Loading...
Publication
SmartTracking – Predictive Process Mining para Gestão dos Processos de Fabrico na Indústria dos Moldes
| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 2.35 MB | Adobe PDF |
Abstract(s)
Nos processos industriais, a capacidade de prever antecipadamente o tempo para a conclusão de um processo de negócio para produzir um determinado produto ou serviço, bem como a sequência de atividades que o mesmo irá seguir, é de extrema vantagem para as empresas conseguirem reagir atempada e apropriadamente, evitando bottlenecks, não conformidades, desvios e preverem prazos mais acertados. No setor dos moldes em particular, os processos não são de todo estacionários nem regulares, pelo contrário, são bastante dinâmicos e dependentes da decisão humana, características que trazem desafios adicionais ao planeamento e gestão da produção.
O projeto SmartTracking abrange o emprego de algoritmos de Predictive Process Mining (PPM) na área da produção de moldes de forma a solucionar diversos problemas associados à sua gestão e otimização, nomeadamente o cumprimento de prazos de entrega. A plataforma desenvolvida no âmbito deste projeto permite uma maior capacidade de definição e cumprimento dos prazos de entrega, bem como um registo de metas de progressos mais precisos. Além disso, disponibiliza informação que ajudará a que processos de fabrico, atualmente ad-hoc, se tornem cada vez mais regulares e planeáveis, ao invés da sua gestão ser feita conforme as circunstâncias momentâneas.
O presente projeto teve a oportunidade de envolver um cliente real: uma empresa internacional na área de produção de moldes. A referida empresa visava obter uma plataforma de software como prova de conceito por parte da equipa do Politécnico de Leiria que albergasse a gestão dos seus processos de fabrico de moldes. Em termos de lógica de negócio, a plataforma permite empregar algoritmos de PPM de forma a prever a próxima sequência de atividades, respetivos tempos de execução e tempo total para completude de cada molde em questão, de forma a solucionar e otimizar diversos problemas e desafios associados aos processos de fabrico e utilização dos seus moldes.
Aplicámos uma série de algoritmos com base nos estudos analisados. Para previsão da próxima atividade destacou-se o algoritmo Naive Bayes, com taxas de acerto semelhantes ou até superiores aos algoritmos de redes neuronais Deep Learning e MultiLayer Perceptron. No caso da previsão do ETTC, destacou-se o algoritmo SVR bem como a estratégia da média (da duração das atividades e respetivas transições) pelos seus RMSE ambos reduzidos. Ademais foi empregue uma abordagem que conjuga o poder do PM com ML e com informação de contexto de forma a aprimorar os resultados de previsão, organização e regularização dos processos de chão de fábrica respetivos.
Através dos resultados obtidos, concluiu-se que a aplicação de algoritmos de PPM permite uma visão melhorada acerca dos processos de negócio das empresas e respetivos desempenhos. Promove também o desenvolvimento de estratégias, sistemas e tecnologias que realmente se adequem à otimização dos mesmos. Esta solução pode ser aplicada a outras áreas de negócio e respetivos processos.
Description
Keywords
Process Mining Predictive Process Mining Machine Learning Data Science Business Process Discovery