Visão Geral: a otimização da produção em tempo real é um dos maiores desafios da indústria siderúrgica: pequenas decisões operacionais, replicadas milhares de vezes, geram impactos que se acumulam ao longo do tempo. Foi exatamente esse desafio que motivou a ArcelorMittal Tubarão a buscar uma solução capaz de otimizar, em tempo real, o processo de corte de placas de aço durante o lingotamento contínuo. Em parceria com a UniSoma, a empresa desenvolveu um modelo matemático avançado que analisa dados da operação em segundos e calcula os cortes ideais para cada situação. Neste artigo, contamos como nasceu o projeto de otimização de produção em tempo real, quais desafios estavam envolvidos e quais resultados já podem ser observados na prática.
No cenário industrial atual, cada segundo e cada recurso contam. Por isso, já não basta mais apenas analisar o que aconteceu no passado ou seguir rigidamente um planejamento definido anteriormente. Em operações complexas e contínuas, é preciso ajustar a rota enquanto a operação acontece.
Consequentemente, é nesse ponto que entram tecnologias capazes de transformar dados em ações quase instantâneas. Quando advanced analytics se conecta a modelos matemáticos de otimização da produção, empresas passam a tomar decisões mais precisas diretamente no fluxo da operação. O resultado é a capacidade de eliminar gargalos, reduzir desperdícios e maximizar a eficiência exatamente no momento em que ela é necessária.
Esse é um dos pilares da chamada manufatura inteligente, que vem tornando processos industriais cada vez mais adaptativos e orientados por dados.
Na prática, essa transformação já acontece em setores com operações altamente complexas, como a siderurgia. Um exemplo concreto vem da ArcelorMittal Tubarão, uma das maiores siderúrgicas integradas do mundo. Lá, um desafio específico da operação abriu espaço para uma solução inovadora que combina engenharia, matemática e advanced analytics.
Resultado: o sistema agora pode calcular a melhor decisão de corte em cerca de três segundos, enquanto o aço ainda está em produção. A seguir, vamos explicar melhor neste conteúdo.
Índice
- 1. ArcelorMittal: um processo industrial de grande escala
- 2. O desafio do corte de placas na siderurgia
- 3. Por que pequenas perdas geram grandes impactos
- 4. A limitação das soluções tradicionais
- 5. A solução desenvolvida com a UniSoma
- 6. Otimização em tempo real: decisões em segundos
- 7. Resultados e novas possibilidades
- 8. Perguntas Frequentes (FAQ): Otimização da Produção na Prática
ArcelorMittal: um processo industrial de grande escala
A ArcelorMittal opera uma siderúrgica integrada completa. A unidade Tubarão, por exemplo, abrange toda a cadeia produtiva – desde a produção de coque e sínter até a fabricação final de placas e bobinas de aço.
Dentro dessa cadeia produtiva, uma etapa é particularmente crítica: o lingotamento contínuo, processo responsável por transformar o aço líquido produzido na aciaria em placas sólidas que posteriormente serão utilizadas na laminação ou enviadas diretamente para clientes.
O processo funciona, como o próprio nome diz, de forma contínua. O aço líquido é transferido em grandes panelas — que podem conter mais de 300 toneladas de metal — e alimenta as máquinas de lingotamento.
Essas máquinas possuem uma estrutura curva e de grande porte, onde o aço começa a solidificar de fora para dentro até se transformar completamente em um produto sólido. Somente ao final desse processo ocorre o corte das placas. E é justamente aqui que surge um grande desafio.
O desafio do corte de placas na siderurgia
Cada cliente da siderurgia possui requisitos específicos de material, tanto em termos de composição química quanto de dimensões.
A etapa da aciaria já atende parte dessas exigências ao definir os parâmetros químicos do aço. Por outro lado, no lingotamento contínuo, o foco passa a ser o atendimento das especificações dimensionais das placas, como largura, espessura e comprimento — parâmetros que precisam corresponder exatamente ao pedido do cliente.
Contudo, o desafio é que o corte acontece apenas após o aço passar por todo o processo de solidificação dentro da máquina de lingotamento.
“Se eu cortar uma placa menor do que o pedido do cliente, não tem como emendar duas placas depois. Ou realocamos para outro pedido ou esse aço vira perda”, explica Bruno Fraga, especialista de automação da ArcelorMittal Tubarão.
Embora seja possível reaproveitar essa “perda” posteriormente, ela entra como sucata no processo produtivo. Como resultado, isso gera retrabalho, consumo adicional de energia e redução no valor do produto final.
Em outras palavras, qualquer decisão incorreta no momento do corte pode gerar desperdício. E, em um processo industrial dessa escala, mesmo pequenas perdas podem se tornar significativas quando somadas.
