Maple Leaf Foods, maior produtora de carnes e aves preparadas do Canadá, queria encontrar as condições ideais para seu produto de mortadela, garantindo a consistência do produto, melhorando o rendimento e reduzindo o desperdício. Utilizando o AVEVA™ Manufacturing Execution System com modelos avançados de IA da Braincube, a Maple Leaf Foods reduziu o desperdício e melhorou o rendimento da produção de mortadela, aumentando o lucro bruto em 10 a 12%.
Desafios
Desejava melhorias adicionais na produtividade utilizando tecnologias de IoT e IA em sua unidade histórica.
Buscando novas maneiras de impulsionar a excelência operacional no chão de fábrica.
Desejava reduzir consistentemente o desperdício e aumentar o rendimento na produção de mortadela
Resultados
10–12%
aumento no lucro bruto através da redução de desperdício e melhoria do rendimento da produção de mortadela
Utilizou os sistemas MES/SCADA da AVEVA existentes, adicionando uma camada de análise de dados mais avançada para percepção e resposta quase em tempo real na área de produção
Três meses
para entregar ROI
Líder em sustentabilidade
Maple Leaf Foods, a maior produtora de carnes e aves processadas do Canadá, orgulha-se de ser "a empresa de proteínas mais sustentável do planeta". Como líder em sustentabilidade, a empresa busca constantemente novas formas de otimizar as operações em toda a cadeia de suprimentos, como gosta de dizer o arquiteto sênior de soluções Andy Thorne, "do portão ao prato". Mais recentemente, a Maple Leaf Foods concentrou-se em sua planta tradicional, onde produz mortadela e mais de 800 milhões de cachorros-quentes por ano. A empresa queria garantir a uniformidade do produto melhorando o rendimento e reduzindo o desperdício no chão de fábrica. Por isso a Maple Leaf Foods firmou parceria com a Cygnus Consulting, integradora de sistemas AVEVA. Utilizando soluções AVEVA e análises baseadas em IA da Braincube, a empresa encontrou as condições operacionais ideais para produzir um “lote de ouro” em cada ciclo de produção.
Aproveitando o que já existe
Quando a Maple Leaf Foods concebeu originalmente o projeto de otimização, a ideia era usar a tecnologia de IoT, implementando novos sensores de IoT e coleta de dados com análise avançada de dados, para implantar melhorias na produção. "Inicialmente pensamos em instalar todos esses sensores de IoT, interligá-los e enviar os dados para a nuvem para análise de IA", afirmou Blair Hembroff, presidente da Cygnus Consulting. Mas Andrew Thorne lembrou-o de que a Maple Leaf Foods já tinha um MES completo de ponta a ponta da AVEVA em funcionamento apresentando dados contextualizados do processo. Precisavam mesmo de uma implementação completa de IoT?
Então, em vez de perderem tempo e dinheiro em sistemas IoT totalmente novos, a equipe dedicou-se ao aproveitamento do que já havia disponível. O MES existente já apresentava dados de processo da fábrica como temperaturas e ciclos de cozimento, bem como contexto como informações de fabricação sobre pedidos de produção e os SKUs, que podiam então enviar para a Braincube para uma análise mais detalhada por meio de modelos de gêmeos digitais dos ativos da fábrica. Também era importante para a equipe ter a adesão do chão de fábrica, por isso envolveram os usuários finais logo no início do processo por meio de workshops de UX/UI, ouvindo e agindo com base nas informações dos operadores.
Além de utilizar o que já tinha disponível, a equipe da Maple Leaf queria medir o sucesso de forma significativa. Por isso concentraram-se em oito casos de uso específicos para reduzir o desperdício em cada etapa, desde o comprimento da peça de carne até o fatiamento e o molho de conserva. O objetivo final era produzir um produto uniforme, cozido exatamente na medida certa para minimizar a perda de rendimento devido à umidade, para então enviá-lo às salas de fatiamento para fatiar o produto com as dimensões exatas, visando o rendimento máximo.
"Esses operadores estão sempre ajustando a receita no início dos turnos com base no que o Braincube informa, o que sempre proporciona um incrível "lote de ouro".
–Andy Thorne, arquiteto de soluções sênior, Maple Leaf Foods
Solução
Utilizaram o AVEVA™ Manufacturing Execution System com modelos avançados de IA da Braincube para encontrar as condições operacionais ideais para a mortadela da Maple Leaf Foods.
