Business Intelligence industrial: como informações de SCADA, historiadores, produção, qualidade e manutenção contribuem para indicadores e decisões de gestão.
Confira!
Business Intelligence industrial é uma solução de análise que consolida dados de produção, qualidade, manutenção, energia, logística interna e registros de sistemas de supervisão para apoiar decisões sobre desempenho operacional. Sistemas SCADA, Data Historians, PLCs, sensores e plataformas industriais fornecem informações ou executam controle; Business Intelligence utiliza essas informações junto com dados corporativos para compreender tendências, perdas de capacidade, desvios e oportunidades de melhoria. A solução é projetada conforme as necessidades e responsabilidades de cada instalação.
Uma planta pode possuir milhares de pontos em tempo real, mas isso não significa que todos sejam úteis para indicadores gerenciais. Sinais de pressão, temperatura ou velocidade têm unidades, condições e calibrações; paradas de máquina têm causas e durações; ordens de produção possuem metas e estados; dados de qualidade podem ser amostras, ensaios ou resultados finais. Sem definir a unidade de análise e o contexto, o dashboard pode misturar grandezas incompatíveis.
A função dos sistemas operacionais não deve ser transferida para a camada analítica. Comandos, intertravamentos e respostas críticas pertencem às plataformas de automação e segurança projetadas para isso. O Business Intelligence transforma dados históricos e operacionais em indicadores reproduzíveis, a partir de perguntas específicas dos gestores.
SCADA & Data Historians são fontes, não o próprio Business Intelligence
O SCADA permite supervisão, alarmes, tendências e, conforme o projeto, comandos sobre processos e equipamentos. Data Historians armazenam séries temporais de variáveis industriais. Essas plataformas podem exibir gráficos e relatórios, mas não necessariamente relacionam produção, custos, inventário, qualidade e manutenção segundo o modelo gerencial do cliente.
Uma plataforma corporativa de análise pode usar dados consolidados de Data Historian, relatórios de execução e ordens do ERP, sem acessar diretamente cada PLC. A estratégia de coleta precisa respeitar limites de processamento, segregação de redes, credenciais e disponibilidade do ambiente OT. Integrar informações não equivale a criar um caminho irrestrito de comando entre sistemas corporativos e industriais.
O artigo sobre sistemas supervisórios e SCADA aprofunda a função da plataforma operacional. Aqui a responsabilidade editorial é explicar como registros industriais se tornam indicadores gerenciais sem substituir o controle de processos.
Começar pelos problemas de produção e qualidade
Uma operação pode querer saber por que uma linha apresenta perdas de ritmo em determinados turnos, quais ativos concentram paradas não programadas, onde ocorre aumento de rejeição de produto ou como mudanças de processo afetam consumo de energia. Cada pergunta determina dados necessários, critérios de qualidade, período e responsável por aceitar a interpretação. Uma solução que começa pela ferramenta tende a coletar séries extensas sem demonstrar o benefício decisório.
Algumas análises exigem granularidade por ordem e lote; outras utilizam registros por máquina, produto, turno ou minuto. Uma média mensal pode ocultar interrupções curtas que se repetem; uma série de alta frequência pode ser desnecessária para avaliar custo por unidade produzida. O projeto deve indicar quais dados precisam de detalhamento e quais podem ser agregados, com preservação de rastreabilidade.
Indicadores de produção também requerem terminologia consistente entre engenharia, operação, qualidade e planejamento. A expressão perda de produção pode significar refugo, parada, capacidade não utilizada ou diferença entre previsto e realizado. Sem definições explícitas, diferentes áreas calculam números distintos para uma mesma reunião.
Inventário de fontes industriais e corporativas
Em ambientes industriais podem existir dados de PLCs, SCADA, Data Historians, MES, ERP, CMMS, laboratório, energia e logística interna. Cada fonte possui identidade, janela de atualização e responsáveis. O MES pode registrar ordem e execução; o ERP controla transações e custos; a manutenção registra intervenções; o Data Historian conserva variáveis de processo. A utilidade surge da relação entre essas perspectivas, não de tratá-las como uma grande tabela sem semântica.
| Fonte | Exemplo de informação | Atenção necessária |
| SCADA & Data Historian | Variável e evento de processo | Amostragem, unidade e qualidade de sinal |
| MES | Ordem, lote e execução | Estados e horários de produção |
| ERP | Materiais e custos | Lançamentos e retificações |
| Manutenção | Falhas e reparos | Marco de parada e recuperação |
| Qualidade | Resultado de ensaio e rejeição | Amostragem e validade por lote |
| Energia | Demanda e consumo | Fronteira de medição e operação |
É necessário identificar limites das interfaces. A existência de protocolo industrial não implica autorização para exportar todos os dados. A arquitetura deve privilegiar coleta por camadas apropriadas, com segmentação de rede e proteção de ativos críticos. Conectores precisam considerar mudanças de nome, versão e significado dos tags ao longo do tempo.
