Já participei em reuniões de produção em que toda a gente se centra na especificação de velocidade de colocação como se fosse a história completa, apesar de os verdadeiros danos estarem a acontecer ao lado - no atraso de reposição do alimentador, no mau momento de libertação das placas, nos erros de montagem na linha, nos pontos de estrangulamento SPI, nos percursos mortos dos carrinhos e naquelas pequenas hesitações do transportador que nunca aparecem no relatório, mas que, de alguma forma, roubam meio turno na sexta-feira. Tudo isto faz sentido.
E é por isso que eu não trato otimização de rotas como uma funcionalidade de software organizada. Em SMT, é um problema de chão antes de ser um problema de matemática. O caminho mais curto pode continuar a ser o caminho mais estúpido. Acredito francamente que esse é o erro por detrás de muitos projectos de “encaminhamento inteligente” com fraco desempenho: as equipas optimizam o movimento e depois ficam surpreendidas quando o tempo de ciclo quase não se altera.
Porque é que os números da velocidade das linhas mentem mais do que as pessoas admitem
No entanto, se perguntar a quase todos os gestores de fábrica onde está o estrangulamento, normalmente ouvirá primeiro o número do modelo da máquina - Panasonic NPM-W2S, Yamaha YRM20, talvez um novo módulo de linha vistoso - porque os nomes das máquinas são visíveis, fáceis de repetir e reconfortantes de uma forma que o arrastamento do alimentador, o retorno da fila e a latência do material simplesmente não são.
Essa é a armadilha.
Uma linha não perde tempo apenas quando parece lenta. Perde tempo onde as entregas são desleixadas. Uma prancha espera seis segundos para ser libertada. Outro é libertado demasiado cedo e bloqueia o fluxo a jusante. Um banco de alimentação é atendido com base numa corrida de leite fixa, em vez de correr o risco real de fome. A AOI começa a empilhar tábuas. De repente, a linha fica “misteriosamente” mole. Não há nada de misterioso nisso.
Já vi fábricas gastarem dinheiro a sério em soluções de linha SMT chave na mão ou premir para obter ganhos de saída em linhas de produção em massa de alta velocidade enquanto continua a tratar o encaminhamento como ruído de fundo. Isso é ao contrário. O rendimento vive ou morre nas transições.
A discussão do MIT sobre o problema do encaminhamento de veículos em 2024 aproxima-se mais da verdade do que a maioria das apresentações de vendas das fábricas: dados mais detalhados e mais individualizados podem melhorar as decisões de encaminhamento, mas cada restrição adicional também torna o modelo mais caro de resolver e mais difícil de implementar rapidamente. Isto aplica-se às frotas de encomendas, sem dúvida, mas também se aplica ao SMT, onde cada regra adicionada - limites de ranhura do alimentador, compatibilidade de bicos, capacidade de fila, tempo de preparação - transforma um modelo simples num modelo real. Entrevista do MIT 2024 com Matthias Winkenbach. (news.mit.edu)
O que significa realmente a otimização de rotas na produção SMT
Eis a dura verdade: a otimização de rotas no fabrico de produtos electrónicos não tem quase nada a ver com elegância. Tem a ver com a escolha da sequência executável mais rápida sob restrições - capacidade da máquina, lógica da família de placas, disponibilidade de bobinas, ranhuras no alimentador, trocas de bicos, ocupação do transportador, carga de inspeção, tempo de recarga e resposta do operador, tudo misturado, quer a equipa de software goste ou não.
Não é bonito.
Uma placa pode percorrer o caminho mais curto da máquina e, mesmo assim, destruir o tempo de ciclo porque vai parar a um portão de inspeção sobrecarregado. Um percurso de material pode ser “eficiente” em termos de distância, mas ser operacionalmente idiota porque serve primeiro a linha errada. É por isso que insisto para que as pessoas separem o problema em três camadas: fluxo de placas, fluxo de materiais e fluxo de excepções.
O fluxo de quadros decide o que é libertado, quando e em que sequência. O fluxo de material decide se as bobinas, alimentadores, bocais, carrinhos e itens de suporte corretos chegam antes de começar a fome. O fluxo de excepções decide o que acontece quando as condições normais entram em colapso - o que acontecerá. Todas as lojas dizem que querem estabilidade. Todas as lojas vivem de interrupções.