Por que pequenas perdas geram grandes impactos
No lingotamento contínuo, diferenças dimensionais pequenas se acumulam em um processo que nunca para. Na planta de Tubarão, três máquinas de lingotamento operam continuamente, cada uma com dois veios de produção. Isso significa que seis placas podem estar sendo produzidas simultaneamente, com novos cortes ocorrendo a cada poucos minutos.
Uma sobra de apenas 200 ou 300 milímetros por corte pode parecer pequena em uma operação isolada. Porém, multiplicada ao longo de milhares de ciclos de produção, pode representar toneladas de aço não aproveitadas ao longo do ano. Foi diante desse cenário que surgiu a oportunidade de evoluir o modelo de decisão utilizado na planta.
A limitação das soluções tradicionais
Antes do projeto com a UniSoma, a ArcelorMittal já utilizava um sistema de otimização para auxiliar no processo de corte de placas. A questão é que esse sistema utilizava métodos heurísticos, que resolvem o problema por etapas e nem sempre conseguem enxergar todas as possibilidades da operação.
| Heurística (modelo tradicional) | Otimização (abordagem UniSoma) |
| Aproxima a solução | Calcula a melhor solução possível |
| Resolve o problema por partes | Analisa o problema como um todo |
| Pode gerar perdas acumuladas | Maximiza eficiência e reduz desperdícios |
Como resultado, muitas vezes a solução sugerida era apenas uma aproximação, e não a melhor solução possível. Em alguns casos, operadores e equipes de controle precisavam revisar ou ajustar manualmente as decisões sugeridas pelo sistema.
Além disso, outro fator que dificultava evoluções era a própria história do modelo existente. Ao longo de mais de 20 anos, ele havia sido modificado por diferentes equipes, acumulando regras e ajustes que tornavam sua manutenção cada vez mais complexa.
Diante disso, era necessário evoluir para uma abordagem mais robusta e capaz de analisar o problema de forma global.
A solução desenvolvida com a UniSoma
A parceria com a UniSoma trouxe uma nova abordagem: modelagem matemática avançada para otimização global do problema.
O modelo desenvolvido passou a considerar simultaneamente diversas variáveis da operação, incluindo:
- Pedidos e especificações dos clientes;
- Dimensões possíveis de corte;
- Restrições operacionais das máquinas;
- Zonas de defeito no processo;
- Peso máximo das placas;
- Eventos operacionais, como troca de panela ou perturbações no lingotamento, etc.
Com todas essas informações, o algoritmo calcula a melhor solução possível para cada cenário.
“Nosso objetivo foi trazer uma visão global do problema, permitindo explorar todas as possibilidades e encontrar soluções realmente ótimas”, diz Fernando Marques, analista de modelagem matemática da UniSoma.
Otimização em tempo real: decisões em três segundos
O sistema precisava receber dados da operação, processar as variáveis envolvidas e devolver uma decisão praticamente imediata. Isso porque o modelo roda diretamente no nível operacional da planta, integrado aos sistemas de controle responsáveis pelos cortes.
Ou seja: não se trata de uma ferramenta de análise posterior ou de planejamento estratégico. O modelo participa diretamente da decisão que acontece durante o processo produtivo.
Na prática, isso significa que sempre que um evento ocorre — como a troca de uma panela de aço, uma perturbação no processo ou a necessidade de ajustar o corte — o sistema precisa recalcular rapidamente a melhor solução possível.
“Aqui não estamos falando de um otimizador que roda enquanto alguém toma um café e volta depois para ver o resultado. O operador precisa da resposta imediatamente, porque o corte precisa acontecer”, explica Bruno.
Hoje, graças à solução, esse cálculo acontece em cerca de três segundos.
Resultados: menos perdas, mais eficiência e uma operação preparada para evoluir
O projeto entregou ganhos concretos na operação de corte de placas, e abriu frentes de evolução que vão além da agilidade no processo. Em primeiro lugar, um deles foi a revitalização do conhecimento do processo. O novo modelo foi documentado e discutido com as equipes de metalurgia e operação, permitindo que o funcionamento do sistema fosse compreendido por todos.
Outra evolução foi a introdução de inteligência na geração de placas de estoque. Quando um pedido não pode ser atendido exatamente, o modelo agora busca gerar placas com dimensões que aumentem a probabilidade de reaproveitamento futuro.
Esse tipo de abordagem permite antecipar decisões que antes eram tratadas apenas em etapas posteriores do processo. Isso abre caminho diretamente para a próxima evolução do projeto: a aplicação de técnicas de machine learning para tornar essas decisões ainda mais dinâmicas e adaptadas aos dados históricos da operação.
Parceria que transforma dados em decisões
Projetos como esse mostram como a combinação entre conhecimento do processo industrial e modelagem matemática avançada pode transformar operações complexas.