Uma camada analítica só será confiável se os sistemas de controle forem dimensionados para disponibilizar dados sem comprometer supervisão, comunicação e continuidade do processo. A engenharia de automação deve definir as interfaces e as condições seguras de aquisição.
Indicadores de produção: definição e limites
Um indicador de produção deve descrever resultado, período e escopo. Produção horária pode significar unidades iniciadas, concluídas ou aceitas pela qualidade. Eficiência de linha exige um referencial de capacidade e condições de funcionamento. Comparar turnos sem considerar produto, setup, disponibilidade de matéria-prima e duração real pode induzir conclusões incorretas.
O conceito de OEE, utilizado em diversos ambientes de manufatura, costuma combinar disponibilidade, desempenho e qualidade segundo definições aplicáveis ao processo. Isso não significa que qualquer planta possua dados suficientes para um cálculo universal. Paradas planejadas, microparadas, taxa ideal e critérios de refugo precisam ser aprovados para que o índice seja reproduzível e não esconda hipóteses.
Business Intelligence permite confrontar o indicador com causas possíveis, mas correlação não comprova causalidade. Uma queda de ritmo durante troca de produto pode refletir setup previsto; uma mudança de qualidade pode estar associada a variação de material. O dashboard deve apontar situações a investigar, com acesso a dados e contexto que sustentem as análises.
Paradas, alarmes e manutenção industrial
Um PLC ou SCADA pode registrar muitos alarmes durante uma única parada. Contar cada mensagem como falha independente exagera a recorrência. É necessário identificar episódio, causa confirmada, equipamentos afetados, início da perda de função e restabelecimento. A ordem de manutenção pode ser aberta mais tarde; seu encerramento administrativo também pode ocorrer depois da recuperação da linha.
Uma solução de Business Intelligence deve diferenciar duração de parada, tempo de resposta, tempo de reparo e disponibilidade operacional. Uma falha de rede pode silenciar registros do sistema supervisório, e isso não equivale a ausência de problemas no processo. A arquitetura precisa reconhecer períodos de observação incompleta e evitar preencher automaticamente lacunas com estados normais.
A análise histórica pode apoiar priorização de ativos, revisão de estratégia preventiva e avaliação de investimentos, mas o diagnóstico final exige conhecimento técnico do processo e evidências. Os indicadores devem mostrar limites de interpretação e relações entre fonte, ativo, turno e ordem.
Qualidade de dados industriais e contexto temporal
Sinais de processo podem ser amostrados em frequência alta, armazenados por exceção ou consolidados em períodos definidos. Um sensor pode ter leitura inválida, permanecer congelado ou perder calibração. Médias feitas sem considerar duração de estados podem ser enganosas. A engenharia de dados deve registrar unidade, escala, amostragem, indicadores de qualidade e regras de filtragem antes de aplicar estatística.
Datas de ocorrência, recebimento e processamento podem divergir em situações de desconexão. Uma falha de Data Historian pode afetar uma série sem que o processo tenha parado. Janelas de produção atravessam turnos e dias, de modo que o modelo deve distinguir calendário civil, calendário industrial e intervalos operacionais efetivos.
Quando uma linha troca de produto, regime ou equipamento, séries históricas podem perder comparabilidade. A dimensão de produto, receita de processo e versão da configuração deve acompanhar a análise quando pertinente. Sem esse contexto, variações que refletem mudança de operação podem ser erroneamente interpretadas como ganho ou perda de desempenho.
Arquitetura de integração segura entre OT e dados corporativos
A solução pode separar aquisição de dados, zona de integração, tratamento, repositório analítico, modelo de indicadores e dashboards. O projeto precisa preservar o isolamento funcional das redes de automação e adotar controles proporcionais de acesso e transferência. Publicar consultas de Business Intelligence diretamente contra controladores críticos sem avaliação é inadequado, mesmo quando tecnicamente possível.
