Manufatura inteligente

15 KPIs de fábrica inteligente para acompanhar em tempo real (e os dados por trás de cada um)

OEE, MTBF, rendimento de primeira passagem, energia por unidade e mais: uma lista prática de 15 KPIs de fábrica inteligente com fórmulas, os dados brutos de máquina que cada um exige e como calculá-los ao vivo a partir de eventos MQTT.

Ilustração de dashboard de KPIs de fábrica inteligente com blocos de OEE, MTBF, rendimento de primeira passagem e energia por unidade alimentados por dados MQTT ao vivo
Rode isso no seu próprio broker MQTTTenha um broker MQTT privado e gerenciado no plano Free e comece com exemplos de código prontos.
Teste grátis Exemplos de código Sem cartão de crédito

KPIs de fábrica inteligente só ajudam quando são calculados a partir de dados confiáveis e vistos enquanto ainda há tempo de agir. Este guia define 15 KPIs que a maioria das indústrias consegue acompanhar em tempo real, apresenta a fórmula de cada um e lista exatamente quais eventos de máquina você precisa publicar para que os números sejam calculados ao vivo a partir de um fluxo de dados MQTT.

O que torna um KPI "inteligente"

Um KPI tradicional é calculado no fim da semana a partir de relatórios manuais. Um KPI de fábrica inteligente difere em três aspectos:

  1. É calculado a partir de dados de máquina, não de memória nem de planilhas.
  2. Atualiza continuamente, para que um supervisor de turno possa reagir dentro do próprio turno.
  3. Permite drill-down da planta para a linha, da linha para a máquina e da máquina para o motivo, porque os eventos brutos carregam esse contexto.

Os três dependem da mesma base: um pequeno conjunto de eventos bem definidos, publicados por todas as máquinas. Acerte nisso, e a maioria dos KPIs abaixo vira aritmética simples.

Os dados brutos por trás dos KPIs de fábrica inteligente

Quase todo KPI desta lista é construído a partir de seis tipos de evento. Publique-os de forma consistente sob uma hierarquia de topics ISA-95 e você consegue derivar o resto.

Evento Topic de exemplo Essencial no payload
Estado da máquina .../line1/cnc4/state estado, código de motivo, timestamp (retained)
Contagem .../line1/cnc4/count boas, refugo, retrabalho, ID da ordem, timestamp
Tempo de ciclo ideal .../line1/cnc4/order/current ID da ordem, material, segundos de ciclo ideal (retained)
Resultado de qualidade .../line1/qc1/result série ou lote, aprovado/reprovado, código de defeito
Energia .../line1/cnc4/energy leitura do medidor em kWh, timestamp
Programação planejada .../line1/schedule tempo de produção planejado, pausas (retained)

O artigo sobre topics MQTT ISA-95 explica como montar o caminho antes desses topics finais.

15 KPIs de fábrica inteligente

Eficiência dos equipamentos

# KPI Fórmula Dados necessários
1 Disponibilidade Tempo rodando / tempo de produção planejado Eventos de estado, programação
2 Performance (Tempo de ciclo ideal x contagem total) / tempo rodando Contagens, tempo de ciclo ideal, estado
3 Taxa de qualidade Contagem de boas / contagem total Contagens com boas e refugo
4 OEE Disponibilidade x Performance x Qualidade Todos os anteriores
5 TEEP OEE x (tempo de produção planejado / tempo total) OEE, tempo de calendário

O OEE é a métrica guarda-chuva da eficiência dos equipamentos. O cálculo passo a passo, incluindo as armadilhas na escolha do tempo de ciclo ideal, está em como calcular o OEE, e a diferença entre OEE e TEEP é discutida em OEE vs TEEP vs OOE.

Confiabilidade e manutenção

# KPI Fórmula Dados necessários
6 MTBF Tempo total rodando / número de falhas Eventos de estado com motivo de falha
7 MTTR Tempo total de reparo / número de reparos Timestamps de parada e de volta à operação
8 Participação de paradas não planejadas Tempo parado não planejado / tempo de produção planejado Eventos de estado com categoria de motivo
9 Aderência à manutenção planejada Tarefas planejadas concluídas / tarefas programadas Eventos de manutenção do CMMS

MTBF e MTTR dependem de transições de estado limpas e da distinção entre falhas e paradas planejadas. O artigo sobre cálculo de MTBF e MTTR cobre os casos-limite, como contar uma falha que atravessa uma troca de turno.

