O que realmente acontece quando você tenta medir tempo de esperas
A maioria das pessoas começa olhando para o número total. Quantos minutos algo ficou parado antes de ser processado. Isso dá uma média bonita num dashboard, mas a média é inútil na prática. O que importa é a distribuição, o quanto dos itens ficam retidos além do aceitável, e onde exatamente a espera acontece dentro do fluxo. No meu primeiro contato sério com medição de tempo de esperas, eu trabalhava numa linha de produção de componentes eletrônicos. Tínhamos um batch de placas que ficava parado entre o teste funcional e a embalagem por cerca de 40 minutos em média. Parecia razoável até eu separar os dados por turno. O turno da manhã tinha espera de 12 minutos. O da tarde, 78 minutos. O problema não era o processo em si, era a sincronia entre duas estações que usavam escalonamentos diferentes.
Como coletar tempo de esperas sem cometer erros básicos
Você precisa de timestamps em pelo menos dois pontos: quando o item entra numa etapa e quando ele sai. Timestamps manuais geram dados ruins. Eu vi gente anotando no papel e depois digitando depois do fim do expediente. A margem de erro chega a 15 minutos só por esquecimento. Use sensores, leitores de código de barras, ou integração direta com o MES do chão de fábrica. Um detalhe que todo mundo esquece: a espera pode ser classificada em três tipos. Espera por material, quando o item não tem insumo para continuar. Espera por capacidade, quando a estação seguinte está ocupada. Espera por informação, quando falta uma autorização, uma especificação ou uma decisão. Separar esses três tipos desde o início economiza horas de discussão depois.
👉 Clique no botão abaixo para saber mais sobre o assunto!
No meu caso, o workround foi simples mas demorou para descobrir. Coloquei um sensor fotoelétrico na saída da estação de teste funcional e conectei ao mesmo sistema que registrava a entrada na embalagem. A diferença entre o timestamp de saída e o de entrada na próxima etapa era exatamente a espera. Sem precisar alterar nenhum procedimento operacional.
Pegadinhas que ninguém conta sobre medição de esperas
Temperatura, umidade, horário do dia — variáveis que não aparecem nos fluxogramas mas afetam diretamente o tempo de esperas. Num projeto recente, identifiquei que as esperas aumentavam 30% entre 14h e 16h porque o sistema de climatização do almoxarifado entrava em ciclo de manutenção nesse período. Os materiais ficavam aguardando condição ambiente adequada para serem manuseados. Sem registrar a variável ambiental, eu jamais teria encontrado a causa raiz. Outro erro comum é medir a espera do item médio. O que você precisa é do percentil 90. Se 90% dos seus itens esperam menos de 20 minutos, mas os outros 10% esperam 3 horas, a sua média de 35 minutos não serve para nada. Os problemas reais estão sempre na cauda da distribuição. Foque nos outliers, não na média.
Se o seu ambiente é muito variável e a coleta automática de timestamps não é viável no curto prazo, uma alternativa prática é usar planilhas com colunas de hora de chegada e hora de liberação preenchidas em tempo real pelos operadores. Não é ideal, mas reduz o erro de recall em comparação com preenchimento retrospectivo. A precisão cai para cerca de 2 minutos de margem, o que ainda é útil para identificar gargalos macro. O tempo de esperas bem medido e categorizado permite ação direta. Identificar onde a espera acontece, classificar o tipo, e atacar a causa raiz em vez de tratar sintoma. Sem isso, você apenas move números de um lado pro outro e chama de melhoria.