O NIST SP 800-82 fornece orientação sobre particularidades de segurança de sistemas de tecnologia operacional, incluindo requisitos de disponibilidade e riscos de integração. Sua aplicação deve ser adaptada ao projeto, não usada para afirmar que existe uma topologia única. Segmentação, credenciais, auditoria e resposta a falhas precisam ser definidos com as equipes responsáveis.
A engenharia de integração também precisa cuidar de identificadores. A máquina conhecida como M-12 no SCADA pode aparecer com outra nomenclatura no CMMS. Mapeamentos com versão e responsabilidade preservam a ligação entre ocorrências, lotes e custos, evitando correspondências feitas apenas por texto aproximado.
A análise conjunta de dados industriais e corporativos exige contratos de dados, identidade de ativos, sincronismo e segurança das interfaces. A integração precisa preservar o significado das informações sem criar caminhos de controle indevidos entre ambientes.
Dashboards por papel e hierarquia de decisão
Operadores precisam de interfaces de supervisão e controle adequadas; líderes de produção podem acompanhar ordens, perdas de ritmo e qualidade; manutenção analisa falhas e ativos; direção utiliza tendências e resultados consolidados. Um dashboard executivo não deve reproduzir todos os alarmes do SCADA, pois o excesso de sinais dificulta interpretar decisões de capacidade, investimento e continuidade.
As medidas precisam ter fórmula, fonte, unidade, cobertura, periodicidade e responsável. A comparação entre plantas exige avaliar diferenças de tecnologia, turnos, produtos e qualidade dos registros. O fato de duas linhas utilizarem o mesmo nome de indicador não garante que seus denominadores sejam equivalentes.
Governança também significa controlar o acesso. Dados de processos, custos e qualidade podem ser comercialmente sensíveis. Os usuários devem receber informação proporcional à sua função; exportações e integrações precisam respeitar políticas, e um filtro visual não substitui proteção efetiva na origem ou no modelo.
Energia, consumo específico e eficiência produtiva
Uma fábrica pode querer correlacionar energia consumida com produção aceita, carga, turnos e variação de produtos. O cálculo de consumo específico precisa definir a fronteira de medição e a unidade de resultado. Se os medidores cobrem também cargas administrativas e utilidades, comparar diretamente kWh com peças produzidas pode produzir conclusões frágeis.
A análise deve considerar períodos sem produção, partidas, limpeza, setup e variações de demanda. Menor consumo absoluto pode ocorrer por queda de volume, não por melhoria de eficiência. A ISO 50001 oferece referência para sistemas de gestão de energia, enquanto o Business Intelligence pode apoiar o acompanhamento de indicadores, desde que sua metodologia seja documentada.
Uma investigação pode apontar oportunidades de ajuste de processo, manutenção ou planejamento, mas as mudanças de controle devem ser avaliadas por engenharia. A camada de análise não deve modificar automaticamente setpoints de processo sem projeto e salvaguardas adequadas.
Controle de mudanças, rastreabilidade e testes
Uma atualização de firmware pode alterar significado de tag ou frequência de registro. Mudanças no MES ou ERP também podem modificar estados e datas. O modelo de Business Intelligence deve conservar contrato de dados, versões e data de vigência. Quando uma regra de cálculo muda, os relatórios precisam indicar o efeito sobre comparações anteriores.
Os testes de aceite devem reconstruir indicadores a partir de amostras de ordens, lotes, eventos e registros de qualidade. É importante incluir períodos com falhas de comunicação, retransmissão, duplicação, paradas planejadas e correções tardias. Um painel que mostra o número esperado em condições normais não está validado até que demonstre comportamento coerente nas exceções.
Indicadores de produção e desempenho dependem de regras específicas para cada planta, seus produtos e seus sistemas existentes. O diagnóstico técnico ajuda a estabelecer prioridades, riscos e critérios de aceite antes da contratação de plataformas analíticas.
| Verificação | Evidência |
| Produção | Ordem, unidade e estado confirmados |
| Paradas | Eventos agrupados por episódio |
| Qualidade | Resultado por lote e critério |
| Integração | Teste de falha e retomada sem duplicação |
| Indicadores | Fórmulas e limites reproduzíveis |
Implantação piloto e expansão entre linhas ou plantas
Um piloto útil seleciona decisão com impacto mensurável e dados existentes, por exemplo explicar interrupções recorrentes de uma linha e sua relação com manutenção. A equipe mapeia tags, eventos, ordens, turnos e indicadores, compara fontes e reproduz cálculos. Antes de ampliar, os responsáveis precisam aceitar a definição de cada medida e conhecer suas limitações.
