Os Graficos Representam A Produção

Gráficos de produção: o que realmente importam e como ler eles sem perder tempo

Quase todo mundo que trabalha com operação industrial ou gestão de plantão já viu uma planilha com gráficos de produção que não significam nada prático. Os dados estão lá, mas a visualização não ajuda a decidir nada. Isso acontece porque os gráficos representam a produção de forma genérica demais — média mensal, totais acumulados, linhas que só servem para preencher espaço. O problema é que, na prática, quem precisa acompanhar a produção no chão de fábrica não quer saber a média do trimestre. Quer saber onde o gargalo apareceu ontem às 14h e por quê. O que eu vejo funcionando de verdade são gráficos que mostram taxa horária de produção versus meta, com destaque para desvios em tempo real. A abordagem mais comum que eu uso é juntar duas camadas de informação: a taxa bruta por máquina ou linha e o tempo de parada registrado pelo sistema de coleta. Quando você sobrepõe isso num único gráfico, já dá pra entender se a queda de produção foi por falta de matéria-prima, troca de formato mal feita, ou simply o operador demorando mais no setup do que o padrão.

os graficos representam a produção real quando mostram o que dói

Um detalhe que muita gente deixa passar: os gráficos representam a produção registrada, não necessariamente a produção real. Sensores de contagem falham, batches são perdidos na transferência entre etapas, e o sistema de coleta às vezes não leva em conta rejeitos que foram descontados manualmente depois. Eu tive um caso recente em uma linha de envase onde o gráfico mostrava produção dentro da meta o dia inteiro, mas no fechamento do mês aparecia uma divergência de 8% com o estoque físico. Descobri que o sensor óptico de contagem tinha dois falsos positivos por hora, somando cerca de 300 peças extras por turno que nunca saíram da máquina. A correção foi colocar um timer de debounce de 200ms no contador e ajustar o fator de correção no software de coleta. Para montar um acompanhamento útil, o primeiro passo é definir o que você vai medir e com qual granularidade. Horas do turno, minutos ou batelada inteira. Depende do volume da operação. Em linhas de alta velocidade, acompanhar por hora é o mínimo aceitável. Em processos batch com duração superior a três horas, fazer gráficos por lote faz mais sentido. O erro mais comum é querer mostrar tudo no mesmo nível de detalhe e terminar com um gráfico ilegível cheio de picos e vales sem pattern reconhecível.

Como montar um gráfico de produção que realmente serve para tomar decisão

Você precisa de três coisas básicas: dados de produção coletados automaticamente, uma meta de referência dividida pelo mesmo período, e um indicador de desvio que seja visualmente imediato. Coisas cor, faixas de tolerância, e uma coluna de observação para anotar o que aconteceu durante cada período. Sem a anotação, o gráfico fica bonito e inútil. Um pico de queda na produção sem contexto vira caça às bruxas — alguém vai culpar o operador, outro vai culpar a máquina, e ninguém vai descobrir que na verdade foi uma muda de fornecedor de matéria-prima que entrou com especificação diferente. No meu caso, eu monto os gráficos num dashboard simples com cinco painéis. O primeiro mostra a taxa horária versus a meta traçada. O segundo exibe os tempos de parada classificados por tipo — setup, falta de material, defeito, intervalo. O terceiro é um histograma de produção por lote, que revela se há variação sistemática entre lotes consecutivos. O quarto painel mostra o OEE calculado por turno, e o quinto é uma aba livre para observações com link para a ordem de produção correspondente. Tudo isso atualizando a cada hora, sem precisar abrir relatório manual.

Uma coisa contra-intuitiva que eu aprendi na prática: quanto mais dados você coloca no gráfico, menos ele ajuda. Gráficos com dez séries temporais diferentes num único eixo são impossíveis de ler em três segundos, que é o tempo que um supervisor leva para dar uma olhada antes de voltar pra linha. Corte para três séries no máximo. Se precisar de mais, use abas ou filtros. A legibilidade importa mais que a quantidade de informação empilhada.

Pegadinhas e limitações que todo mundo ignora

Um dos problemas mais chatos é quando o gráfico de produção não consegue distinguir entre produção boa e produção que precisa ser retrabalho. O sistema conta a peça como produzida, mas ela vai pra fila de reprovação. Se o seu dash não tem esse filtro, o gráfico vai mentir pra você todos os dias. A solução que funcionou aqui foi adicionar um campo de classificação no registro de produção — bom, reprovação, retrabalho — e fazer o gráfico mostrar apenas o item bom por padrão, com um toggle pra ver o total bruto quando necessário. Outro ponto fraco é a questão do horário. Gráficos que usam horário de relógio puro podem distorcer a leitura quando há mudança de turno que não corta exatamente na hora cheia. Se o turno das 14h vai até as 22h e o turno da noite começa às 22h15, os gráficos por hora vão mostrar um buraco artificial na produção entre 22h e 22h15. A correção é fazer os períodos de agregação seguirem o horário dos turnos, não o relógio. Isso exige um ajuste na configuração do banco de dados ou da ferramenta de visualização, mas é simples de fazer e evita interpretacao errada constante.

Tem também o problema do dado faltante. Quando o sistema de coleta cai por meia hora, o gráfico pode interpolar automaticamente ou deixar um buraco. Ambos os casos são enganosos. Interpolar cria uma linha que nunca aconteceu. Deixar o buraco faz parecer que a produção parou quando na verdade só não foi registrada. O jeito certo é marcar explicitamente o período como "sem dado" com uma cor diferente e, se possível, manual assim que o sistema voltar. Eu uso uma faixa cinza clara pra isso nos gráficos, e qualquer período sem dado fica com uma anotação automática na aba de observações.

Ferramenta e abordagem prática

Eu uso Python com pandas e matplotlib para a maioria dos relatórios internos, mas quando preciso de algo que a equipe operacional acesse sem depender de relatórios PDF, migrei pro Grafana conectado a um banco PostgreSQL. O Grafana permite querys em tempo real, alertas configuráveis por threshold, e dashboards responsivos que funcionam em tablet e monitor de parede. Para conexões mais simples, planilhas com gráficos dinâmicos ainda servem quando o volume de dados é baixo — até cerca de 50 mil linhas, depois a coisa fica lenta demais. Se você quer começar do zero, o caminho mais rápido é: exportar os dados de produção do seu sistema atual, normalizar as colunas (data, turno, máquina, quantidade produzida, quantidade parada, motivo da parada), criar um dataframe com agregação horária, e gerar o gráfico de linha com meta sobreposta. Em Python, isso leva cerca de 15 minutos se você já tiver os dados organizados. Levava umas duas horas antes, quando eu precisava limpar os dados manualmente em Excel. A diferença é ter um script de ingestão que roda todo dia e já deixa tudo pronto para o gráfico ser gerado.

O ponto final é que os graficos representam a produção com fidelidade apenas quando você controla a origem dos dados, o período de agregação e o que está sendo contado. O resto é decoração. Se o gráfico não muda o que você faz na operação, ele é apenas um relatório bonito que ninguém lê com atenção.