Ao trabalhar lado a lado com a ArcelorMittal Tubarão, a UniSoma ajudou a construir uma solução integrada aos sistemas existentes da planta, capaz de atuar diretamente no coração da produção.
O resultado é uma operação mais eficiente, inteligente e preparada para evoluir continuamente.
Se você quer entender como advanced analytics e otimização podem transformar decisões operacionais em tempo real, fale com nossos especialistas em otimização da produção da UniSoma!
E aproveite também para conferir outros conteúdos do nosso blog — incluindo outro artigo sobre aplicações de inteligência artificial na siderurgia.
Perguntas Frequentes (FAQ): Otimização da Produção na Prática
A otimização da produção em tempo real é o uso de modelos matemáticos e advanced analytics para tomar decisões precisas no momento exato em que a operação acontece. Em vez de apenas seguir um planejamento anterior ou analisar o passado, a tecnologia ajusta a rota instantaneamente. No case da ArcelorMittal, por exemplo, a otimização da produção permite calcular o corte ideal das placas de aço em cerca de três segundos, sem interromper o fluxo da fábrica.
Em operações de grande escala, pequenas falhas operacionais geram perdas que, somadas ao longo do tempo, representam toneladas de desperdício. A otimização da produção resolve isso analisando simultaneamente todas as variáveis da operação — como exigências do cliente, restrições das máquinas e eventos inesperados. Ao processar esses dados de forma global, o sistema encontra a solução mais eficiente possível, evitando que erros dimensionais gerem sucata, retrabalho ou gasto extra de energia.
A otimização da produção é um dos principais pilares da manufatura inteligente (Indústria 4.0), pois torna os processos industriais 100% adaptativos e orientados por dados. Além de garantir a máxima eficiência e a redução de custos, ela agiliza a resposta a eventos operacionais imprevistos. Outro grande benefício é que a implementação desses modelos prepara a estrutura da fábrica para evoluções futuras, como a aplicação de inteligência artificial e machine learning.
Enquanto sistemas heurísticos tradicionais resolvem os problemas da fábrica por partes e entregam apenas soluções aproximadas (que frequentemente exigem ajustes manuais), a otimização da produção baseada em modelagem matemática avançada analisa o problema de ponta a ponta. Ela explora todas as combinações possíveis e cruza as restrições da fábrica para entregar a solução global perfeita, maximizando o aproveitamento do material.
Na siderurgia, a otimização da produção é aplicada para resolver gargalos em etapas críticas, como o lingotamento contínuo. Em parceria com especialistas, como a UniSoma, sistemas de otimização são integrados aos controles das máquinas. Eles cruzam as exigências dimensionais e químicas dos clientes e definem os parâmetros exatos de corte enquanto o aço ainda está quente e em movimento. Se um pedido não pode ser atendido perfeitamente, o sistema automaticamente projeta uma placa de estoque com altas chances de reaproveitamento futuro.
A otimização da produção entrega resultados imediatos na eliminação de gargalos e na eficiência operacional. No caso prático da ArcelorMittal Tubarão, a implementação da modelagem matemática reduziu a geração de sucata ao garantir que a melhor decisão de corte de aço seja tomada em cerca de três segundos. A médio e longo prazo, isso se traduz em menor consumo de energia, redução de retrabalho, revitalização do conhecimento das equipes operacionais e uma base sólida para a manufatura inteligente.
O advanced analytics organiza e interpreta os dados brutos gerados pela fábrica, criando o alicerce para a otimização da produção. Quando essas ferramentas analíticas são conectadas aos modelos matemáticos, o sistema consegue processar variáveis complexas — como peso máximo, zonas de defeito e eventos do maquinário — de forma instantânea. Isso transforma o que seria apenas uma análise de dados em comandos práticos e automáticos enviados diretamente para as máquinas no chão de fábrica.
Em processos que nunca param, como o lingotamento contínuo na siderurgia, não há tempo hábil para que um operador humano faça cálculos complexos ou revise manualmente um plano antes de executar a próxima ação. A otimização da produção é vital nesses cenários porque atua no fluxo da operação, recalculando rotas e ajustando cortes instantaneamente sempre que ocorre uma perturbação no processo, evitando que erros se acumulem em milhares de ciclos produtivos.
Não. Embora o case destaque o sucesso no corte de placas de aço, a otimização da produção desenvolvida por parceiros como a UniSoma pode ser desenhada para resolver qualquer operação complexa com múltiplas variáveis. A tecnologia atua de forma personalizada para otimizar o sequenciamento de máquinas, o planejamento de rotas logísticas, a alocação de matérias-primas e a gestão de estoque inteligente, servindo a diversos setores além da siderurgia.