A expansão para outras linhas exige comparar sistemas, produtos, calendários e cobertura de medição. Um indicador que funciona na primeira unidade não deve ser reproduzido automaticamente em máquinas diferentes. A documentação deve permitir adaptar regras e identificar quando comparações entre plantas não são válidas.
Depois de implantada, a solução necessita acompanhar mudanças de processos, ativos e requisitos de negócio. O sucesso depende da capacidade de apoiar decisões e explicar números, e não da quantidade de séries captadas do ambiente industrial.
Exemplo prático: perdas de capacidade em uma linha produtiva
Considere uma linha de embalagem que registra produtividade inferior à meta em alguns turnos. O Data Historian contém estados da máquina, o MES apresenta ordens concluídas e o CMMS registra intervenções. A primeira etapa da análise é definir produção aceita, tempo operacional aplicável e condições de parada. Se uma mudança de produto altera a velocidade de referência, comparar somente unidades por hora pode concluir equivocadamente que o turno teve pior desempenho. A solução deve reconhecer o mix de produção e as janelas reais de operação.
Um modelo pode relacionar episódios de parada, tempos de setup, falta de material, intervenção e resultado de qualidade. Os dados permitem investigar quais categorias explicam parte das diferenças observadas, mas a causa depende de confirmação técnica. Uma falha de sensor pode produzir registro de velocidade zero mesmo quando o equipamento não parou; uma ordem encerrada no ERP pode ter sido ajustada depois da produção. Business Intelligence precisa sinalizar essas condições e impedir que o dashboard transforme uma inconsistência técnica em resultado gerencial.
Após uma intervenção autorizada, como revisão de manutenção ou sequenciamento de produção, os indicadores podem acompanhar disponibilidade, ritmo e qualidade em períodos equivalentes. O resultado deve considerar mudanças de lote, operadores, calendário e condições do processo. Uma melhora aparente pode decorrer de produto mais simples ou de alteração na forma de registrar paradas. O projeto deve manter as regras e os contextos necessários para interpretar a comparação.
Estruturação da informação para análise entre plantas
Uma organização com diferentes fábricas pode utilizar sistemas e equipamentos distintos. O mesmo conceito de parada pode receber códigos diferentes no SCADA, no MES e no CMMS. Antes da consolidação corporativa, é necessário manter um catálogo de eventos com equivalências aprovadas e preservar a classificação original. Agrupar classes somente porque possuem nomes parecidos pode somar eventos de alarme com perdas reais de produção, criando indicadores que não representam o processo.
A unidade temporal também precisa ser padronizada. Turnos que atravessam a meia-noite, calendários especiais e paradas programadas exigem regras de atribuição. Uma ordem de produção pode começar em um turno e terminar em outro; usar apenas o horário de encerramento distorce a produtividade de equipes. A arquitetura deve definir granularidade por ordem, lote, equipamento e intervalo quando cada uma for necessária, evitando combinações que multipliquem quantidades.
Os indicadores corporativos devem informar cobertura e condição de comparabilidade. Uma planta pode ter registro detalhado de microparadas, enquanto outra coleta apenas paradas longas. Comparar a frequência bruta entre ambas é injustificado. Business Intelligence pode mostrar visões consolidadas e específicas, separando indicadores realmente equivalentes daqueles que exigem ajustes ou não permitem comparação.
Segurança OT, integridade e continuidade da coleta
Em ambientes industriais, uma conexão de dados não pode comprometer a disponibilidade nem a segurança de equipamentos de processo. O NIST SP 800-82 rev. 3 apresenta a necessidade de considerar características próprias de sistemas OT. A arquitetura deve evitar dependência operacional de serviços analíticos externos, limitar interfaces e credenciais, segmentar redes e testar comportamento diante de falhas de comunicação. A prioridade é preservar as funções industriais e permitir coleta controlada.
O projeto precisa definir origem da informação, frequência, retenção e mecanismo de recuperação. Um dashboard que consulta diretamente um controlador com frequência inadequada pode criar carga desnecessária; utilizar um Data Historian ou zona intermediária pode ser mais apropriado quando existente e autorizado. Essa escolha não é universal: depende da topologia e dos requisitos de cada instalação.
