Engenheiros industriais passam de 4 a 14 horas por semana gravando vídeos de GoPro, escrevendo códigos MODAPTS e caçando minutos perdidos nas rotas. Aqui está o que aprendemos com IEs da Tesla, GM e de dezenas de outros fabricantes sobre como os estudos de tempo realmente acontecem.
Há pouco mais de um mês, começamos a investigar como engenheiros industriais, as pessoas que mantêm as fábricas funcionando realmente usam seu tempo e como poderíamos ajudar. Desde então, conversamos com profissionais de praticamente todos os setores da manufatura: montadoras, fornecedores Tier 1, eletrônicos e até fabricantes de componentes pré-fabricados que operam linhas no estilo automotivo para paredes e treliças de telhado. Descobrimos como a melhoria realmente se materializa: um engenheiro no chão, com um celular ou GoPro, observando uma estação por um minuto de cada vez, escrevendo códigos MODAPTS ou MTM na mesa, atualizando roteiros quando os números fogem do esperado, validando tempos de ciclo de fornecedores na área de compras e rastreando “minutos desaparecidos” que não aparecem no MES. A história era sempre a mesma: incontáveis medições, anotadas à mão.
É muito trabalho manual
Em praticamente todas as plantas, os estudos de tempo ainda são feitos com celulares, GoPros, cronômetros e planilhas.
“Vamos para o chão com uma GoPro, seguimos as mãos por 50 segundos, depois assistimos ao vídeo várias vezes para escrever o MODAPTS.” IE na Tesla
“Uso um cronômetro do celular e um bloco de notas. Andei 5.000 passos para diagnosticar um problema no roteamento de um AMR.” IE na GM
Quanto isso consome de tempo? Depende da empresa e da função. Um integrador avançado de robótica nos contou que cada membro da equipe de quatro pessoas dedica 14 horas por semana escrevendo MODAPTS e mais 4 a 8 horas em estudos de tempo, com o restante da semana em reuniões com compras. Esses estudos orientam decisões sobre automatizar ou não tarefas, avaliar taxas de utilização e melhorar transições entre robôs e entre robôs e humanos.
Em outra grande fabricante automotiva, um IE relatou gastar apenas 1 a 2 horas por pessoa por semana nesse tipo de trabalho. Porém, nesse único site, mais de 100 pessoas contribuem para estudos de tempo e movimento, analisando continuamente centenas de ciclos curtos e buscando alguns segundos de melhoria por vez.
Já para algumas equipes, a carga é muito concentrada. Outro site automotivo gasta menos de 30 minutos por pessoa por semana, apoiando-se principalmente em dados de OEE e do controlador, recorrendo à medição manual somente durante lançamentos, quando tudo precisa ser medido diretamente.
Como muitos mencionaram o uso de GoPros ou até celulares pessoais para registrar medições, perguntamos repetidamente por que não instalar câmeras suspensas em todas as estações de montagem. Em grande parte das plantas, a ideia de vídeo contínuo apontado para pessoas resulta em rejeição imediata. Operadores não querem sentir que estão sendo monitorados o tempo todo, e há receio de que sindicatos rejeitem qualquer iniciativa que soe como “vigilância de produtividade”. Há também um lado prático: câmeras fixas funcionam em ambientes estáveis, mas linhas mudam constantemente, especialmente em lançamentos e rampas, justamente quando estudos de tempo e movimento são mais importantes. Gabaritos se movem, caixas mudam de posição, iluminação varia. Sistemas de visão mais antigos tinham dificuldade exatamente por isso: exigiam um cenário rígido onde a realidade é fluida.
“Não dá para superar a destreza humana em muitas dessas tarefas.” IE na Tesla
Mesmo em plantas muito automatizadas, movimentos finos, variáveis e “estranhos” continuam sendo responsabilidade humana. A automação excessiva muitas vezes sai pela culatra: se o rendimento do robô na primeira passada é baixo, o retrabalho anula grande parte dos ganhos. A lição compartilhada por várias equipes foi clara: automatizar grandes movimentos e operações simples, pouco sensíveis a variações e manter tarefas táteis e altamente variáveis com humanos. Ao considerar automatizar uma linha, é fundamental olhar para o tempo no roteiro e para como mudanças afetam o retrabalho.
Além de medir humanos, muitas equipes pediram detalhamento elementar do lado das máquinas: abertura de porta ou cilindro, fixação, transferências e permanência do robô.
“Não recebemos dados elementares do PLC. Quero dois minutos de vídeo e um detalhamento elementar. Aqui, tudo acontece em 10 segundos ou menos.” IE na GM
“Sempre validei dados do PLC com cronômetro. Já vi programa que não contabilizava tempos de permanência. Eu via o robô esperando outro liberar a área, mas o sistema mostrava 100% de utilização.” IE em Midway
Pequenas derivas somam grandes perdas. Acrescente 200 ms a uma porta de 10 segundos, repetida 30 mil vezes ao dia, e você perde silenciosamente mais de 100 minutos de capacidade. Se esse passo está no gargalo, toda a linha sente. Medição elementar transforma um ciclo misto em distribuições reais para abertura de porta, extensão de cilindro, tempos de permanência e transferências. Isso permite identificar exatamente qual etapa está variando e quanto. Também é vital em testes de aceitação, onde a variabilidade pode vir tanto do robô quanto da interação com outros robôs e operadores.
Modelos de simulação são ótimos até a linha rodar de verdade
“A simulação é boa… mas é ideal demais. O fator humano é o elo mais fraco.” IE na Cummins
“Quem estamos cronometrando? A melhor pessoa, a mais rápida ou a média? É melhor trabalhar com a média e eliminar outliers.” IE na HME.
Variação é o elemento que falta em muitos modelos de fábrica e só aparece quando você confronta o planejado com observações reais. Um fornecedor Tier 1 contou como registrou MODAPTS em uma linha com várias estações e depois amostrou ciclos reais para identificar a dispersão, que às vezes estava ligada a uma escolha de peça mais difícil e outras vezes a um engate exigente. Um único “tempo padrão” é conveniente para arquivos de planejamento e gêmeos digitais, mas raramente prevê o comportamento real porque o chão muda com a equipe, opções de produto, condição de ferramentas e desgaste do equipamento e essa variação ajuda a explicar por que o OEE frequentemente estaciona na casa dos 60%.
Fechar essa lacuna começa com melhores insumos não com modelos maiores. Capture tempos reais das etapas que realmente afetam o rendimento, atualize roteiros quando elas mudarem e alimente o gêmeo digital com distribuições empíricas recentes dos eventos elementares no gargalo. Ajuste buffers e equipe para refletir a variabilidade medida e meça novamente após mudanças de método, lançamentos de modelos ou manutenções. O modelo melhora porque as entradas melhoram e as previsões passam a refletir a fábrica que você realmente opera.