E os ambientes de modelos mistos tornam este facto ainda mais óbvio. Uma placa de telecomunicações com uma colocação densa e uma carga de inspeção mais pesada não deve ser submetida à mesma lógica de encaminhamento que uma simples placa de circuito impresso de um controlador só porque alguém queria um modelo MES limpo. Esta é uma das razões linhas SMT para protótipos e pequenos lotes precisam de uma mentalidade de encaminhamento diferente das linhas de grande volume. Mesma categoria, comportamento diferente.
Onde é que o tempo de ciclo sai realmente da linha
Há alguns anos, vi uma equipa celebrar uma pequena redução no percurso da cabeça de colocação, enquanto a linha real estava a ser destruída pelo reabastecimento tardio do alimentador e pela libertação mal programada da placa, o que significava que o suposto ganho existia sobretudo numa folha de cálculo, enquanto o chão continuava a perder tempo nos mesmos sítios. Erro clássico.
O tempo de ciclo geralmente vaza pelas costuras. Trocas de alimentadores. Expedição de carrinhos. Disponibilidade de bicos. Retorno de WIP. O suporte de estêncil ou material chega um pouco tarde demais. Os operadores escolhem o pedido mais alto em vez do verdadeiro estrangulamento. Nada disto parece glamoroso, e é provavelmente por isso que é ignorado até a produção falhar o objetivo.
A Reuters fez a mesma observação em maior escala em janeiro de 2024, quando as perturbações no Mar Vermelho obrigaram algumas rotas entre a Ásia e o Norte da Europa a acrescentar cerca de 10 dias e aproximadamente $1 milhões em combustível extra. Esta história não é “sobre transporte marítimo” num sentido restrito. É sobre como uma rota que parece eficiente no papel pode tornar-se brutalmente cara no segundo em que as condições mudam. Reuters sobre os custos do redireccionamento do Mar Vermelho e Reuters sobre IA, milhas vazias e otimização de rotas. (reuters.com)
O segundo artigo da Reuters citava um estudo do Fórum Económico Mundial que mostrava que cerca de 15% dos quilómetros percorridos por camiões são feitos sem carga. Quilómetros vazios. Na SMT, temos a nossa própria versão: percursos de carrinhos de alimentação vazios, viagens de reabastecimento sem carga, movimentos de apoio que parecem ocupados mas não aliviam o verdadeiro ponto de estrangulamento e operadores que transportam material para a linha que não precisa dele primeiro.
De acordo com a minha experiência, é aqui que o encaminhamento inteligente ganha o seu lugar - ou prova que era um truque de marketing. Deveria eliminar os movimentos mortos. Deve reduzir os eventos de paragem de linha. Deve impedir que o piso persiga as sombras.
Os algoritmos que importam - e onde cada um quebra
As pessoas adoram pedir o algoritmos de otimização do melhor caminho como se houvesse um vencedor universal. Não há. Esse tipo de pensamento vem normalmente de pessoas que não têm de viver com a implementação.
Para o movimento local, os algoritmos clássicos de planeamento de percursos, como o Dijkstra ou o A*, continuam a fazer sentido. São rápidos, determinísticos e fáceis de validar. Boas ferramentas. Âmbito limitado. Quando o desafio passa a ser o reabastecimento em várias paragens, a expedição de AGVs ou o serviço cronometrado em várias máquinas, os métodos de problemas de encaminhamento de veículos são os mais adequados, porque a questão já não é um caminho - é uma sequência coordenada em janelas de tempo.
Depois as coisas ficam feias.
Produção de alta mistura, objectivos contraditórios, mudanças frequentes, estados de fila flutuantes, excepções que chegam de lado - é aqui que os algoritmos genéticos, a lógica de colónia de formigas ou as variantes de colónia de abelhas começam a ser importantes, porque o espaço de pesquisa torna-se desagradável e a otimização exacta torna-se lenta ou impraticável. Mas, mesmo assim, eu não entregaria toda a fábrica a uma única família de modelos. Acredito francamente que a lógica híbrida é normalmente a resposta adulta: regras rígidas para a viabilidade, heurística para a velocidade e recálculo contínuo para a confusão que ninguém consegue prever totalmente.
