Bem-vindos! Quando se fabrica um produto ou presta um serviço, o objetivo é que eles tenham zero defeitos e que a qualidade seja total. E a tecnologia presta, cada vez mais, um apoio inestimável a este sonho, que é muito difícil de concretizar. É precisamente sobre o controle de qualidade na indústria que falamos hoje. E falamos deste tema com os convidados João Redol, é CEO da Neutroplast, uma empresa de embalagens para a indústria farmacêutica e serviços de saúde, e com Pedro Chaves, que é Senior Business Development Manager da SAS, empresa de soluções e software analítico. Eu sou o Paulo Ferreira e este é o regresso da Indústria, uma série que resulta de uma parceria entre o Observador e a Quatec. Sejam ambos bem-vindos, João e Pedro.

Obrigado.

Muito obrigado.

João Redol, começando por si, primeiro perguntar-lhe o que é que faz a Neutroplast e depois também perceber como é que abordam a questão do controle da qualidade e se os defeitos nos produtos ainda são um problema relevante ou se já são uma variável relativamente residual.

Boa tarde a todos. Agradecer esta oportunidade. O que é a Neutroplast? A Neutroplast é uma indústria transformadora, ou seja, dedica-se a transformar e a criar produtos, no nosso caso, com base na resina plástica. E o que fazemos? Embalagens que servem para acomodar medicamentos e também para a própria toma desses medicamentos a nível de dispositivos médicos. Nós estamos claramente virados para o bem fazer as coisas e esse é o nosso foco. É claro que o problema da qualidade ainda é muito premente. Se nós olharmos para o que é hoje a qualidade, na generalidade das empresas, é olharmos para o produto acabado e vermos se o produto foi bem feito ou não. E o futuro, que é esse onde nós temos vindo a colaborar com a SAS, é exatamente percebermos, antes do produto estar terminado, se conseguimos estar a perceber, através de um conjunto de sinais e de um conjunto de imagens, se o produto vai sair efetivamente bem ou não, ainda antes de ele estar terminado. Daí o ser tão importante este caminho para o zero defeitos, mas para chegarmos aí, não é só controlar o produto no final, mas sim ter ferramentas que nos permitam controlar todas as fases do processo para, assim que detetemos um pequeno problema, podermos intervir imediatamente antes do produto estar feito.

Portanto, é um processo, por aquilo que estamos a perceber, que intervém ao longo de todo o processo produtivo. Pedro Chaves, como é que se vai controlando a qualidade desde a matéria-prima, todo o processo produtivo, até o produto final? Com que ferramentas tecnológicas é que abordam esta questão?

Antes de mais, boa tarde e obrigado pelo convite também. Indo direto à pergunta, o que nós estamos aqui a falar é na utilização de todos os dados que temos disponíveis para nos dar a informação que me permita tomar as melhores decisões. E no fundo, é pegar em tudo o que são dados que existem hoje, ao longo de todo o processo de fabrico, integrá-los com todos os dados que existem das notas de encomenda, dos sistemas de gestão de produção e a partir daqui conseguir modelá-los para me dar informação com as quais eu consiga tirar e tomar as melhores decisões. Decisões essas baseadas em factos. Portanto, esta é a forma como estas ferramentas tecnológicas podem ajudar realmente a agilizar e a reduzir todo este processo de controle de qualidade.

E isso funciona como? Com sensores ou com formas de obter informação ao longo do processo de fabrico, que depois é vista, trabalhada de alguma maneira?

Todo o processo de dados, de tratamento e de ciclo de vida da analítica, chamemos-lhe assim, aquilo que já hoje em dia também de uma forma grosseira, obviamente, se fala de inteligência artificial e depois os processos de machine learning, etc. O que acontece é realmente pegar em tudo o que são dados, que muitas vezes na indústria, que já tem máquinas modernas, esses dados ficam nas próprias máquinas, mas é pegar nesses dados dessas máquinas, integrá-lo com as notas de encomenda, integrá-los com as instruções de fabrico. A partir daqui, conseguir modelá-los, conseguir fazer expressões que permitem também depois olhar para a qualidade e perceber como é que a qualidade vai sair e poder atuar. Eu dou um exemplo muito engraçado, que tem a ver com root cause analysis. E no fundo é: eu tenho uma determinada fábrica, esse processo de fabrico tem 20 ou 30 máquinas e eu numa determinada máquina começo a ter defeitos. E de repente quero perceber o que é que provoca estes defeitos. Então o que eu vou fazer é pegar em todos os dados das máquinas que eu tenho, e que estamos a falar, por exemplo, de 600 variáveis diferentes, cada uma com resultado segundo a segundo. Vou pegar também em todas as ordens de produção que eu tenho, vou correlacionar todos estes dados e o que este processamento e esta modelação vai permitir perceber é quais são as condições que todas as 20 máquinas da minha linha de produção têm, que originam determinado defeito. E isto é um dos exemplos.

