O setor de petróleo e gás envolve processos de capital intensivo com produção contínua. Matérias-primas como petróleo bruto são convertidas em produtos derivados de petróleo em grande escala, tornando o controle do processo crítico. As matérias-primas tendem a ter uma grande variabilidade nas propriedades químicas e físicas que podem ter um efeito marcante na saída do processo. Os engenheiros tendem a utilizar princípios científicos e experiência para determinar as configurações do processo que provavelmente produzirão os resultados desejados. Porém, tais práticas podem ser errôneas. As cartas de Controle estatístico de processo (CEP) são muito úteis para sinalizar um processo que se torna instável. A desvantagem em usar o CEP para alertar uma mudança de processo é que o produto suspeito é produzido nesse meio tempo.
Os fabricantes transferem grande parte da responsabilidade de qualificar as matérias-primas para os fornecedores. É comum as certificações serem enviadas aos clientes antes do recebimento dos materiais, o que geralmente ocorre dias ou semanas antes do material ser usado. E se as informações do fornecedor pudessem ser usadas para prever mudanças de processo antes de sua execução, permitindo medidas de mitigação? Este artigo explica como a implantação operacional de um modelo de processo pode ser usada para criar gráficos de processo pré-estatísticos para esse propósito. Existem muitos outros setores com processos que envolvem equipamentos de capital intensivo, fluxo contínuo e entrada de matérias-primas que têm uma variação significativa. A fabricação de alimentos, suplementos nutricionais e produtos químicos são alguns exemplos de indústrias que podem se beneficiar da utilização de CEP preditivo.
As técnicas de modelagem tornaram-se muito poderosas e fáceis de usar, e os desenvolvimentos recentes foram adicionados ao Minitab. Muitas organizações usam modelos de processo para desenvolvimento e melhoria. Um modelo de processo é criado partindo da medida do fornecedor e das entradas do processo (controladas por técnicos) para determinar a relação com uma saída principal. Os engenheiros descobrem o número certo de entradas e o tipo de modelo necessário para ter um bom ajuste para fazer previsões razoáveis da saída. O modelo é implantado no ModelOps e conectado ao fluxo de dados novos para fazer previsões. Uma carta CEP é criada com as previsões do modelo e monitorada em relação à estabilidade. Caso uma tendência desfavorável seja identificada, o modelo é revisado para encontrar variáveis de processo que possam ser manipuladas para mitigar a tendência. Todo esse trabalho é feito antes da execução do processo, o que pode ser altamente eficaz para minimizar os riscos de qualidade.
O exemplo envolve 16 variáveis contínuas, onde uma delas é uma medida fornecida por uma certificação de fornecedor enviada antes do embarque de uma matéria-prima. Existem variáveis discretas, incluindo a unidade usada para processamento e duas configurações principais. Um modelo de regressão linear múltipla com bom ajuste (R-quadrado ~ 67%) foi criado a partir de 478 linhas de dados de processamento histórico, utilizando seleção do tipo stepwise para variáveis (tabela A).
O gráfico do otimizador de resposta (figura 1) ilustra a influência das variáveis preditoras mais importantes. A medida de certificação do fornecedor e a pressão inicial têm relações lineares acentuadas: pequenas mudanças no valor geram diferenças visíveis na resposta principal. A temperatura de resfriamento indica uma resposta menor e mudanças na unidade parecem ter influência agrupada na resposta principal.
O modelo de regressão apresenta um bom desempenho ao prever os principais resultados de resposta para os dados históricos. Os engenheiros publicaram facilmente o modelo no ModelOps do Minitab Statistical Software com um clique (figura 2).
Dados novos são coletados para que as previsões da saída principal possam ser feitas. Os dados incluem a medida da certificação do fornecedor, valores de entrada estáticos para configurações e dados gerados via distribuição para as variáveis de processo com variação conhecida. As temperaturas de processamento são um exemplo de variáveis geradas via distribuição. Os engenheiros sabem que a temperatura real no ponto de processo varia de acordo com a configuração de controle. Os parâmetros para as variáveis são criados a partir de medições de ponto de processo ou especificações técnicas do fabricante do equipamento. As variáveis são calculadas a partir de uma distribuição escolhida para obter um cenário de processamento realista. Basicamente, esta é a mesma técnica usada nas simulações de Monte Carlo.
O Minitab Connect recupera facilmente os dados a cada hora e os envia ao Model Ops para obter previsões. Um gráfico de controle individual e de amplitude móvel é utilizado para monitorar tendências. É muito importante garantir o uso dos parâmetros históricos para calcular os limites de controle estatístico. O uso dos dados simulados para calcular os limites não é apropriado. O gráfico de CEP preditivo mostrado na figura 3 ilustra um processo estável esperado até as últimas 3 observações. Todas as três observações finais caíram abaixo do limite de controle inferior histórico, o que pode gerar problemas de qualidade se a tendência de instabilidade continuar.
A equipe de engenharia revisa o modelo do processo e determina que a pressão inicial é facilmente aumentada da configuração de 90 para 120. O otimizador do modelo indica que a mudança na configuração de controle provavelmente atenuará a queda nos resultados devido à mudança na medida de certificação do fornecedor. A alteração proposta na configuração de pressão inicial é colocada na tabela de dados de origem e a extração de dados e o gráfico no Connect são reiniciados. O gráfico resultante (figura 4) fornece de fato informações de que a mudança na pressão inicial mitigou os efeitos negativos da mudança de medida do fornecedor.
O conceito de CEP envolve reações no tempo correto às tendências em mudança que resultam em instabilidade. Um processo instável envolve risco de qualidade, que pode resultar em material fora de conformidade ou rebaixado. A capacidade de criar gráficos de controle de processo em dados antes da execução do processo é extremamente valiosa, pois agora é possível mitigar tendências desfavoráveis antes da criação de quaisquer resultados reais. Os benefícios podem chegar a milhões de dólares no setor de petróleo e gás, devido ao volume e potencial de receita dos produtos produzidos. As soluções da Minitab tornam fácil o processo de criação e monitoramento de CEP preditivo, uma parte essencial do gerenciamento de qualidade.