Encontrando o lote de ouro
Para começar, a equipe da Maple Leaf Foods monitorou todos os logs em busca de uniformidade no comprimento, na largura e no formato. Utilizando a versão independente de MES da AVEVA, mediram as dimensões dos logs e enviaram esses dados contextualizados para os modelos de gêmeos digitais da Braincube e utilizaram os parâmetros ideais encontrados nessa análise mais aprofundada para alertar os operadores quando era necessário fazer ajustes. Quanto mais dados recebem, mais precisos ficam a IA e o aprendizado de máquina utilizados nos modelos, de modo que, com o tempo, os operadores acabam sempre obtendo o lote ideal e o formato perfeito.
Monitores de tela grande fornecem informações acionáveis em tempo real para operadores e supervisores.
Depois que as peças são fracionadas, vão para a área de preparo em bateladas para serem cozidos. É importante assegurar o cozimento completo, mas cozimento excessivo pode resultar em perda de rendimento devido à baixa umidade. Com um número limitado de operadores carregando múltiplos fornos e com produtos que possuem regras de lote variadas, há o perigo de os logs ficarem no forno por muito tempo e cozinharem demais. Utilizando sondas de temperatura e dados do forno do MES e alimentando esses dados novamente no gêmeo digital, a equipe conseguiu encontrar perfis de temperatura ideais e cronogramas de forno otimizados para cada SKU.
“Os novos gráficos de taxa de variação mostram instantaneamente, numa rápida consulta, o resultado de múltiplas ondas de pressão". Antes eram necessários de 20 a 30 segundos para se ter uma ideia das ondas de pressão em toda a linha de produção. Podemos reagir mais rápido e manter as operações funcionando sem problemas".
—Blake Torok-Both, operador SCADA, Enbridge
A maior área de melhoria que a equipe viu foi no fatiamento do produto: depois que as peças são cozidas, são enviadas para as fatiadoras, que são máquinas complexas. Por meio de monitoramento rigoroso e ajustes nos parâmetros dessas máquinas, a equipe conseguiu encontrar as configurações ideais para as fatiadoras, aumentando o rendimento com a redução da perda das extremidades. Painéis com códigos de cores no chão de fábrica mostravam aos operadores os rendimentos das fatiadoras em tempo real para saberem exatamente quando as máquinas estavam apresentando desvios e precisavam ser ajustadas. Os modelos da Braincube sugeriram uma mudança de 0,05 mm e os operadores viram o efeito dessa mudança de 0,05 mm imediatamente. E com o desgaste das máquinas, essa informação propicia o prolongamento da vida útil de seus equipamentos.
Dashboards em tempo real para análise de variação de processo e produto.
Ajustando receitas para obter o produto ideal e aumentando o lucro em 10-12%.
Antes os operadores inseriam as receitas e apenas operavam as máquinas. Agora ajustam as receitas semanalmente para sempre obterem o produto ideal. Os benefícios se acumularam em todos os estágios do processo: a melhoria no tamanho da peça limita o desperdício; quando as peças são colocadas nos fornos, saem cozidos com uniformidade ideal e a Maple Leaf Foods está economizando dinheiro com energia desligando os fornos mais cedo; as fatiadoras estão gerando rendimento máximo e desperdício mínimo. Em apenas três meses, a Maple Leaf Foods teve retorno sobre o investimento e aumento de 10 a 12% no lucro bruto mínimo. Utilizando sua infraestrutura disponível e concentrando-se na identificação e na medição de cada caso de uso, a Maple Leaf Foods conseguiu ver ganhos precisos, economizando tempo e dinheiro.
“No MES, não apenas recebemos todos os dados do processo da planta, como temperaturas e ciclos de cozimento, mas também todo o contexto disponível no MES, de modo que, quando enviamos essas informações para o sistema de IA, conseguimos contextualizar os dados de processo com as informações de manufatura presentes nas ordens de produção e nos SKUs, de forma que todos esses dados de produção já chegam organizados para nós”.
—Blair Hembruff, Presidente, Cygnus Consulting
Destaques do produto
AVEVA Manufacturing Execution System
Anteriormente conhecido como Wonderware MES
Maximize a rentabilidade, a flexibilidade, a qualidade e a conformidade na produção gerenciando digitalmente as regras e informações de todas as atividades operacionais e eventos da fábrica em tempo real. Uma abordagem baseada no processo de trabalho e em modelos reduz o tempo de implantação e o custo de propriedade para implantações de fábrica e implantações de MES em vários locais.