| Família de algoritmos | Onde se encaixa melhor | O que faz bem | Onde é que normalmente se parte |
|---|---|---|---|
| Dijkstra / A* | Algoritmos de planeamento de trajetória local para transportadores, AGVs ou movimento de máquinas | Rápido, determinístico, fácil de validar | Fraco quando os constrangimentos explodem para além da distância e do tempo |
| Heurística VRP | Entrega de material em várias paragens e reabastecimento do alimentador | Ideal para expedição de frotas com janelas de tempo | Se o modelo for demasiado genérico, pode não ter em conta as nuances do chão de fábrica |
| Métodos genéticos / colónias de formigas / colónias de abelhas | Algoritmos de encaminhamento de elevada mistura com muitos objectivos concorrentes | Procura espaços de solução desarrumados bem | Afinação mais lenta, mais difícil de explicar às equipas de produção |
| Despacho baseado em regras | Produção estável e repetitiva | Simples, previsível, de funcionamento económico | Interrupções por volatilidade, mudanças e estrangulamentos |
| Encaminhamento inteligente híbrido | Linhas SMT modernas com prioridades variáveis | Equilíbrio entre rapidez, viabilidade e adaptação | Requer dados mais limpos e uma governação mais forte |
Um estudo de caso de 2024 da ScienceDirect sobre o equilíbrio de linhas e a programação de AGV num sistema de montagem de PCB é útil porque trata a atividade de colocação e a entrega de material como um problema acoplado e não como dois reinos separados. Isso está mais próximo da verdade na fábrica. O caso envolveu quatro estações de montagem SMM e 59 tarefas atribuídas por alimentador - não um exemplo de brinquedo com três activos perfeitamente comportados e sem ruído na linha. Estudo de caso de montagem SMT 2024. (sciencedirect.com)
Porque é que o fracasso da implementação destrói mais projectos do que a má matemática
No entanto, a maioria das falhas de encaminhamento que vi não foram causadas por algoritmos fracos. Foram causadas por uma disciplina fraca. Dados mestre sujos. Mapas de alimentação desatualizados. Códigos de exceção utilizados de forma diferente em todos os turnos. Regras de despacho que as pessoas anulam assim que a pressão aumenta. Não há matemática que nos livre disso.
Esta parte torna-se incómoda rapidamente.
O Gabinete de Inspeção Geral da USPS analisou a Otimização Dinâmica de Rotas e as conclusões foram duras: apesar das poupanças previstas, 85% dos 34 locais examinados não tinham sido totalmente optimizados, 74% pagaram uma taxa por milha mais elevada do que anteriormente e a redução de quilometragem atingiu 7% em vez do objetivo de 12,5%. Este é um problema de implementação que usa o nome de um algoritmo. Auditoria do USPS OIG sobre otimização dinâmica de rotas. (uspsoig.gov)
Já vi a versão SMT. O software é ativado. Todos acenam com a cabeça. Durante duas semanas, o painel de controlo chama a atenção. Depois, o piso começa a ignorar as prioridades porque o sistema não reflecte o que está realmente a acontecer na linha de produção, e a administração diz a si própria que o algoritmo “precisa de ser afinado” quando o verdadeiro problema são as entradas de lixo e a execução inconsistente.
É por isso que nunca considero a capacitação como uma coisa sem importância. Formação e assistência pós-venda para as linhas SMT não é apenas um tópico de suporte - faz parte da pilha de roteamento. Se os planeadores, operadores, manutenção e manipuladores de materiais não partilharem a mesma lógica, não espere que o modelo o ajude.
Como reduzir o tempo de ciclo com a otimização de rotas sem o transformar num projeto de vaidade de software
Por onde é que começo? Não com demonstrações de software. Com o mapa de restrições.
Divida as suas restrições em fixas e negociáveis. Capacidade da máquina, compatibilidade do alimentador, restrições do bocal, requisitos de inspeção - fixos. Cadência de reabastecimento, tempo de lançamento de placas, prioridades de suporte, limites de fila - muitas vezes negociáveis. Isto parece básico, mas a maioria das equipas confunde as duas coisas e depois pergunta-se porque é que o optimizador recomenda coisas sem sentido ou se torna demasiado rígido para ajudar.
Em seguida, pontue a linha da forma como ela realmente se comporta. Não como a brochura se comporta. Meça o risco de fome, o impacto na fila, o arrastamento da mudança, o tempo de recuperação após a interrupção, o atraso do serviço de alimentação e a exposição ao buffer bloqueado. De repente, o problema do encaminhamento torna-se muito mais honesto.
E, por favor, não se deixe hipnotizar pelos KPIs locais. Se uma linha Yamaha reduz uma fração de segundo do movimento de colocação, mas perde nove minutos por turno porque o banco de alimentação não é suportado corretamente, isso não é otimização. Isso é teatro com matemática.
