Saltar para o conteúdo
Melhor.ia · por Pedro MaiaMelhor.ia · por Pedro Maia

Artigo

Automatizar o relatório semanal de produção: do Excel manual ao automático

O relatório que alguém monta à mão todas as semanas pode sair sozinho, a partir dos dados que já existem. Os cinco passos, de mapear o relatório atual a validar lado a lado, e onde a IA ajuda e onde não deve entrar.

Por Pedro MaiaPublicado a 7 min de leitura

A resposta curta

Automatizar o relatório semanal é ligá-lo diretamente às fontes de dados, com regras escritas, para que deixe de ser montado à mão. Em vez de alguém copiar, colar e corrigir fórmulas todas as segundas-feiras, o relatório atualiza-se sozinho e fica pronto quando os dados chegam.

Na maior parte das PME industriais, o relatório semanal de produção é feito numa folha de cálculo que cresceu ao longo dos anos. Junta dados do ERP, das folhas de registo dos turnos e, às vezes, de papéis no posto. Funciona enquanto a pessoa que o faz está presente e não se engana. Quando falta, o relatório não sai.

Este artigo descreve os cinco passos que sigo para o automatizar, com um exemplo ilustrativo do tempo em jogo.

Quanto custa o relatório manual

O custo do relatório manual não são só as horas de quem o faz: é também o atraso, os erros e a dependência de uma pessoa. Vale a pena fazer as contas antes de decidir.

Um exemplo ilustrativo, com números redondos para mostrar as contas (não são dados de uma fábrica real): se o relatório demora 3 horas por semana a montar e a fábrica trabalha 46 semanas por ano, são 138 horas por ano só a copiar, colar e verificar. Quase um mês de trabalho de uma pessoa, todos os anos, sem acrescentar nada ao produto.

Há três custos que não aparecem nessas horas:

  • Atraso. O relatório da semana passada chega na terça ou na quarta-feira. Quando a reunião o discute, os problemas já têm vários dias.
  • Erros. Uma linha colada no sítio errado ou uma fórmula que deixou de apanhar a última coluna. Ninguém dá por isso até um número parecer estranho.
  • Dependência. Só uma pessoa sabe de onde vem cada número. Se essa pessoa sai, o relatório sai com ela.

Passo 1: mapear o relatório que já existe

Antes de automatizar, liste cada número do relatório: de onde vem, quem o regista, que contas leva e que decisão apoia. É o passo mais útil de todos, e costuma eliminar uma parte do relatório.

Uma tabela simples chega:

Número Fonte Quem regista Transformação Quem usa e para quê
Peças produzidas por máquina ERP (exportação) Automático Soma por semana Direção: cumprimento do plano
Paragens por causa Folha de turno Operador Soma de minutos por causa Chefia: ações da semana
Sucata por causa Folha de qualidade Inspetor Soma e custo Qualidade: Pareto

Ao fazer este mapa, aparecem sempre números que ninguém usa, números que são calculados de três formas diferentes conforme quem faz o relatório e números que dependem de uma correção manual que ninguém documentou. Os primeiros saem. Os outros precisam de uma regra escrita antes de serem automatizados.

Passo 2: arrumar as fontes

A automação só é fiável se as fontes tiverem estrutura estável: uma linha por registo, as mesmas colunas todas as semanas e códigos fechados em vez de texto livre. Muitas vezes, este passo é metade do trabalho.

Algumas regras para as folhas de registo que vão alimentar o relatório:

  • uma linha por registo (uma paragem, uma ocorrência de sucata), sem células unidas nem totais a meio;
  • datas como datas, quantidades como números, sem unidades escritas na mesma célula;
  • causas escolhidas de uma lista fechada, e não escritas à mão;
  • cada registo ligado à máquina, ao turno e, sempre que possível, à ordem de fabrico;
  • um sítio fixo para os ficheiros, com nomes previsíveis.

Do lado do ERP, normalmente basta uma exportação com sempre as mesmas colunas, guardada numa pasta conhecida. Ligar diretamente à base de dados do ERP é possível, mas exige mais cuidado e a colaboração de quem o gere.

Passo 3: escolher a ferramenta

Se tudo vive em Excel e a equipa tem de conseguir manter a automação, Power Query; se há muitas fontes, muitos dados ou é preciso agendar e enviar o relatório, Python. A IA ajuda nas duas, mas não substitui nenhuma.

