A Shop Floor Production Scheduling Case based on RFID-supported Smart Factory

No coração movimentado de uma fábrica moderna, o ritmo da produção é frequentemente ditado pela mão invisível de um cronograma. Este cronograma é um plano que decide qual máquina trabalha em qual peça e quando, visando concluir os produtos o mais rápido e barato possível. Por décadas, esses planos dependeram de um conjunto de suposições: que cada trabalho segue um caminho estrito e imutável pela fábrica, e que o tempo necessário para completar uma tarefa é um número fixo conhecido antecipadamente. No entanto, a vida real raramente é tão ordenada. Máquinas quebram, trabalhadores fazem pausas e a velocidade da produção muda conforme a hora do dia ou o dia da semana. Quando um cronograma ignora essas flutuações, ele cria gargalos, desperdício de tempo e atrasos nas entregas. O desafio para os engenheiros é criar um sistema que possa ver essas mudanças conforme elas acontecem e ajustar o plano instantaneamente, transformando um projeto rígido em uma estratégia flexível e viva.

Para resolver isso, uma equipe de pesquisadores da Universidade de Hong Kong recorreu a uma fábrica real em Huaiji, China, onde uma empresa que fabrica válvulas de motor de carro já havia instalado uma rede de etiquetas de identificação por radiofrequência, ou RFID. Esses pequenos chips eletrônicos, fixados às peças que se movem pela linha de montagem, atuam como passaportes digitais, registrando automaticamente cada etapa que um produto percorre, quem o manuseou e exatamente quando terminou uma tarefa. Ao coletar mais de 413.000 registros dessa atividade, os pesquisadores obtiveram uma visão rara e de alta definição de como a fábrica realmente opera, em vez de como ela teoricamente deveria funcionar. Eles usaram esse fluxo massivo de dados para descobrir duas verdades críticas que os métodos de planejamento tradicionais perdem. Primeiro, descobriram que a ordem em que os trabalhadores realizam certas etapas não é fixa. Para uma válvula de motor específica, a equipe descobriu que os trabalhadores frequentemente trocavam a sequência de operações, como fresagem e perfuração, sem afetar a qualidade final. Segundo, perceberam que o tempo necessário para completar uma tarefa não é um número único, mas uma variável que muda com base em fatores como a hora do dia, se é um fim de semana e a máquina específica sendo usada.

Armados com esses insights, os pesquisadores construíram um novo tipo de sistema de agendamento que não depende de regras estáticas, mas aprende com os dados. Eles inseriram os padrões que encontraram — as sequências flexíveis e as velocidades variáveis — em um programa de computador baseado em aprendizado por reforço profundo. Este é um tipo de inteligência artificial que aprende por tentativa e erro, de forma muito semelhante a um jogador dominando um videogame complexo. Neste caso, o "jogo" é o chão de fábrica. O agente de IA foi colocado em uma simulação virtual da fábrica de Huaiji, onde recebeu o status em tempo real das máquinas e dos trabalhos. Foi permitido a ele tomar decisões, como atribuir um trabalho específico a uma máquina específica ou esperar por uma oportunidade melhor. Cada vez que fazia uma escolha, recebia um feedback baseado em quão bem aquela escolha ajudava a concluir todos os trabalhos no menor tempo total. Ao longo de milhares de tentativas simuladas, o sistema aprendeu uma estratégia sofisticada para navegar no caos da fábrica real, adaptando suas decisões às condições mutáveis que observava.

Os resultados desta abordagem foram testados contra os métodos atualmente usados na indústria, incluindo regras simples como "primeiro a chegar, primeiro a ser servido", onde os trabalhos são processados na ordem em que chegam, e algoritmos de computador mais avançados. Nas simulações, o novo sistema, guiado pelos dados de RFID e pelo modelo de aprendizado, superou consistentemente os outros. Ele conseguiu completar um lote de vinte trabalhos em 476 minutos, vencendo o próximo melhor método, que levou 485 minutos. Embora a diferença possa parecer pequena, no mundo de alto volume da manufatura, economizar mesmo alguns minutos por lote se traduz em ganhos significativos de eficiência e economia de custos. O estudo demonstrou que, ao permitir que o sistema de agendamento veja a realidade real e desordenada do chão de fábrica através de dados, em vez de confiar em suposições idealizadas, é possível criar um plano de produção que seja tanto mais inteligente quanto mais rápido. Este trabalho sugere que o futuro da manufatura inteligente reside não apenas em automatizar as máquinas, mas em automatizar o próprio processo de tomada de decisão, permitindo que as fábricas fluam com o fluxo natural de produção em vez de lutar contra ele.