No fundo, analisar os desvios depois, é isso?

Exatamente, relacionar as variáveis. Por exemplo, quando estamos a falar de 600 variáveis, como eu disse, é impossível qualquer ser humano conseguir olhar para 600 variáveis. O que estes sistemas de tratamento de dados me permitem fazer é, dessas 600 variáveis, perceber as cinco ou seis que têm influência na ocorrência desse defeito. E aí sim, focar nessas cinco ou seis para tentar resolvê-las. Permite-me também, por exemplo, perceber quais são as condições em que as máquinas estão todas para que esses defeitos não aconteçam. De tal maneira que eu posso dizer: quando a máquina A está com a velocidade entre este eixo dado e com a temperatura entre este eixo dado, os meus defeitos não ocorrem. E então, de uma forma holística e para toda a fábrica, eu definir quais são os parâmetros de operação da máquina que minimizam esses defeitos.

Claro, através do tratamento desses dados. João Retol, consegue dar-nos exemplos de um ou dois problemas concretos que tenham sido resolvidos com este processo?

Sim, posso. Como é óbvio, talvez o mais relevante e que nós sentimos nas operações diárias, é que nós antes tínhamos procedimentos standard e que eram definidos a nível de controle de qualidade, em que tínhamos que a cada X horas ir recolher o produto, fazer uma série de análises. Hoje em dia, essa decisão é tomada pelo próprio sistema, em função de todo o histórico, de como está a correr a produção, de todos os sinais que vai tendo ao longo da produção, ele vai determinando se aquele produto que está a ser fabricado, se tem que ser inspecionado de duas em duas horas, ou de quatro em quatro, ou até de oito em oito horas. E isto tem tudo a ver com os resultados de todo o histórico que nós temos armazenado de todos os anos de atividade e também de tudo o que está a acontecer naquele momento na máquina. Enquanto que antigamente nós, como não tínhamos estes dados, o que tínhamos era um procedimento standard, fosse o produto A, mais fácil, ou o produto B, mais difícil, aplicávamos o mesmo procedimento de controle, porque não tínhamos forma de estar exatamente a perceber qual é que poderia ter defeito ou não. Hoje, o que conseguimos é que o operador seja muito mais eficiente enquanto está a fazer essa parte do controle de qualidade. Outro exemplo que posso dar é, em função dos sinais que a câmera está a ver durante a parte do controle de qualidade, nós estamos a montar um sistema que determina quais são as operações que o operador tem que fazer em seguida. Enquanto que até hoje, o operador dizia: "bem, agora eu tenho que ir àquela máquina que o tabuleiro já está cheio e preciso ir ver se aquilo está bom ou não". Não, a partir de agora, não. Ele tem um ecrã, em que lhe vai dizer logo: "olha, agora tem que ir àquela máquina e aquela máquina tem um risco de defeito baixo". Portanto, o operador chega àquela máquina e só tem que fazer as operações para um risco de defeito baixo. Se desse um risco de defeito alto, já teria que ter outro conjunto de ações a determinar. Pronto, e isto são apenas dois exemplos, de como termos a informação que existe, mas ela estando disponível e nos ajuda a tomar decisões, conseguimos aumentar muito a eficiência das pessoas. E quando falamos em produtividade, é exatamente isto. É criar as condições para que, e aqui mal falando um pouco Portugal, em que dizemos sempre que os portugueses lá fora são muito bons. Não, os portugueses cá dentro também são muito bons, mas se tiverem as ferramentas de apoio necessárias.

Portanto, exatamente, e têm essas ferramentas. Pedro Chaves, este tipo de ferramentas é desenvolvido à medida, neste caso, diretamente para a Neutroplast, ou são ferramentas que existem para este tipo de indústria, que depois são aplicadas neste tipo de fábricas?

