Painel interativo em power bI para análise de eventos em teares retilíneos: estratégia para redução de paradas e aumento da eficiência

Abstract

Este estudo apresenta o desenvolvimento de um painel interativo em Power BI integrado ao sistema MES para monitoramento e análise de eventos em teares retilíneos de uma indústria têxtil de grande porte localizada em Santa Catarina. O objetivo foi transformar registros automáticos e manuais em indicadores estruturados, permitindo identificar causas de parada, comparar grupos de galga e avaliar o desempenho operacional das máquinas. A pesquisa caracteriza-se como aplicada, qualitativa e descritiva, utilizando dados coletados nos primeiros trinta dias de implantação do MES, abrangendo 15 teares distribuídos entre as galgas 6.2, 7, 10 e 14. Os dados foram tratados no Power Query, modelados no Power BI e analisados via medidas DAX, contemplando frequência de eventos, tempo total parado, tempo médio por máquina e demais métricas de desempenho. Os resultados indicaram que a maior parte da indisponibilidade esteve associada a eventos automáticos e intervenções de manutenção, com destaque para a sensibilidade da galga 14 e maior estabilidade da galga 10. O dashboard permite visualizar padrões, diagnosticar perdas operacionais e apoiar decisões de manutenção, setup e programação. Conclui-se que a ferramenta ampliou a transparência do processo produtivo e fortaleceu a tomada de decisão orientada por dados, mesmo com as limitações do período inicial de implantação do MES.

This study presents the development of an interactive Power BI dashboard integrated with a Manufacturing Execution System (MES) to monitor and analyze events in flat knitting machines of a large textile company in southern Brazil. The objective was to convert automatic and manual records into structured indicators, enabling the identification of downtime causes, comparison across machine gauges, and evaluation of operational performance. This applied, qualitative, and descriptive research used data collected during the first thirty days of MES implementation, covering 15 machines distributed among gauges 6.2, 7, 10, and 14. Data were processed in Power Query, modeled in Power BI, and analyzed through DAX measures addressing event frequency, total downtime, average downtime per machine, and additional performance metrics. Results indicated that most unavailability was associated with automatic events and maintenance interventions, with gauge 14 being the most sensitive to failures and gauge 10 demonstrating greater stability. The dashboard enabled the identification of patterns, diagnosis of operational losses, and support for maintenance, setup, and scheduling decisions. It is concluded that the tool enhanced process transparency and strengthened data-driven decision-making, despite limitations inherent to the early phase of MES implementation.