Casos

Casa > Casos > Dongguan Qiaosen Machinery Co., Ltd. Último caso da empresa sobre Projeto de Análise de Causa Raiz de Tempo de Inatividade Digital e Promoção de OEE: Atualização de Produtividade Lean para 12 Linhas de Estampagem Automáticas

Eventos

Notícia

Casos

Contacte-nos

titi@qiaosenmachinery.com

86-0769-26626853

Contato agora

Projeto de Análise de Causa Raiz de Tempo de Inatividade Digital e Promoção de OEE: Atualização de Produtividade Lean para 12 Linhas de Estampagem Automáticas

2026-09-11

Projeto de Análise de Causa Raiz de Tempo de Inatividade Digital e Promoção de OEE: Atualização de Produtividade Enxuta para 12 Linhas de Estampagem Automáticas

Ciclo de Implementação do Caso: Outubro de 2025 – Setembro de 2026 (verificação de produção em massa de ciclo completo de 12 meses)

Contexto da Empresa: A empresa do caso é uma fornecedora automotiva de estampagem de nível 2 com 12 linhas de estampagem automáticas, produzindo suportes metálicos e placas de reforço. Antes da transformação, a oficina utilizava formulários em papel para registro manual de tempo de inatividade. O OEE médio permaneceu em 66,4%, com paradas menores não classificadas frequentes, longo tempo de troca de moldes e baixa confiança nos dados de perda registrados. O custo unitário permaneceu alto e entregas ocasionais atrasadas afetaram a avaliação do cliente. A partir de outubro de 2025, a empresa construiu um sistema digital de registro de tempo de inatividade, padronizou a classificação de perdas de estampagem, realizou análise de Pareto e lançou atividades Kaizen direcionadas. Após 12 meses de melhoria contínua, a avaliação completa dos benefícios foi concluída.

Dados de Linha de Base Real Antes da Transformação (Estatísticas Oficiais da Oficina de Outubro de 2025)

OEE médio da oficina: 66,4%
Paradas menores não planejadas por turno: 14,2 vezes
Tempo médio de configuração de troca de molde por lote: 72 min
Precisão dos dados de causa raiz de tempo de inatividade: 58%
Taxa de sucata relacionada ao tempo de inatividade: 1,91%
Custo de produção unitário relativo: 100% de linha de base
Taxa de entrega pontual de pedidos: 91,2%
Valor mensal da perda causado por baixo OEE: USD 14.320

Medidas Essenciais de Implementação de Transformação Padronizada

Desenvolver biblioteca de classificação de seis grandes perdas específica para estampagem, definir cada tipo de parada, treinar operadores, equipe de manutenção e qualidade para unificar os padrões de julgamento.
Implantar módulo de registro de tempo de inatividade com um clique no HMI em cada linha de estampagem, vincular contador de cursos e temporizador de produção, registrar automaticamente o horário de início/fim de cada evento de parada.
Coletar dados de linha de base contínuos de 6 semanas, gerar gráfico de Pareto e confirmar os três principais itens de perda: travamento de sucata menor, configuração de troca de molde e alarmes de alimentação.
Lançar atividades de melhoria direcionadas: implementar troca rápida de molde SMED, otimizar a estrutura da calha de sucata, calibrar os sensores de detecção de folha dupla do alimentador, construir um cronograma de manutenção preventiva para a prensa e o molde.
Estabelecer reunião semanal de revisão de OEE, rastrear o efeito da melhoria, atribuir itens de ação e formar gerenciamento de ciclo fechado para causas de parada recorrentes.
Ajustar a lógica de avaliação de desempenho, mudar o foco de punição simples do número de OEE para incentivo à melhoria da causa raiz, encorajar os operadores a relatar paradas menores com veracidade.

Tabela Comparativa Abrangente de Dados de Operação Real de 12 Meses

Indicadores Essenciais de Produtividade e Gerenciamento	Antes da Melhoria Digital do OEE	Após 12 Meses de Operação Estável	Melhoria Abrangente Quantificada
OEE médio da oficina	66,4%	81,7%	+15,3 pontos percentuais
Paradas menores não planejadas por turno	14,2	4,7	-66,9%
Tempo médio de configuração de troca de molde	72 min	38 min	-47,2%
Precisão dos dados de estatísticas de tempo de inatividade	58%	96,2%	+65,9%
Taxa de sucata relacionada ao tempo de inatividade	1,91%	0,63%	-67,0%
Custo de produção unitário relativo	100%	87,3%	-12,7%
Taxa de entrega pontual de pedidos	91,2%	98,4%	+7,2%
Perda econômica mensal por baixo OEE	USD 14.320	USD 4.180	Economia mensal de USD 10.140

Estudo de Caso Aprofundado Completo de Perguntas e Respostas (Verificação Real do Projeto e Análise de Dados)

P1: Por que a equipe do projeto escolheu paradas menores e configuração de molde como itens prioritários de melhoria?

