A indústria transformadora está agora recorrendo à inteligência artificial (IA) para desencadear a sua próxima fase de desenvolvimento. Mas como será a produção no futuro? Até que ponto os níveis de eficiência podem ser aumentados? E o que a chegada da IA ao chão de fábrica significa para os trabalhadores qualificados?
Se tomarmos como referência, John McCarthy escreveu um artigo de 2004, que pode nos ajudar a definir melhor o que é inteligência artificial (IA) e como ela tem surgido nas nas
últimas décadas.
“Inteligência Artificial é a ciência e a engenharia de fabricar máquinas inteligentes, especialmente programas de computador inteligentes. Está relacionado à tarefa semelhante de usar computadores para compreender a inteligência humana, mas a IA não precisa se limitar a métodos que sejam biologicamente observáveis.“ segundo John McCarthy
Na sua forma mais simples, a inteligência artificial é um campo que combina ciência da computação e conjuntos de dados robustos para permitir a resolução de problemas. Abrange também subcampos de aprendizado de máquina e aprendizado profundo, que são frequentemente mencionados em conjunto com inteligência artificial. Essas disciplinas são compostas por algoritmos de IA que buscam criar sistemas especialistas que fazem previsões ou classificações com base em dados de entrada.
Como a Inteligência Artificial pode impactar a indústria da manufatura? A inteligência artificial industrial, ou IA industrial, é a aplicação da IA em casos de uso industrial, como usinagem, movimentação e armazenamento de mercadorias, gerenciamento da cadeia de suprimentos, análises avançadas, automação e robótica na fabricação.
A IA industrial é frequentemente diferenciada de outros tipos de IA porque está mais focada na aplicação de tecnologias de IA do que no desenvolvimento de sistemas humanos ou semelhantes aos humanos. Os conjuntos de dados para IA industrial tendem a ser maiores, mas potencialmente de qualidade inferior, do que aqueles para IA geral. A IA industrial também tem tolerância zero para falsos positivos ou negativos, insights atrasados ou previsões não confiáveis.
A IA industrial é especialmente apropriada para plantas de processo porque a enorme quantidade de dados e as circunstâncias que mudam rapidamente são muito complexas para o gerenciamento manual ou mesmo digital.
Os fabricantes de processos estão usando cada vez mais soluções baseadas em IA para otimizar a eficiência operacional, impulsionar a inovação e melhorar a lucratividade. Alguns dos casos de uso de IA industrial incluem:
• Análise preditiva/manutenção preditiva que combina dados de IoT com aprendizado profundo para modelar redes de grande escala, ajudando a detectar os primeiros sinais de anomalias em qualquer lugar da planta, reduzir o tempo de inatividade não planejado e ajustar o cronograma de manutenção.
• Equipamento “inteligente” autoconsciente que pode medir o desempenho de forma independente para gerar alertas quando a degradação atinge um ponto crítico ou o desempenho é reduzido por qualquer motivo.
• Robótica e automação na área de produção podem substituir o envolvimento humano, aumentando assim a eficiência e impulsionando a produção, ao mesmo tempo que melhora a segurança humana.
• Análise mais rápida de causa raiz que investiga, entende e resolve problemas da planta de processo com mais rapidez para reduzir gargalos nos fluxos de fabricação.
• Gerenciamento complexo da cadeia de suprimentos que aumenta a visibilidade de cada etapa do processo, incluindo rastreamento de matérias- primas, estoque, gerenciamento de armazém, logística e distribuição final.
Lidere uma mudança cultural
A IA industrial depende de uma cultura orientada a dados que esteja disposta a confiar em algoritmos e previsões de IA e modelos de ML ( Machine Learning ). Antes de introduzir a IA industrial, é crucial educar os seus colaboradores sobre o valor e as limitações das abordagens de IA, para que os indivíduos que utilizarão e aplicarão as suas novas soluções estejam dispostos a confiar na sua orientação.
Prepare a base de dados
Todos os tipos de IA, incluindo a IA industrial, são alimentados por dados. Não basta simplesmente gerar os dados; as fábricas de processos precisam estabelecer um sistema de coleta de dados brutos, verificação da qualidade dos dados, catalogação de dados e mapeamento de tipos de dados. Os dados devem ser armazenados em data lakes ou repositórios que sejam facilmente acessíveis para aplicações industriais de IA.
Decida sobre aplicações industriais de IA
Como acontece com toda estratégia de negócios, as fábricas de processos precisam começar definindo os casos de uso mais relevantes de curto, médio e longo prazo para IA industrial em toda a organização e, em seguida, agrupá-los e priorizá-los para identificar quais casos de uso proporcionarão o maior ROI (Return of Investiment) para ajudar a revelar rapidamente o valor das novas abordagens.
