As fábricas planejam todos os dias: takt e alocação de pessoal, tempo de compra, balanceamento de linha, horas extras e tamanhos de lote. A verdade incômoda é que grande parte desses planos se baseia em poucos dados, não porque engenheiros preferem estimativas, mas porque transformar as observações que já coletam em tempos de ciclo confiáveis, códigos MODAPTS e tabelas de combinação de trabalho ainda consome horas e horas de anotação manual. Isso faz com que os estudos sejam racionados e, muitas vezes, apoiados em medições antigas, amostras únicas ou simples suposições.
As apostas aumentam ainda mais na introdução e na rampa de novos produtos, quando o sistema de produção ainda está aprendendo e se ajustando. A falta de medições frequentes e recentes costuma resultar em perdas superiores a 20% do rendimento potencial. Pesquisas sobre aprendizado em ramp-up mostram que as primeiras construções devem ser tratadas como uma sequência de experimentos, exigindo coleta de dados oportuna e repetida. Modelos de balanceamento de linha e simulações de gêmeos digitais são tão eficazes quanto os dados que recebem e por isso as últimas revisões do IEEE sobre práticas de digital twin reforçam que qualidade e atualização dos dados são a consideração nº 1 para precisão do modelo. E tem também o clássico ponto estatístico repetido por qualquer manual de medição de trabalho: uma observação isolada é só uma anedota; para confiabilidade, é preciso medir o mesmo processo várias vezes.
O avanço que finalmente torna a anotação simples e acessível
É exatamente esse o problema que o Material Model resolve. Muitos engenheiros industriais já filmam processos de trabalho com o celular, GoPros ou câmeras suspensas e depois passam horas convertendo esses vídeos em códigos MODAPTS e cronogramas SWCT. Com o Material Model, você carrega
esses mesmos vídeos (sem configuração especial ou fine-tuning), adiciona instruções simples em inglês sobre como o trabalho deve ser interpretado e recebe um rascunho totalmente anotado. Esse rascunho já vem suficientemente bom para ser revisado rapidamente e, em casos simples, pronto para uso logo de cara.
As edições são conscientes do relacionamento entre elementos, mantendo tudo coerente sem esforço extra: quando um engenheiro divide um movimento em dois, as tabelas downstream e as linhas do tempo são ajustadas; quando uma etapa é reclassificada, a utilização da estação e o SWCT são recalculados; quando uma duração é corrigida, os MODs e totais são atualizados automaticamente entre todas as visualizações, sem necessidade de repetir a mudança em vários lugares.
As saídas seguem os mesmos artefatos que engenheiros industriais já usam, facilitando a adoção: o módulo SWCT gera cronogramas sincronizados por estação e visualizações de utilização úteis em ramp-ups e rebalanço; o módulo MODAPTS produz cobertura em nível de movimento com códigos e MODs prontos para exportação para estudos de método; e tudo no aplicativo é editável e exportável como planilhas limpas, prontas para cair exatamente nos arquivos que o time já mantém. Para equipes que precisam de integração, há API mas é opcional, não um pré-requisito para gerar valor desde o primeiro dia.
A tecnologia que finalmente se adapta à fábrica e não o contrário
A flexibilidade vem do uso de um modelo de linguagem com visão (VLM) que, assim como seus “primos” LLMs presentes em apps como o ChatGPT, consegue seguir instruções e se adaptar às condições reais da planta: imagens de celular, vídeos de GoPro, câmeras suspensas ou até feeds de segurança com iluminação difícil, além de incorporar dicas de áudio como sons de ferramentas ou máquinas para diferenciar etapas semelhantes. Diferentemente de sistemas que exigem calibração por estação ou câmeras rigidamente posicionadas, nosso sistema pode ser guiado com instruções simples em inglês, escritas em poucos minutos.
Soluções legadas dependem de modelos específicos por tarefa que exigem instrumentar a linha, restringir o cenário e treinar um modelo personalizado antes de gerar qualquer valor. Acreditamos que esse é o caminho inverso. Engenheiros industriais devem começar pelos vídeos que já têm, adicionar duas ou três regras simples, e receber um rascunho fiel ao trabalho real. A tecnologia deve se adaptar ao engenheiro não o engenheiro à tecnologia. Nada de redesenhar fluxos de trabalho: o processo continua baseado em vídeos curtos com anotações simples e planilhas como sempre.
Como o núcleo é um agente de anotação guiado por instruções, os padrões específicos da fábrica viram regras: se as folhas de método agrupam movimentos de outro jeito, basta descrever o padrão e os rascunhos já nascem no formato correto; se há definições próprias de elementos, grupos expandidos ou exclusão de inspeções do tempo de ciclo, essas instruções são adicionadas e o sistema se adapta, sem exigir mudanças em como o resultado final é consumido.
Quando anotar se torna barato, o ritmo de decisão muda e de forma visível: medições deixam de ser guardadas para reuniões formais e passam a acontecer assim que surge uma dúvida relevante; engenheiros capturam alguns vídeos, registram alguns ciclos típicos e alguns fora do padrão, adicionam algumas regras, revisam o rascunho, fazem uma edição que se propaga automaticamente e chegam rapidamente a um resultado útil. Com cronogramas e tabelas compartilhados, conflitos são resolvidos com dados não opiniões; problemas são detectados em duas estações, não vinte; e o rebalanço da linha acontece quando necessário, não quando alguém consegue justificar passar o fim de semana codificando tudo manualmente.
O efeito prático: menos suposições otimistas, menos debates tarde da noite por causa de planilhas divergentes e menos horas perdidas em codificação manual. Como processamos vários vídeos em paralelo, limpar o acúmulo de estudos de um mês vira rotina, não projeto extraordinário que exige hora extra ou consultoria.