A lista de dados também não é mística: mistura de famílias de placas, coordenadas de colocação, mapas de ranhuras de alimentação, compatibilidade de bicos, histórico de tempos de ciclo por estação, estados de filas WIP, tempos de espera de reabastecimento, disponibilidade de activos, padrões de retenção de inspeção, registos de exceção. Não são dados perfeitos. Apenas dados reais. A grande diferença.
Eu testaria qualquer abordagem de encaminhamento com Casos de clientes SMT e alinhá-lo com o prioridades de qualidade dos processos. Esta comparação diz-lhe, normalmente, muito rapidamente, se o modelo compreende o seu piso ou se está apenas a reproduzir uma lógica genérica.
Como deve ser o encaminhamento inteligente quando está realmente a funcionar
No entanto, a melhor prova não é um painel de controlo. É a disposição da linha.
Um bom sistema de encaminhamento não faz com que o pavimento pareça mais “high tech”. Torna o piso menos frenético. Menos eventos de fome. Menos transportadores bloqueados. Menos despachos de pânico. Melhor sincronização no suporte de alimentação. Maior previsibilidade de produção. Menos combate ao fogo tribal no final do turno.
É esse o teste.
Acredito francamente que a indústria SMT fala demais sobre IA e fala de menos sobre disciplina. O encaminhamento inteligente não é magia. É uma sequenciação disciplinada sob restrições, apoiada por dados suficientemente limpos para se poder confiar e hábitos operacionais suficientemente fortes para se manterem quando o dia corre mal. Quando estas peças estão no lugar, a otimização de rotas deixa de ser uma palavra da moda e começa a agir como margem.
FAQs
O que é a otimização de rotas no fabrico?
A otimização de rotas no fabrico é o processo de seleção do movimento mais rápido e do caminho de sequenciação para placas, materiais, alimentadores, AGVs, operadores e trabalho em curso num sistema de produção, respeitando os limites das máquinas, a capacidade das filas, o tempo de reabastecimento e as restrições do processo. Em termos mais simples, reduz a espera entre passos para que a linha funcione mais rapidamente com menos interrupções e menos desperdício oculto.
Como é que os algoritmos de otimização de rotas reduzem o tempo de ciclo?
Os algoritmos de otimização de rotas reduzem o tempo de ciclo sequenciando o trabalho, as entregas de materiais e o movimento de apoio, de modo a que as máquinas passem menos tempo à espera de placas, bobinas, alimentadores, operadores ou activos de transporte, enquanto os estrangulamentos são resolvidos antes de se espalharem pela linha. Em termos reais de fábrica, cortam a fome, reduzem os bloqueios e limpam o tempo morto que se esconde entre as operações produtivas.
Qual é a diferença entre os algoritmos de planeamento de percursos e os algoritmos de encaminhamento?
Os algoritmos de planeamento de percursos calculam a forma como uma máquina, um AGV ou um ativo se desloca de um ponto para outro dentro de limites espaciais e operacionais, enquanto os algoritmos de encaminhamento determinam a forma como múltiplos trabalhos, entregas ou prioridades devem ser sequenciados através de muitas paragens, janelas de tempo e restrições. Um resolve o movimento. O outro resolve o fluxo coordenado no sistema de produção mais alargado.
O problema do encaminhamento de veículos é relevante para a produção de SMT?
O problema do encaminhamento de veículos é relevante para a produção de SMT porque a mesma estrutura matemática utilizada para otimizar frotas e paragens de entrega também pode otimizar o reabastecimento de alimentadores, a expedição de carrinhos, o movimento de AGVs e o apoio de material cronometrado em várias máquinas e prazos. Uma vez que os recursos têm de chegar na sequência correta sob pressão de tempo, a lógica VRP torna-se diretamente útil no chão de fábrica.
Que dados devem ser recolhidos antes de implementar o encaminhamento inteligente?
Os dados mínimos para um encaminhamento inteligente incluem os tempos de ciclo das máquinas, os percursos das placas, a compatibilidade dos alimentadores e dos bicos, os estados das filas de espera, os prazos de reabastecimento, a disponibilidade de material, o estado dos activos e o historial de excepções, porque sem estes dados o sistema não consegue distinguir um percurso que é apenas curto de um que é verdadeiramente executável. Um bom encaminhamento depende da verdade operacional, não apenas de conjuntos de dados maiores.
Se quer mesmo reduzir o tempo de ciclo em vez de ficar a admirar os ecrãs de software, reveja a soluções de linha SMT chave na mão, estudar o Casos de clientes SMT, e contactar a equipa para uma discussão específica sobre a linha. Normalmente, é aí que começam as respostas úteis.
