Title

ABORDAGEM INOVADORA PARA A MELHORA DA PERFORMANCE DO OEE NA FABRICAÇÃO DE TUBOS DE AÇO

A NOVEL APPROACH TO IMPROVE OEE PERFORMANCE IN STEEL TUBE MANUFACTURING

Authorship

KENNY RALPH MARTINS DOS SANTOS; BRAGA, FABRICIO DAMASCENO; NETO, MOZART QUEIROZ; CEMIM, MARCOS ANGELO; ANUNCIAÇÃO, ANTONIO CARLOS DA

KENNY RALPH MARTINS DOS SANTOS

1 Article, 4 downloads

BRAGA, FABRICIO DAMASCENO

I am this author

NETO, MOZART QUEIROZ

I am this author

CEMIM, MARCOS ANGELO

I am this author

ANUNCIAÇÃO, ANTONIO CARLOS DA

I am this author

DOI

10.5151/2594-5335-42914

Downloads

Abstract

A eficiência operacional é um determinante crítico da competitividade na indústria metalmecânica globalizada. Em linhas de produção contínuas, como as utilizadas na fabricação de tubos de aço carbono, a otimização do indicador OEE (Overall Equipment Effectiveness) torna-se um objetivo estratégico, uma vez que pequenos ganhos de desempenho podem se traduzir em melhorias substanciais de produtividade e lucratividade. Este artigo apresenta uma metodologia inovadora para a predição da velocidade máxima em linhas de soldagem por indução de alta frequência (HFIW), utilizando técnicas avançadas de inteligência artificial, em especial o aprendizado de máquina. Dois modelos complementares foram desenvolvidos: o primeiro, baseado em redes neurais artificiais (RNAs) do tipo Perceptron Multicamadas (MLP); o segundo, fundamentado em modelos com algoritmos de otimização determinísticos que incorporam restrições físicas do processo. Utilizando um conjunto de dados industriais reais compostos por 3.885 registros de produção oriundos de uma planta siderúrgica brasileira, a metodologia proposta possibilitou melhorias significativas na previsibilidade operacional e na vazão produtiva. Notavelmente, observou-se um aumento mensurável de 4,8% no OEE e uma estimativa de ganho de lucro bruto superior a R$ 5 milhões por ano. Esses resultados demonstram que a integração de ferramentas preditivas baseadas em IA em ambientes industriais proporciona ganhos quantificáveis em eficiência, qualidade e disponibilidade de ativos. Este trabalho consolida uma estratégia robusta de transformação digital alinhada aos princípios da Indústria 4.0 e propõe uma solução replicável e aplicável a diversos contextos fabris. O impacto tecnológico e econômico da abordagem reforça sua relevância para o desenvolvimento industrial e a inovação em larga escala.

OPERATIONAL EFFICIENCY IS A CRITICAL DETERMINANT OF COMPETITIVENESS IN THE GLOBALIZED METAL-MECHANICAL INDUSTRY. IN CONTINUOUS PRODUCTION LINES, SUCH AS THOSE USED IN CARBON STEEL TUBE MANUFACTURING, OPTIMIZING THE OEE (OVERALL EQUIPMENT EFFECTIVENESS) INDICATOR BECOMES A STRATEGIC GOAL, SINCE EVEN SMALL PERFORMANCE GAINS CAN LEAD TO SUBSTANTIAL IMPROVEMENTS IN PRODUCTIVITY AND PROFITABILITY. THIS PAPER PRESENTS A NOVEL METHODOLOGY FOR PREDICTING THE MAXIMUM SPEED IN HIGH-FREQUENCY INDUCTION WELDING (HFIW) LINES USING ADVANCED ARTIFICIAL INTELLIGENCE TECHNIQUES, PARTICULARLY MACHINE LEARNING. TWO COMPLEMENTARY MODELS WERE DEVELOPED: THE FIRST ONE, BASED ON ARTIFICIAL NEURAL NETWORKS (ANNS) MULTILAYER PERCEPTRON (MLP) TYPE; THE SECOND, GROUNDED IN DETERMINISTIC OPTIMIZATION ALGORITHMS THAT INCORPORATE PHYSICAL CONSTRAINTS OF THE PROCESS. USING A REAL INDUSTRIAL DATASET CONSISTING OF 3,885 PRODUCTION RECORDS FROM A BRAZILIAN STEEL PLANT, THE PROPOSED METHODOLOGY ENABLED SIGNIFICANT IMPROVEMENTS IN OPERATIONAL PREDICTABILITY AND PRODUCTION FLOW. NOTABLY, A MEASURABLE 4.8% INCREASE IN OEE AND AN ESTIMATED GROSS PROFIT GAIN EXCEEDING R$ 5 MILLION PER YEAR WERE OBSERVED. THESE RESULTS DEMONSTRATE THAT THE INTEGRATION OF AI-BASED PREDICTIVE TOOLS INTO INDUSTRIAL ENVIRONMENTS PROVIDES QUANTIFIABLE GAINS IN EFFICIENCY, QUALITY, AND ASSET AVAILABILITY. THIS WORK CONSOLIDATES A ROBUST DIGITAL TRANSFORMATION STRATEGY ALIGNED WITH INDUSTRY 4.0 PRINCIPLES AND PROPOSES A REPLICABLE AND APPLICABLE SOLUTION TO VARIOUS MANUFACTURING CONTEXTS. THE TECHNOLOGICAL AND ECONOMIC IMPACT OF THE APPROACH REINFORCES ITS RELEVANCE TO LARGE-SCALE INDUSTRIAL DEVELOPMENT AND INNOVATION

Keywords

Inteligência artificial, Soldagem por Indução, HFIW, Tubos de aço, Otimização