Qualidade

# KPI Fórmula Dados necessários
10 Rendimento de primeira passagem (FPY) Unidades aprovadas na primeira vez / unidades que entraram Resultados de qualidade por unidade ou lote
11 Taxa de refugo Contagem de refugo / contagem total Contagens
12 Defeitos por milhão de oportunidades (DPMO) Defeitos / (unidades x oportunidades) x 1.000.000 Códigos de defeito, oportunidades por unidade

O FPY difere da taxa de qualidade do OEE quando existe retrabalho: uma peça retrabalhada conta como boa no final, mas não como sucesso na primeira passagem. Publicar o retrabalho como contagem própria mantém os dois números honestos.

Fluxo e custo

# KPI Fórmula Dados necessários
13 Throughput Unidades boas / hora Contagens
14 Tempo de ciclo médio Tempo rodando / contagem total Estado, contagens
15 Energia por unidade kWh consumidos / unidades boas Medidor de energia, contagens

A energia por unidade é um dos KPIs mais úteis de acrescentar em uma fábrica inteligente, porque conecta produção e utilidades. Ela exige um medidor por máquina ou linha e timestamps alinhados às contagens; veja monitoramento de energia na fábrica para as opções de medição.

Calculando um KPI ao vivo a partir de eventos MQTT

Para mostrar como um KPI em tempo real precisa de pouco código, o script Python a seguir assina os eventos de estado e de contagem de uma máquina e imprime disponibilidade, taxa de qualidade e throughput a cada dez segundos. Ele usa paho-mqtt 2.x e o servidor MQTT público, indicado para testes e protótipos; substitua o prefixo pelo seu próprio ID aleatório.

import json
import time
import uuid

import paho.mqtt.client as mqtt

BASE = "connectmq/demo/kpi-6a0c/line1/cnc4"
start = time.time()
run_seconds = 0.0
state, state_since = "UNKNOWN", start
good = scrap = 0

def on_connect(client, userdata, flags, reason_code, properties):
    client.subscribe([(f"{BASE}/state", 1), (f"{BASE}/count", 1)])

def on_message(client, userdata, msg):
    global state, state_since, run_seconds, good, scrap
    data = json.loads(msg.payload)
    now = time.time()
    if msg.topic.endswith("/state"):
        if state == "RUNNING":
            run_seconds += now - state_since
        state, state_since = data["state"], now
    else:
        good += data.get("good", 0)
        scrap += data.get("scrap", 0)

client = mqtt.Client(mqtt.CallbackAPIVersion.VERSION2,
                     client_id=f"kpi-{uuid.uuid4().hex[:8]}")
client.on_connect = on_connect
client.on_message = on_message
client.connect("broker.connectmq.com", 1883, keepalive=30)
client.loop_start()

while True:
    time.sleep(10)
    now = time.time()
    running = run_seconds + (now - state_since if state == "RUNNING" else 0)
    elapsed = now - start
    total = good + scrap
    availability = running / elapsed if elapsed else 0
    quality = good / total if total else 0
    throughput = good / (elapsed / 3600) if elapsed else 0
    print(f"state={state} availability={availability:.1%} "
          f"quality={quality:.1%} throughput={throughput:.0f}/h")

Alimente-o com eventos de teste pela linha de comando:

mosquitto_pub -h broker.connectmq.com -p 1883 -i kpi-pub-6a0c -t "connectmq/demo/kpi-6a0c/line1/cnc4/state" -m '{"state":"RUNNING"}'
mosquitto_pub -h broker.connectmq.com -p 1883 -i kpi-pub-6a0c -t "connectmq/demo/kpi-6a0c/line1/cnc4/count" -m '{"good":5,"scrap":1}'

Em produção, você usaria a programação planejada em vez do tempo decorrido, persistiria o estado e gravaria os resultados em um banco de séries temporais para análise de tendências. A estrutura continua a mesma. Um pipeline completo com dashboards está descrito em monitoramento de OEE em tempo real.