  • Power Query já vem com o Excel. Junta e transforma ficheiros e exportações com passos que ficam registados e se repetem com um clique em “Atualizar”. É a escolha certa quando o relatório é lido em Excel e quem o mantém está habituado a Excel.
  • Python (com bibliotecas como o pandas) faz o mesmo e mais: corre sozinho a uma hora marcada, lida bem com volumes grandes, gera ficheiros e envia o relatório por email. Exige alguém que perceba o mínimo de código, ou documentação muito clara.
  • IA, na forma de assistentes de programação, ajuda a escrever e a testar as consultas de Power Query e o código Python muito mais depressa. Também pode redigir um parágrafo de resumo a partir dos números já calculados.

O que a IA não deve fazer é calcular os números. Os totais, as médias e os indicadores calculam-se com regras fixas, que dão sempre o mesmo resultado com os mesmos dados. A IA escreve o código; o processo define as regras.

Passo 4: validar lado a lado

Durante duas ou três semanas, o relatório automático e o manual correm em paralelo, e só se desliga o manual quando os números batem certo. Cada diferença tem uma explicação, e é preciso encontrá-la.

As diferenças costumam cair em três grupos:

  1. Erros do relatório manual. Acontecem mais do que se pensa, e é bom encontrá-los.
  2. Regras implícitas. A pessoa que fazia o relatório excluía certas ordens, ou corrigia um valor “porque já se sabe que aquela máquina conta a dobrar”. Estas regras têm de ser escritas e passar para a automação, ou ser abandonadas de forma consciente.
  3. Erros da automação. Uma coluna mal interpretada, um filtro esquecido. Corrigem-se e volta-se a comparar.

Esta fase também serve para quem lê o relatório ganhar confiança nele. Um relatório automático em que ninguém confia volta a ser refeito à mão.

Passo 5: entregar e manter

A automação só está terminada quando alguém na empresa sabe pô-la a correr, perceber um erro e saber a quem ligar quando uma fonte muda. Sem isto, a fábrica troca a dependência de uma pessoa pela dependência de um ficheiro que ninguém percebe.

O que deve ficar entregue:

  • uma página com a lista das fontes, onde estão e quem as alimenta;
  • as regras de cálculo escritas em linguagem simples;
  • o que fazer quando o relatório dá erro ou um número parece estranho;
  • uma pessoa da empresa formada para atualizar e corrigir o mais comum.

A automação pode correr inteiramente nos computadores da empresa. Se for usada alguma ferramenta de IA externa, deve ficar decidido e escrito que dados lhe podem ser enviados.

Um exemplo do terreno: o relatório que se lê sozinho

O mesmo princípio serve para relatórios que hoje ninguém lê: em vez de os montar, a ferramenta lê-os quando chegam e só avisa quando é preciso. Na fábrica de cabos onde fui responsável de Melhoria Contínua, os relatórios de qualidade das linhas de extrusão eram guardados e só consultados depois de um problema.

A ferramenta que desenvolvi com apoio de IA segue um fluxo simples: o relatório chega a uma pasta partilhada, já ligado à ordem de fabrico; a ferramenta deteta o ficheiro novo, normaliza os dados, calcula os indicadores, compara com os limites de cada variável e emite um alerta quando algo precisa de atenção. Ninguém tem de abrir o relatório para saber se há um problema. O caso completo está em ferramentas de análise de dados de qualidade, desenvolvidas com IA.

O passo mais importante, mais uma vez, não teve IA: foi normalizar a forma como os relatórios eram gerados, para cada um ficar ligado à sua ordem de fabrico. E o último também não: para a ferramenta entrar no dia a dia, é preciso que alguém defina os limites de cada variável e que os relatórios cheguem sozinhos à pasta. São decisões da organização, e convém tomá-las no início.

Por onde começar

Comece pelo relatório que mais tempo custa todas as semanas e cujos dados já estão registados, mesmo que de forma desarrumada. É o caso de uso com o retorno mais fácil de medir: horas por semana que deixam de ser gastas a copiar dados.

A automação de relatórios é um projeto de 1 a 2 semanas que segue estes cinco passos, e deixa a equipa capaz de manter o que foi feito. Quando o objetivo é ver os indicadores todos os dias e não só uma vez por semana, o passo seguinte são dashboards e KPIs de produção. O guia inteligência artificial na indústria explica onde a IA faz sentido numa PME e onde não faz.

Na prática

Serviços e guia relacionados

No blog

Continuar a ler

  • Como calcular o OEE: exemplo passo a passo

    Um turno de uma injetora, do registo das paragens ao OEE final, com as perdas convertidas em minutos. E o erro mais comum ao juntar turnos e máquinas: fazer a média das percentagens.

Quer aplicar isto na sua fábrica?

Numa conversa de 30 minutos, sem custo, vemos onde estão as maiores perdas e por onde faz sentido começar.