R1: Após coletar 6 semanas de dados digitais de linha de base, a análise de Pareto mostrou que as paradas menores representavam 41% do tempo total perdido e a configuração de molde ocupava outros 28% da perda. Esses dois itens juntos contribuíram com 69% da perda total de produção. No passado, os registros em papel capturavam apenas grandes avarias de máquinas, enquanto paradas menores e curtas eram ignoradas. Assim que a estrutura real da perda ficou visível, a equipe alocou a maior parte dos recursos Kaizen para esses dois itens de alto impacto, em vez de gastar orçamento na prevenção de grandes avarias de baixa frequência. Essa prioridade baseada em Pareto trouxe ganhos óbvios de produtividade nos primeiros 3 meses.

P2: Que resistência a equipe encontrou ao promover o registro de tempo de inatividade com um clique entre os operadores?

R2: A principal resistência veio da preocupação dos operadores de que o registro detalhado de paradas levaria a penalidades de desempenho. Alguns operadores tendiam a ocultar paradas menores ou selecionar causas raiz vagas. A gerência ajustou claramente a política de avaliação: o objetivo do registro de tempo de inatividade era a melhoria, não a punição do operador. A equipe realizou treinamento em grupo, demonstrou como a análise dos dados de parada ajudava a reduzir sua carga de trabalho repetitiva de solução de problemas. Depois que os operadores viram que o travamento de sucata e os alarmes de alimentação foram reduzidos por meio de projetos de melhoria, sua disposição em registrar eventos com veracidade aumentou muito, e a precisão dos dados gradualmente subiu de 58% para mais de 96%.

P3: Calcule o ROI e o período de retorno deste projeto de melhoria digital do OEE.

R3: O investimento total do projeto foi de USD 19.600, incluindo implantação de módulo HMI, contadores de cursos, treinamento de pessoal, serviço de consultoria enxuta e configuração do sistema de classificação de perdas. A economia econômica mensurável mensal é de USD 10.140, portanto, o benefício direto anual atinge USD 121.680. Período de retorno simples = 19.600 / 121.680 ≈ 0,16 ano, aproximadamente 1,9 meses. Benefícios implícitos, incluindo maior pontuação de auditoria do cliente, capacidade extra disponível e menos mão de obra de horas extras, não foram contados neste cálculo.

P4: Como o OEE aprimorado ajuda a fábrica a aceitar pedidos urgentes extras sem adicionar máquinas?

R4: Antes da melhoria, as linhas tinham muita capacidade perdida oculta presa em paradas frequentes e longo tempo de configuração. Após o OEE aumentar em 15,3 pontos percentuais, a oficina obteve capacidade extra equivalente de quase duas linhas de estampagem completas. Quando os clientes liberavam pedidos adicionais urgentes, a fábrica conseguia absorvê-los dentro dos turnos de trabalho existentes sem comprar novas prensas ou organizar horas extras caras de fim de semana. A capacidade disponível flexível fortaleceu muito a competitividade da fábrica em licitações para pedidos automotivos de curto prazo.

P5: Qual mecanismo de longo prazo impede que o OEE caia após a conclusão do projeto?

R5: Três regras de gerenciamento de ciclo fechado foram estabelecidas. Primeiro, reunião semanal de revisão de OEE: revisar o gráfico de perdas de Pareto, verificar se as ações de melhoria anteriores foram eficazes e atribuir novas contramedidas para causas de parada recém-surgidas. Segundo, treinamento contínuo de operadores para lançamentos de novos produtos: adicionar treinamento de análise de perdas ao SOP de teste de produção de novos produtos. Terceiro, construir uma biblioteca de conhecimento de causas de tempo de inatividade recorrentes, para que problemas semelhantes possam ser resolvidos rapidamente quando aparecerem novamente. O sistema converte ganhos de projeto únicos em capacidade de gerenciamento enxuto diário, sustentando alto desempenho de OEE durante todo o ano.

Conclusão Abrangente do Caso e Perspectivas da Indústria

Esta verificação de produção em massa de ciclo completo de 12 meses prova que a análise de causa raiz de tempo de inatividade digital e a promoção sistemática de OEE são um projeto de transformação enxuta de alto retorno para oficinas de estampagem. Muitas plantas de estampagem investem pesadamente em novos equipamentos, ignorando a enorme perda de capacidade oculta de paradas não documentadas e troca de moldes ineficiente. Ao visualizar os dados de perda de produção, priorizar itens de melhoria e construir gerenciamento enxuto de ciclo fechado, os fabricantes podem liberar uma capacidade latente massiva, reduzir o custo de produção unitário e aumentar a confiabilidade da entrega de pedidos. À medida que os clientes automotivos e de nova energia aumentam continuamente os requisitos para estabilidade de produção e maturidade de gerenciamento enxuto, o gerenciamento de perdas digitais de OEE se tornará uma capacidade central padrão para fornecedores de estampagem competitivos.

Envie-nos seu inquérito diretamente