Isto, no fundo, é uma plataforma que me facilita a utilização dos dados. E essa plataforma depois é customizada a cada cliente. E os problemas dividem-se normalmente em quatro grandes fases e são transversais ao mercado, não tem só a ver com a indústria. Claro que depois, há uma determinada modelação que começa a ser específica por indústria. O que eu quero dizer com isto? Como eu disse, existem quatro fases. A primeira é descritiva. E a primeira fase de uma empresa é pegar em todos os seus dados e perceber qual é o estado em que a empresa está. Quais são os parâmetros da empresa, quais são as máquinas que produzem mais, as que produzem menos, de uma forma factual, com todos os dados. Uma vez isto, eu posso pegar nesses dados e começar a fazer alguns diagnósticos. A partir daqui, passamos à fase que começa a ser mais interessante, e que é aí que entram os algoritmos e o machine learning e as inteligências artificiais, que é entrar na fase preditiva. É eu modelar esses dados e conseguir dizer que amanhã aquela máquina vai avariar com base nestes parâmetros que eu tenho ao dia de hoje. E finalmente, uma fase prescritiva. Isto são as quatro áreas. O que nós temos aqui é uma plataforma que permite precisamente às empresas começarem a pegar nesses dados e entrarem neste ciclo de maturidade, chamemos assim, da aplicação da analítica na sua empresa.

João Retol, diga.

Eu ia só complementar, porque outra das grandes vantagens que existe em termos uma ferramenta específica de analítica, é que permite depois Juntar todas as ferramentas que nós temos disponíveis na empresa. Que desde o software de produção, ou software de gestão, ou software de faturação, ou software comercial, isso são um conjunto de bases de dados. E depois cada um desses softwares tem uma ferramenta de análise, mas ela não permite juntar depois essas diferentes bases de dados. E ao existir uma ferramenta de analítica específica, e que existem várias, eu recomendo esta porque é a que nós utilizamos e que estou muito contente, mas existem outras. Mas é o podermos juntar todas estas diferentes bases de dados que temos dentro da empresa e sem termos que tornar o sistema muito complexo por ter tudo dentro da mesma base de dados, conseguimos ter depois a facilidade de estar a olhar para cada dado de forma interligada e ter indicadores já muito complexos e que se não tivermos uma ferramenta destas, eu diria que é praticamente impossível tirarmos as conclusões que tiramos hoje.

João Rotondo, a introdução destas ferramentas, de alguma forma, fez mudar o perfil de pessoas para algumas funções que contratam e que têm a trabalhar para a Neoplast?

Muitíssimo. Aqui as funções com o perfil mais genérico cada vez são menos. Nós antes tínhamos, eu diria, quase 75% de operadores. Hoje nós temos 30% de operadores a nível do conjunto de pessoas que trabalham na empresa. E isto advém por lhes tornarmos a vida um pouco mais fácil, ou pelo menos mais simples aqui na parte da tomada de decisões para que consigam executar muito mais. Esse foi um dos pontos principais. É claro que depois para estarmos a trabalhar este tipo de tecnologias, é sempre bom nós adquirirmos algumas competências internas e para isso nós fomos recrutar alguém com o perfil específico para análise de dados e que está hoje em dia a trabalhar na empresa a 100% e isso facilita-nos muito depois em todas as mudanças e a todas as coisas que vão acontecendo ali no dia a dia e de forma a não estarmos dependentes de uma consultora ou isso para cada vez que queremos estar a fazer alguma alteração. Portanto, sim, há aqui uma mudança de perfil, mas isto é o que faz sentido aqui nas empresas, é termos pessoas com cada vez mais capacidade de know-how, para que torne a vida depois mais fácil, quer aos outros funcionários, quer aos nossos clientes e também aos nossos parceiros.

Eu aqui, Paulo, acrescentava também um ponto que é bastante interessante e importante, que é, e um pouco em seguimento também da resposta anterior, isto é uma plataforma, mas é uma plataforma matemática e não funciona como plataforma matemática só, faz correlação entre números. Portanto, é extremamente importante que as pessoas das próprias empresas, dos próprios processos, estejam envolvidas, porque não há ninguém melhor do que elas que conhecem a máquina, conhecem a fábrica, conhecem o que produzem. E isto vai no sentido de uma coisa que está a acontecer também a esta tecnologia, que é a própria democratização da tecnologia. Enquanto antigamente eu precisava de grande data scientists e matemáticos puros e duros, há todo um deslocamento, e é uma das iniciativas do próprio SAS, na democratização da analítica, no sentido em que a maior parte das pessoas possam utilizar modelação, utilizar esta ferramenta para modelar as máquinas que eles próprios conhecem. E também, já agora, depois de resolver um problema, continuar para o problema seguinte com os dados. Porque uma das diferenças grandes que existe entre o tratamento de dados e qualquer outra solução de sistemas de informação, seja um RP, seja o que for, é que quando instalo uma solução, eu instalo uma solução de informática e ela, se eu não lhe mexer mais, que não acontece, de qualquer das maneiras, ela continua sempre a funcionar. Com os dados, não. Até porque os dados são uma coisa dinâmica e vão variando ao longo do tempo. Então de tempos a tempos eu tenho que retreinar tudo o que sejam modelos e tudo o que sejam algoritmos. E para isso eu preciso das próprias pessoas que atuam nas máquinas, que tenham a capacidade de conseguir manipular este tipo de informação. E isso é um ponto importante que é precisamente a democratização da analítica.

