Redução na geração de refugos explosivos
Visualizar/ Abrir
Data
2025Autor
Maeda, Fabio Massao
Teixeira, Fernando Alves
Faleiro, Igor Alexandre Souza
Oliveira, Matheus de Gouveia
Valle, Pablo Deivid, 1975-
Silva, Anderson Donato da
Universidade Federal do Paraná. Setor de Tecnologia. Curso de Especialização em Engenharia da Qualidade 4.0
Metadata
Mostrar registro completoResumo
Resumo: Contexto: A industria de explosivos enfrenta desafios significativos com perdas por refugo, que impactam custos e eficiencia. Neste estudo, analisou-se um setor com taxa media historica de 0,46% de refugo (equivalente a . 10.824 unidades/mes), baseada na producao media de 1.551.468 unidades/mes entre janeiro e julho de 2024. Objetivo: Reduzir o refugo por meio da aplicacao sistematica de metodologias de melhoria continua, alinhadas aos principios da Qualidade 4.0. Metodo: Implementacao de um sistema estruturado de coleta de dados; Analise de Pareto para identificacao de causas prioritarias; Formacao de um grupo multidisciplinar (Seguranca, Qualidade, Manutencao, Producao); Aplicacao de ferramentas lean e monitoramento em tempo real. Resultados: Reducao de 54,3% na taxa de refugo (para 0,21% . .3.258 unidades/mes); Economia mensal de .3.879 unidades; Modelo replicavel para outros setores. Conclusao: A integracao de analises data-driven com colaboracao cross-functional mostrou-se decisiva para otimizar processos industriais complexos, validando praticas da Industria 4.0 em ambientes de alta criticidade Abstract: Context: The explosives industry faces significant challenges with waste losses, impacting costs and efficiency. This study analyzed a sector with a historical scrap rate of 0.46% (.10,824 units/month), based on average monthly production of 1,551,468 units (January-July 2024). Objective: To reduce waste through systematic continuous improvement methodologies aligned with Quality 4.0 principles. Method: Implementation of a structured data collection system; Pareto analysis to identify root causes; Formation of a multidisciplinary team (Safety, Quality, Maintenance, Production); Application of lean tools and real-time monitoring. Results: 54.3% reduction in scrap rate (to 0.21% . .3,258 units/month);
Monthly savings of .3,879 units; Replicable model for other industrial sectors. Conclusion: Data-driven analysis combined with cross-functional collaboration proved critical for optimizing complex industrial processes, validating Industry 4.0 practices in high-risk environments