Uma falha de conectividade não deve ser registrada como ausência de produção sem outra evidência. O modelo tem de distinguir dados que indicam parada observada de períodos sem observação. Em um incidente de cibersegurança ou indisponibilidade, informações analíticas podem precisar ser bloqueadas ou descontinuadas para proteger sistemas críticos. A solução precisa prever operação degradada e informar limitações aos usuários, sem transformar um relatório de Business Intelligence em elemento indispensável ao controle do processo.
Aceite de indicadores e responsabilidades pelo ciclo de vida
Para aceitar uma solução analítica industrial, o cliente deve poder reproduzir indicadores a partir de registros originais e regras documentadas. Os testes precisam incluir produção normal, falha confirmada, parada planejada, troca de produto, perda de comunicação, correção retroativa e substituição de equipamento. Cada evento precisa conservar hora, fonte, estado, unidade e versão de regra suficientes para verificar o cálculo. É útil selecionar amostras representativas de linhas, produtos e turnos antes de liberar uma visão corporativa.
As responsabilidades devem ser repartidas de forma clara. Operações valida o significado de produção e parada; qualidade confirma registros e critérios de rejeição; manutenção identifica falhas e restabelecimento; engenharia de automação assegura que a extração não interfira no controle; a equipe de dados mantém modelos e rastreabilidade. O gestor de negócio aprova a utilização do indicador e sua relação com decisões. Sem essa governança, a mesma fórmula pode ser alterada informalmente em diferentes dashboards.
Depois do aceite, uma mudança de tag, equipamento, versão do MES ou classificação de produto pode exigir revisão de modelo e comparações históricas. O ciclo de vida precisa manter controle de alterações, testes e comunicação aos usuários. A continuidade do Business Intelligence depende dessa disciplina: mais dados não significam mais compreensão quando os conceitos e critérios de medição se tornam instáveis.
Indicadores de qualidade por lote e ordem de produção
Um indicador de qualidade precisa identificar o que o processo considera produzido, aprovado, rejeitado ou retrabalhado. Uma mesma peça pode passar por várias inspeções, e contar cada avaliação como unidade produzida pode multiplicar o volume aparente. O modelo de Business Intelligence deve preservar lote, ordem, produto, critério de aceitação e horário de registro para que o numerador e o denominador reflitam fenômenos comparáveis. É importante distinguir produto final rejeitado de itens em retrabalho que poderão ser recuperados segundo procedimento válido.
As informações de qualidade podem vir de laboratório, inspeções de linha ou sistemas especializados. Nem sempre esses registros são lançados no momento da produção; resultados podem chegar depois, exigindo correção de indicadores publicados. Uma política de fechamento determina quando o valor é provisório e como será atualizado. A comparação de turnos também precisa considerar lotes e receitas diferentes, pois condições do produto podem modificar taxas de rejeição sem demonstrar mudança da capacidade dos operadores.
O painel pode ajudar a investigar alterações persistentes após troca de fornecedor, ajuste de processo ou manutenção, mas a conclusão exige avaliação técnica. Uma correlação entre temperatura e rejeição, por exemplo, não comprova causalidade sem observar outras variáveis e limites do ensaio. O objetivo é permitir que equipes multidisciplinares identifiquem hipóteses, documentem intervenções e acompanhem seus efeitos com medidas coerentes.
Planejamento da capacidade e análise de gargalos
A capacidade efetiva de uma planta depende da sequência de etapas, das restrições de equipamentos e dos tempos de processo, transporte e preparação. Uma linha pode apresentar disponibilidade elevada em várias máquinas e ainda produzir abaixo do esperado por causa de um gargalo localizado. Somar capacidade nominal de equipamentos não demonstra produção alcançável; é necessário compreender dependências, mix de produtos, paradas e restrições do fluxo.
Business Intelligence pode relacionar ordens, estados de processo, filas intermediárias e resultados de qualidade para identificar onde o sistema acumula material ou tempo. Um dashboard que mostra somente ocupação individual de máquinas pode esconder uma etapa de inspeção ou transferência cuja capacidade limita o conjunto. O modelo precisa definir evento, lote, recurso e intervalo para manter comparações válidas. Alterações no roteiro de fabricação devem ser documentadas, pois o significado dos tempos muda quando uma operação é inserida ou removida.
Decisões sobre expansão, redistribuição de turnos ou melhoria de manutenção podem partir dessas análises, desde que sejam testadas com a engenharia de produção. A camada de Business Intelligence não substitui o planejamento detalhado nem os sistemas de execução. Ela oferece a visão consolidada necessária para selecionar hipóteses e medir se uma intervenção realmente alterou resultado, custo ou confiabilidade.
