1. Contexto do Projeto
Uma indústria de bens de consumo enfrentava dificuldades para acompanhar a eficiência de sua produção. Os dados de apontamento eram registrados manualmente em planilhas, gerando relatórios consolidados apenas ao final do mês, com defasagem e alto risco de erro. A diretoria não tinha visibilidade sobre a quantidade de refugos, horas paradas e a produtividade real das linhas.
Sem indicadores claros de qualidade e produtividade, ações corretivas eram tomadas tardiamente, impactando o cumprimento de metas e aumentando os custos operacionais. A necessidade de um dashboard em tempo real tornou-se evidente para monitorar a produção diária e mensal, identificar gargalos e embasar decisões estratégicas.
2. Objetivos do Projeto
- Consolidar indicadores de produção: Total produzido, aprovado, rejeitado e horas paradas, com granularidade mensal e por operador.
- Calcular métricas de qualidade e produtividade: Percentuais de aprovação, rejeição e produtividade por mês, permitindo análises comparativas.
- Identificar sazonalidades e anomalias: Detectar meses com queda expressiva de produtividade ou aumento de refugos para ações corretivas rápidas.
- Filtrar por operador e período: Permitir que gerentes analisem o desempenho de equipes específicas e tomem decisões localizadas.
3. Dados e Modelagem (DAX)
Os dados foram extraídos do sistema MES (Manufacturing Execution System) e complementados com planilhas de apontamento. A modelagem segue o esquema estrela, com uma tabela fato de produção (apontamentos diários) e dimensões de tempo, operador, linha de produção e produto. Principais medidas DAX criadas:
Total Aprovado = SUM(fProducao[QtdAprovada])
Total Rejeitado = SUM(fProducao[QtdRejeitada])
Total Produzido = [Total Aprovado] + [Total Rejeitado]
Horas Paradas = SUM(fProducao[HorasParada])
% Produtividade =
DIVIDE(
[Total Produzido],
CALCULATE([Total Produzido], ALL(dCalendario[Mes])),
0
)
% Qualidade = DIVIDE([Total Aprovado], [Total Produzido], 0)Foram criadas também medidas de variação mensal e acumulado no ano, além de rankings de operadores por produtividade.
4. Visão Geral do Dashboard
O dashboard é composto por uma página principal com os seguintes elementos:
- KPIs superiores: Total Aprovado (3.084.251), Total Rejeitado (21.076), Total Produzido (3.105.327) e Horas Paradas (8.890).
- Gráfico de produção mensal: Barras mostrando a quantidade produzida mês a mês, evidenciando picos (julho com 320 mil) e vales (setembro 173 mil, dezembro 170 mil).
- Medidores de % Produtividade e % Qualidade: Indicadores circulares que variam conforme o mês selecionado (ex: janeiro 77,69%, fevereiro 100%, março 99,32%, etc.).
- Filtros interativos: Segmentadores para Operador (Todos ou específico) e Mês (permite analisar cada período individualmente).
5. Insights de Negócio
- Sazonalidade acentuada: A produção atinge seu pico em julho (320 mil) e janeiro (312 mil), mas cai drasticamente em setembro (173 mil) e dezembro (170 mil), sugerindo possíveis paradas para manutenção ou férias coletivas.
- Produtividade variável: Meses como fevereiro e março apresentam produtividade próxima de 100%, enquanto janeiro fica em 77,69%, indicando necessidade de investigar causas (curva de aprendizado, manutenções).
- Qualidade consistente: O percentual de qualidade mantém-se acima de 99% em todos os meses, demonstrando excelente controle de processos, com rejeição média de apenas 0,68%.
- Horas paradas como oportunidade: O total de 8.890 horas paradas no ano representa um custo significativo. Ações de manutenção preventiva podem reduzir esse número e aumentar a disponibilidade.
6. Perspectiva Contábil / Financeira
Cada unidade rejeitada (21.076 itens) representa perda de matéria-prima, mão de obra e overhead. Considerando um custo médio por unidade, o impacto financeiro pode ser estimado em centenas de milhares de reais. O dashboard permite quantificar essa perda e justificar investimentos em melhoria de processo.
As horas paradas (8.890) também têm um custo fixo associado (depreciação, salários, energia). A redução de 10% nesse indicador geraria economia direta e aumento da produção sem investimento adicional.
7. Perspectiva Jurídica / Tributária / Compliance
Em indústrias reguladas (alimentícia, farmacêutica), a rastreabilidade da produção é essencial para atender a normas como ISO 9001 e BPF. O dashboard permite acompanhar lotes com maior índice de rejeição, facilitando recalls e ações corretivas.
Do ponto de vista tributário, a quantidade produzida e aprovada é base para cálculo de tributos sobre produtos industrializados (IPI). A precisão dos dados evita inconsistências em declarações fiscais e autuações.
Nota: As análises apresentadas são de natureza gerencial e não substituem parecer jurídico formal.
8. Qualidade dos Dados e Limitações
Os dados utilizados são provenientes de um ambiente de teste, mas refletem a estrutura real do cliente. Principais limitações:
- Período analisado: 12 meses (ano completo), sem dados históricos de anos anteriores para comparação de tendências.
- Granularidade limitada a mês, sem visão diária ou semanal para análises mais detalhadas.
- Ausência de dados de custo por unidade para calcular impacto financeiro exato.
- Operador "Todos" pode mascarar variações individuais de desempenho.
9. Resultados e Impacto
Redução de 25h/mês
O tempo gasto com consolidação manual foi eliminado, liberando a equipe de PCP para análises estratégicas.
Visibilidade em tempo real
Gerentes passaram a acompanhar a produção diariamente, identificando rapidamente meses com baixa produtividade e agindo preventivamente.
10. Tech Stack Detalhada
- Power BI Desktop / Service
- DAX (medidas avançadas)
- SQL (extração de dados)
- Excel (dados complementares)
- Modelagem Star Schema
- Power Query (ETL)
11. Aprendizados e Próximos Passos
O projeto reforçou a importância de dados confiáveis e da integração entre sistemas de chão de fábrica e ferramentas de BI. Aprendemos que a sazonalidade na produção pode estar ligada a fatores externos (férias, manutenção) que precisam ser planejados.
Próximos passos: integrar dados de manutenção para correlacionar horas paradas com causas (quebras, setup); incluir metas de produtividade por linha; desenvolver alertas automáticos quando a produtividade cair abaixo de um limite.
12. Conclusão
Este dashboard de produção e qualidade demonstra como o Power BI pode transformar dados operacionais em informações estratégicas para a manufatura. Ao consolidar indicadores de produção aprovada, rejeitada, horas paradas e métricas de produtividade, a ferramenta capacita gestores a identificar gargalos, reduzir perdas e aumentar a eficiência global do equipamento, integrando visões de negócio, finanças e compliance.