O objetivo desse projeto é a implementação da metodologia Golden Batch desenvolvido durante a Fase 1. Automatizando o algorítimo para reprodução dos parâmetros de produção ótimos
O Golden Batch pode ser definido como um modo de produção ótimo ou ideal. Isto significa que neste modo, o processo de produção está perfeitamente balanceado e orientado a atingir o máximo lucro. Na definição do Golden Batch é considerado os três principais fatores que influenciam na lucratividade.
A Produtividade
A Qualidade do produto
O Custo do processo
O conceito de Golden Batch serve então para o sistema recriar as condições exatas que anteriormente produziram o lote ideal. Isso requer registrar os valores do processo ao longo do tempo e analisar os dados resultantes para determinar as variáveis críticas. À medida que cada lote é executado, o sistema compara as variáveis críticas com o perfil Golden Batch e faz ajustes para corresponder a esse perfil. Isso resulta em uma produção consistente de produtos de alta qualidade.
O objetivo se resume a encontrar os parâmetros de produção dos lotes mais produtivos e dentro da qualidade especificada e comparar com os demais. O Golden Batch é, portanto, a intersecção dos grupos 20% mais produtivos e dentro da especificação de qualidade.
Fontes de dados
Foram utilizados duas fontes de dados distintas para a construção do modelo.
Dados de produção
São dados que trazem as informações referentes ao processo produtivo de cada lote e pode ser verificada em golden_batch.prod.
Dados laboratório
Contempla os dados coletados e analisados em laboratório, são, portanto, dados discretos coletados periodicamente. As informações podem ser verificadas na tabela golden_batch.lab.
Modelo construído
Foi construído um modelo capaz de identificar o Golden Batch e apontar suas características.
Golden Batch
asdas
Deploy e arquitetura da solução
Os modelos e ETL foram desenvolvidos utilizando notebooks no databricks e encontram-se versionados no git do projeto. Os pipes foram criados utilizando o workflow do próprio databricks.
0 Comments