas em indústria de embalagem. 2008.
FLANAGAN, David; FERGUSON, Paula. JavaScript: The Definitive Guide 4th ed.
2002.
QUY, Minh. V8 Engine Overview. Medium, 2017. Disponível em:
https://medium.com/@MQuy90/v8-engine-overview-7c965731ced4. Acesso em: 26 de nov. de 2020.
ROTH, Issac. What makes Node.js faster than Java?. StrongLoop, 2014. Disponível em: https://strongloop.com/strongblog/node-js-is-faster-than-java. Acesso em: 27 de nov.
de 2020.
Vue.j Guide. Vue.js. 2020. Disponível em: https://vuejs.org/v2/guide/. Acesso em: 27 de nov. de 2020.
Node.JS v12.20.0 Documentation. Node.js. 2020. Disponível em:
https://nodejs.org/docs/latest-v12.x/api/. Acesso em: 27 de nov. de 2020.
TypeScript Documentation. TypeScript. 2020. Disponível em:
https://www.typescriptlang.org/docs. Acesso em: 27 de nov. de 2020.
PostgreSQL 13.1 Documentation. PostgreSQL. 2020. Disponível em:
https://www.postgresql.org/docs/current/. Acesso em: 27 de nov. de 2020.
Overview of Java. Oracle. 2020. Disponível em:
https://docs.oracle.com/en/database/oracle/oracle-database/12.2/jjdev/Java-
overview.html#GUID-17B81887-C338-4489-924D-FDDF2468DEA7. Acesso em: 27 de nov. 2020.