Fontes de dados para melhoria contínua e governança
Uma plataforma analítica amadurece quando a organização possui critérios compartilhados de registro e revisão de indicadores. A confiabilidade depende de saber quem definiu a meta, qual versão do processo foi utilizada, como os alarmes são classificados e qual fonte responde por cada medida. Um programa de melhoria contínua pode usar Business Intelligence para acompanhar intervenções, mas cada mudança precisa conservar data, responsável, condição inicial e critério de avaliação.
As equipes devem distinguir métricas que descrevem resultados de métricas que descrevem o funcionamento da coleta. Se uma linha deixa de transmitir registros do SCADA, não se deve preencher automaticamente a produção com zero. Um indicador de completude dos dados pode sinalizar que o período exige investigação antes de qualquer comparação. Essa disciplina reduz o risco de transferir falhas de infraestrutura para avaliações gerenciais equivocadas.
Governança não significa concentrar informações sem finalidade. O cliente deve selecionar fontes proporcionais às perguntas e aplicar segurança às interfaces industriais e aos modelos analíticos. A arquitetura evolui quando novas necessidades justificam novas variáveis, preservando o uso legítimo e o desempenho dos sistemas de origem. O objetivo final é sustentar decisões repetíveis com evidência, e não acumular dados operacionais de forma indefinida.
Considerações finais
Business Intelligence industrial integra informações de SCADA, Data Historians, produção, qualidade, manutenção e sistemas corporativos para orientar decisões fundamentadas. Os sistemas de controle preservam suas funções, e a solução analítica acrescenta contexto gerencial aos registros disponíveis.
Indicadores só são confiáveis quando granularidade, tempo, fonte, estado de processo e critérios de aceitação estão definidos. Um alarme não representa necessariamente uma falha, assim como uma variação de sensor não comprova mudança de eficiência.
A arquitetura deve ser personalizada, segura para o ambiente OT e validada com exemplos reais. O papel do Business Intelligence é transformar dados em compreensão verificável, mantendo decisões críticas com as equipes e plataformas responsáveis.
Referências técnicas
[1] NIST. SP 800-82 Rev. 3: Guide to Operational Technology (OT) Security. Gaithersburg: NIST, 2023. Disponível em: https://csrc.nist.gov/pubs/sp/800/82/r3/final.
[2] ISA. ISA-95 Enterprise-Control System Integration. International Society of Automation. Disponível em: https://www.isa.org/standards-and-publications/isa-standards/isa95.
[3] ISO. ISO 22400-2:2014 — Key performance indicators for manufacturing operations management. Disponível em: https://www.iso.org/standard/54497.html.
[4] ISO. ISO 50001:2018 — Energy management systems — Requirements with guidance for use. Disponível em: https://www.iso.org/standard/69426.html.
[5] MICROSOFT. Understand star schema and the importance for Power BI. Disponível em: https://learn.microsoft.com/power-bi/guidance/star-schema.
[6] ONVIF. Profile M: Metadata and Events for Analytics Applications. Disponível em: https://www.onvif.org/profiles/profile-m/.
Perguntas frequentes
Uma solução de análise que relaciona dados de produção, SCADA, qualidade, manutenção e operação para decisões gerenciais.
Não. SCADA supervisiona e pode controlar processos; Business Intelligence analisa dados históricos e corporativos para orientar decisões.
Armazena séries temporais e pode ter ferramentas de consulta; análises entre produção, custos e processos podem exigir um modelo gerencial complementar.
Dependem da finalidade: produção aceita, disponibilidade, perdas de ritmo, qualidade, manutenção e consumo específico podem ser avaliados.
Não se deve presumir. A arquitetura deve avaliar segurança OT, disponibilidade, segregação e camadas de integração adequadas.
Não necessariamente. Vários alarmes podem ocorrer em um único incidente ou sem perda funcional confirmada.
É a unidade de cada fato, como leitura de sensor, ordem, lote ou parada; a combinação exige regras compatíveis.
Comandos exigem projeto, responsabilidade e salvaguardas do ambiente de controle; a análise não deve assumir essas funções.
Considere tipos de produto, capacidade, turnos, critérios de qualidade e cobertura de medição.
Marcar a lacuna e sua origem, evitando tratá-la como valor zero ou como funcionamento normal.
Reproduza seu cálculo com amostras, estados de processo, ordens e registros, incluindo falhas e correções tardias.
Após piloto e aceite, mapeando diferenças de sistemas e processos para evitar comparação indevida.
