Na planta de Nagakusa, no Japão, a Toyota Industries adotou uma solução de IA industrial baseada no Microsoft Azure para aprimorar, quase em tempo real, o controle de qualidade no processo de pintura de para-choques automotivos. A iniciativa, desenvolvida em colaboração com a Microsoft e a Sight Machine, busca reduzir defeitos, retrabalho e emissões ao transformar dados do chão de fábrica em insights acionáveis para equipes operacionais e executivas.
CONTEÚDO RELACIONADO – A Inteligência Artificial destrava a modernização de sistemas ao resgatar regras de negócios perdidas no passado
Na produção automotiva em larga escala, os defeitos de pintura costumam aparecer depois que valor já foi agregado ao produto, causando retrabalho, atrasos e incertezas. Na planta de Nagakusa da Toyota Industries, a qualidade da pintura é uma das etapas mais sensíveis do fluxo de produção de para-choques. Com um grupo cada vez menor de especialistas experientes em pintura, tornou-se evidente a necessidade de migrar das inspeções visuais para uma gestão da qualidade orientada por dados.
Como muitos fabricantes, a Toyota Industries já coletava centenas de dados em suas operações de pintura — de sensores de equipamentos e parâmetros de processo a condições ambientais, como temperatura e umidade. Esses dados foram unificados e estruturados no Azure, mas as equipes ainda não tinham uma visão integrada e em tempo real das operações para entender quais variáveis causavam os defeitos.
Como resultado, identificar as causas-raiz tornou-se um processo lento e intensivo em recursos, com engenheiros e especialistas passando semanas buscando manualmente correlações — enquanto os custos relacionados à qualidade aumentavam. Ao mesmo tempo, a crescente pressão regulatória aumentou a necessidade de que a Toyota Industries avançasse em suas iniciativas de sustentabilidade.
Para a liderança, estava claro que melhorias em analytics isoladamente não entregariam a mudança estrutural necessária. “Precisávamos de uma abordagem diferente — capaz de conectar dados operacionais do chão de fábrica, adicionar contexto operacional e transformar insights rapidamente em ação e decisão para nossas equipes de linha de frente e executivos”, afirma Yoshihisa Watanabe, gerente-geral da Divisão Automotiva do Escritório de Transformação Digital da Toyota Industries.
Construindo uma base de dados que funciona em escala industrial
Para evoluir de uma análise retrospectiva para um controle quase em tempo real, a Toyota Industries colaborou com a Microsoft e a Sight Machine para construir uma base de dados industrial unificada e preparada para IA no Azure. A solução foi projetada para operar em larga-escala, e não como um experimento.
As equipes conduziram um projeto piloto usando dados reais da fábrica para estruturar e analisar as informações por meio de um pipeline. O segundo passo foi confirmar se os resultados buscados — como melhorias nos indicadores de qualidade e mudanças na forma como o trabalho é realizado no chão de fábrica — poderiam ser alcançados de forma consistente com a tecnologia. “Ver operadores reais usando dados de forma eficaz nos ajudou a entender que esta não era apenas uma solução técnica, e sim uma capaz de mudar a forma como as pessoas trabalham e tomam decisões”, diz Takuya Hatakeyama, líder de projeto na Toyota Industries, responsável por IoT e utilização de dados fabris.
Acelerando a inovação em uma cultura de dados sólida
No processo de pintura, diversos fatores correlacionados podem influenciar os resultados. Joseph Fryer, diretor de Customer Outcomes da Sight Machine, descreve como a IA e o machine learning foram usados para analisar quase 400 variáveis antes de restringir o foco aos sinais mais interligados aos defeitos — uma abordagem destinada a acelerar o aprendizado e orientar a ação das equipes de linha de frente.
Segurança e governança foram incorporadas desde o início com o uso da plataforma Azure. Além disso, a solução foi construída para ser utilizada para além dos especialistas em dados. O projeto enfatizou a visibilidade compartilhada, permitindo que as equipes de manufatura, engenharia de produção e áreas relacionadas visualizassem os mesmos dados e se alinhassem mais rapidamente nas decisões. A Toyota Industries já possui uma forte cultura de dados, mas esse projeto acelerou o impacto.
Impacto mensurável — e uma plataforma para o futuro
Ao estabilizar a temperatura, a Toyota Industries reduziu em cerca de 25% os defeitos relacionados a partículas durante esse período. A empresa relatou um aumento de aproximadamente quatro vezes nas oportunidades de resolver defeitos. Suas reuniões diárias de alinhamento exigem 80% menos tempo de preparação, melhorando significativamente a comunicação do dia a dia, e a companhia espera uma taxa de emissões 18% menor durante os meses de pintura no inverno.
Mais importante para os líderes, os ciclos de melhoria foram acelerados. “O que antes levava semanas agora pode ser feito em um dia; às vezes, em menos de uma hora”, afirma Fryer, citando uma análise completa de gargalo concluída em cerca de 45 minutos, da revisão ao insight acionável.
No chão de fábrica, a mudança se refletiu em confiança e alinhamento. Com dashboards compartilhados e visibilidade quase em tempo real, supervisores e engenheiros conseguem identificar padrões anormais mais cedo, discutir possíveis causas a partir da mesma visão e tomar decisões mais rapidamente.
Com uma base escalável implementada, a Toyota Industries considera expandir essa abordagem para além da pintura de para-choques, chegando aos processos de pintura de carrocerias, e explorar sua aplicabilidade a outras áreas de produção contínua ao longo do tempo. “O que começou como um desafio na oficina de pintura tornou-se um modelo escalável — que mostra como a IA industrial gera valor quando os dados são contextualizados primeiro”, conclui Hatakeyama.
Participe das comunidades IPNews no Instagram, Facebook, LinkedIn, X e WhatsApp