Pedro Chaves, estas ferramentas são de alguma forma escaláveis? Como é que nós estamos em Portugal ao nível de desenvolvimento destas ferramentas? Como é que comparamos com outros países? Somos sobretudo receptores daquilo que é feito noutros países ou fazemos desenvolvimento cá dentro?

Já há algumas empresas nacionais que têm algum desenvolvimento, mas é um desenvolvimento muito ad hoc. E vamos lá ver, há aqui duas questões. Uma é a ferramenta, a plataforma, que me permite eu depois pegar nos meus dados e customizá-los, e tratá-los, e modelá-los, etc. E isso sim, em Portugal já se faz. Não só os nossos parceiros, porque o SAS trabalha sempre com base num conjunto de parceiros, que têm esse know-how para pegar nessas ferramentas e modelar de acordo com o problema, com os desafios dos clientes, mas a nossa visão é que também os próprios clientes utilizem essas ferramentas, nomeadamente a do SAS, no sentido em que nós estamos a democratizá-la. Eu costumo ter aqui uma visão interessante, que faz parte também do próprio SAS, que é um pouco uma analogia Com o Office. Se calhar há 20 ou 30 anos, poucas pessoas eram capazes de fazer um e-mail ou fazer uma apresentação, ou um documento. Faziam à mão e depois passavam a alguém que escrevia à máquina. Hoje em dia isso não passa pela cabeça de ninguém. Eu chego ao computador e abro o computador, envio o meu próprio e-mail, faço a minha apresentação, faço o meu documento. Da forma como os dados estão a ser criados, seja por sistemas de IoT, seja pela própria internet, pela integração destes dados todos, é natural, e é para aí que nós estamos a puxar com a democratização também da analítica, é natural que daqui a 10 anos, daqui a cinco anos, as ferramentas de analítica sejam mais uma ferramenta que eu tenho e que eu possa utilizar no meu dia a dia. E no meu dia a dia profissional, e vamos olhar para a Neutroplast com os seus dados todos de qualidade, de gerir e perceber quais são as máquinas e o operador, e as pessoas do João conseguirem, de uma forma relativamente simples, sem terem que ser data scientists, manipular esses dados e perceber e tirar os dezes foras. Seja do ponto de vista até pessoal, porque hoje em dia com os relógios dos wearables, que têm todo um conjunto de informação que está permanentemente a ser criada, nomeadamente o meu próprio telefone, eu quero poder trabalhar esses meus dados da maneira mais simples que eu conseguir. Portanto, nós acreditamos seriamente na democratização da analítica e na utilização como uma ferramenta e uma plataforma.

O que implica, obviamente, que sejam relativamente fáceis e intuitivas de utilizar, não é?

Exatamente.

Bom, estamos a chegar ao fim deste nosso programa. João Redol, que lições é que se podem tirar desta jornada, deste caminho, com o objetivo de defeito zero?

Bom, de forma muito resumida, é dizer, um: isto não é uma coisa que se faça num único momento, isto demora tempo, é um caminho longo para atingirmos, diria que a perfeição, o defeito zero. O segundo é a empresa, as organizações dotarem-se das melhores ferramentas de suporte para que os seus recursos humanos possam tomar as melhores decisões.

Pedro Chaves, a mesma questão, lições a retirar.

Sim, completando o que o João começou por dizer, que não é um problema fácil de resolver, e não é. E como tal, em termos de lições retiradas, é começar com um problema simples e concreto. E a primeira coisa a fazer é: qual é a pergunta que eu quero responder? E a partir daí ver se tem dados e resolvê-la. E pensar que não vai ser uma solução, que eu vou ter uma solução fechada e que ficou estática, não, é um processo. E portanto, vou começar com um processo simples que depois vou implementando, integrando, aumentando até ser uma coisa mais ou menos, corriqueira nunca vai ser, mas mais ou menos normal dentro dos processos da minha empresa.

E aí também é o início de um processo de aprendizagem, certamente, não é?

Exatamente. Ao longo do crescimento, para crescer em conjunto.

Chegamos ao fim deste programa, resta-me agradecer a João Redol, da Neutroplast, e a Pedro Chaves, do SAS, o facto de terem estado aqui connosco a partilhar o seu conhecimento e as suas experiências. O Regresso à Indústria é uma parceria entre o Observador e a Ecotec. Regressamos no próximo programa.

Projeto cofinanciado do Compete 2020, Portugal 2020 e União Europeia, através do Fundo Europeu de Desenvolvimento Regional