Inteligência de negócio aplicado à análise de processos da indústria 4.0 através do software Power BI

Abstract

O atual contexto global exige buscas constantes por maior eficiência, redução de custos e aumento da produtividade em curto período. Estes fatores propulsionaram o surgimento da Indústria 4.0, que tem como objetivo o aumento global de receitas e a melhoria da qualidade de vida da população através de tecnologias interconectadas. Um dos principais pilares da Indústria 4.0 é a tomada de decisão baseada em dados, no qual é possível analisar processos industriais constantemente a fim de obter indicadores que refletem o desempenho da área de negócio. Uma das principais tecnologias que facilita a modularidade e escalabilidade das soluções industriais é a arquitetura de comunicação orientada a serviços, no qual cada serviço desempenha sua funcionalidade de maneira específica e desacoplada dos demais serviços. Pensando nisso, esse trabalho propõe a utilização da arquitetura orientada a microsserviços (MOA) a fim de levantar indicadores que avaliam os processos industriais. Para isso, utiliza-se uma planta piloto que simula um contexto industrial no qual são coletados os dados relacionados aos parâmetros do controlador e aos valores dos sensores e atuadores. Destaca-se que o framework utilizado para executar a aplicação é o Moleculer e o banco de dados onde as informações são salvas é o MySQL. O software LabVIEW é responsável por realizar o controle da malha desejada (pressão de linha, pressão do tanque, nível e vazão). E o Power BI é utilizado como ferramenta de inteligência de negócio a fim de mensurar o desempenho dos ciclos executados. Este trabalho avaliou parâmetros estatísticos para analisar as etapas estacionárias e indicadores relacionados à integral do erro a fim de mensurar todas as etapas do processo. Três contextos industriais diferentes foram simulados, sendo um processo sem distúrbios e outros dois com distúrbios em etapas distintas. Por fim, os KPIs analisados foram exibidos em um dashboard e publicado no serviço do Power BI. O trabalho mostrou-se eficiente na caracterização dos processos com e sem distúrbios através dos KPIs estudados. Tal fato pode ser observado na 2ª aba do dashboard, onde o 2º processo, que apresentou 100% para os índices IAE, ISE, ITAE e ITSE teve o melhor resultado, seguido pelo 3º e 1º processo. Quanto menor for a porcentagem desses índices, pior é o desempenho do processo.

The current global context requires constant search for greater efficiency, cost reduction and increased productivity in a short period. These factors propelled the emergence of Industry 4.0, which aims to increase global revenues and improve the population's quality of life through interconnected technologies. One of the main pillars of Industry 4.0 is data-based decision making, in which it is possible to constantly analyze industrial processes in order to obtain indicators that reflect the performance of the business area. One of the main technologies that facilitates the modularity and scalability of industrial solutions is the service-oriented communication architecture, in which each service performs its functionality in a specific way and is decoupled from other services. With that in mind, this work proposes the use of microservices-oriented architecture (MOA) in order to raise indicators that evaluate industrial processes. For this, a pilot plant is used that simulates an industrial context in which data related to controller parameters and values of sensors and actuators are collected. It is noteworthy that the framework used to run the application is Moleculer and the database where the information is saved is MySQL. LabVIEW software is responsible for performing the desired loop control (line pressure, tank pressure, level and flow). And Power BI is used as a business intelligence tool to measure the performance of the cycles performed. This work evaluated statistical parameters to analyze the stationary steps and indicators related to the error integral in order to measure all the steps of the process. Three different industrial contexts were simulated, one process without disturbances and the other two with disturbances in different stages. Finally, the analyzed KPIs were displayed on a dashboard and published to the Power BI service. The work proved to be efficient in the characterization of processes with and without disturbances through the KPIs studied. This fact can be observed in the 2nd tab of the dashboard, where the 2nd process, which presented 100% for the IAE, ISE, ITAE and ITSE indexes had the best result, followed by the 3rd and 1st process. The lower the percentage of these indexes, the worse the performance of the process.