Mostrando os KPIs de fábrica inteligente certos para as pessoas certas

Os mesmos eventos geram visões diferentes para públicos diferentes, e adequar a visão ao público importa mais do que a quantidade de KPIs:

Público KPIs Atualização Onde
Operadores Estado atual, throughput vs meta, refugo nesta hora Segundos Tela na linha
Supervisores de turno OEE por máquina, principais motivos de parada, chamados abertos Minutos Tablet ou tela no escritório
Manutenção MTBF, MTTR, participação de paradas não planejadas Diária Dashboard de manutenção
Gestão da planta Tendência de OEE, FPY, energia por unidade, throughput Semanal Relatório ou dashboard gerencial

As telas da linha se conectam ao broker via WebSocket seguro e se atualizam ao vivo; as visões gerenciais consultam um banco de séries temporais alimentado pelos mesmos eventos. Como o ConnectMQ entrega cada evento a todos os assinantes, acrescentar uma nova visão nunca exige mudar as máquinas ou os gateways. Os mesmos eventos também podem alimentar um gêmeo digital da linha ou da planta.

Erros comuns com KPIs

  1. Acompanhar KPIs demais. Escolha de três a cinco por público. Operadores precisam de estado, throughput e OEE atual; gestores precisam de tendências e perdas.
  2. Misturar definições entre unidades. Documente o que conta como tempo planejado, como falha e como peça boa antes de comparar plantas.
  3. Usar um tempo de ciclo ideal "teórico" que ninguém consegue atingir. A performance parece permanentemente ruim e as pessoas deixam de confiar no número.
  4. Ignorar lacunas nos dados. Um gateway que ficou offline deve mostrar "sem dados", não "máquina parada". Uma mensagem de last will em um topic de status torna essa diferença visível.
  5. Mostrar KPIs sem motivos. Uma disponibilidade baixa leva à pergunta "por quê?". Colete códigos de motivo junto com os estados.

Uma espinha dorsal de dados confiável para os seus KPIs

Todo KPI acima herda a confiabilidade do pipeline por baixo dele. O ConnectMQ opera esse pipeline como um broker MQTT gerenciado: MQTT 3.1.1 e 5.0, TLS e WebSocket seguro para dashboards no navegador, retained messages para o estado atual e um portal com explorador de topics ao vivo, dashboard e regras de alerta por limite para verificações rápidas. Seus serviços de KPI, fluxos Node-RED ou pipelines Grafana se conectam como clientes MQTT comuns. Para o roteiro geral, veja o guia de manufatura inteligente.

Acompanhe seus KPIs de fábrica inteligente no ConnectMQ

Crie um broker Serverless gratuito em app.connectmq.com, sem cartão de crédito, publique eventos de estado e contagem de uma máquina e tenha números de disponibilidade e throughput ao vivo em minutos.

Perguntas frequentes

Por qual KPI de fábrica inteligente devo começar?

Comece pela disponibilidade e pelos motivos de parada por trás dela, porque os dados de estado são os mais fáceis de coletar e as perdas costumam ser as maiores. Acrescente performance e qualidade para chegar ao OEE completo.

Quão em tempo real os KPIs de manufatura precisam ser?

Os operadores se beneficiam de atualizações a cada poucos segundos até um minuto, para que possam reagir dentro do turno. As tendências gerenciais podem ser agregadas por hora ou por turno a partir dos mesmos eventos.

Qual é a diferença entre o FPY e a taxa de qualidade do OEE?

A taxa de qualidade do OEE conta todas as unidades boas, incluindo as retrabalhadas. O rendimento de primeira passagem conta apenas as unidades que saíram boas na primeira vez, e por isso expõe o retrabalho oculto.

Preciso de um MES para calcular esses KPIs?

Não. A maioria deles pode ser calculada diretamente a partir de eventos de estado, contagem e energia publicados via MQTT. Um MES acrescenta contexto de ordens e fluxos de trabalho por cima.

Artigos relacionados

OEE vs TEEP vs OOE: qual indicador você deve usar?

OEE, OOE e TEEP compartilham os mesmos fatores de desempenho e qualidade, mas medem contra bases de tempo diferentes. Esta comparação resolve um único exemplo e lista os sinais MQTT de que cada indicador precisa.

8 min de leitura

Todos os artigos →

Seu broker MQTT privado está a poucos cliques de distância

Crie uma conta, receba as credenciais do seu broker e conecte seu primeiro dispositivo — sem servidores para instalar, atualizar ou escalar.