Reúna o talento de IA necessário
A IA industrial pode exigir novos conjuntos de habilidades e capacidades que as equipes de RH das indústrias não haviam considerado anteriormente ao contratar talentos. É importante avaliar as competências já presentes na sua força de trabalho e definir quais funções precisam ser preenchidas. Estes podem incluir engenheiros de dados, analistas e mais engenheiros de processos, bem como cientistas de dados e arquitetos de soluções.
Ao ajudar as empresas de produção de processos a automatizar fluxos de trabalho, aumentar a segurança, melhorar a gestão da cadeia de abastecimento, melhorar o desempenho e reduzir o tempo de inatividade, a IA industrial pode remover obstáculos que impedem as fábricas de alcançar a eficiência operacional. A IA industrial afeta vários casos de uso de manufatura que impulsionam continuamente a lucratividade e ajudam as empresas a manter sua vantagem competitiva no longo prazo.
A inteligência artificial tornou-se indispensável no monitoramento e controle de máquinas. As redes neurais são agora usadas com frequência, mesmo em máquinas CNC altamente especializadas. A inteligência artificial na forma de redes neurais é frequentemente usada para monitorar máquinas. As redes são ‘treinadas’ usando grandes quantidades de dados de vários sensores para prever padrões de sinal. Se houver uma discrepância entre o padrão de sinal previsto e o real, há uma análise pela equipe responsável pelo projeto de “treinamento dos padrões de IA”.
Operação de máquinas mais fácil
A IA está evoluindo rapidamente, o que significa que os profissionais da indústria têm de enfrentar uma enxurrada constante de novas tendências. As inovações atuais de especial interesse incluem o desenvolvimento de sistemas de assistência de IA baseados em modelos de linguagem de grande escala.
Eles modelam a sucessão. de elementos em uma sequência. Assistentes de IA como o Github
Copilot já estão ganhando aceitação na área de desenvolvimento de software, por exemplo. A ferramenta baseada em nuvem, desenvolvida pela subsidiária da Microsoft, Github, e pela especialista em IA OpenAI, ajuda os especialistas a programar por meio do preenchimento automático de códigos. Os assistentes de IA também oferecem um grande potencial na produção, onde podem simplificar a operação da máquina, que atualmente é altamente complexa em alguns casos.
Sensores como base para manutenção preditiva
Na indústria, a IA já se estabeleceu no campo da manutenção preditiva. Sensores e redes neurais ajudam a detectar se uma máquina está com defeito e requer manutenção. Os fabricantes de tecnologia de produção fazem frequentemente parcerias com investigadores e startups orientadas para a investigação, a fim de abordar este campo de investigação intensiva.
A IA torna possível compreender informações, reconhecer padrões, resolver problemas e tomar decisões. Os dados usados para ‘treinar’ essa IA desempenham, portanto, um papel muito importante. Isto funciona particularmente bem na tecnologia de produção, devido à considerável base de dados que já existe. A manutenção preditiva também é muito atrativa, porque muitas máquinas já estão equipadas com um grande número de sensores que geram dados que podem então ser avaliados.
Os processos baseados em IA que já deram o salto do laboratório de investigação para a prática industrial incluem tecnologias de reconhecimento de imagem que são utilizadas para inspeção de qualidade na produção ou para navegação autónoma de robôs e drones. Os robôs industriais e os cobots (robôs colaborativos) estão equipados com algoritmos avançados de IA para executar tarefas de produção, logística e gestão de inventário. Embalagem e classificação inteligentes Esses cobots são oferecidos pelo fabricante de robôs Yaskawa em Kitakyushu, no Japão, por exemplo. As máquinas inteligentes podem embalar paletes num processo totalmente automatizado. Utilizam IA que lhes permite eliminar proteções, trabalhar com diferentes tipos de paletes e carregar diferentes alturas de paletes.
O especialista em robótica Schunk, baseado em Heuchelheim, Hesse, também equipa robôs com IA, permitindo-lhes reconhecer objetos e classificá-los de acordo. Isto permite que pequenas e médias empresas automatizem tarefas de classificação, por exemplo, e tenham suas máquinas funcionando durante a noite.
O especialista em laser Trumpf, baseado em Ditzingen, no sudoeste da Alemanha, também está desenvolvendo o uso de IA na produção. A empresa lançou um sistema baseado em IA em 2020 que ajuda os colaboradores a classificar os componentes. Este Guia de Classificação é exibido em uma tela em seu ambiente de trabalho, mostrando graficamente aos colaboradores quais componentes pertencem a quais ordens de serviço. Além disso, a tela também contém todas as informações relevantes sobre os processos de acompanhamento. Isto deverá aumentar significativamente a eficiência da produção, especialmente no caso de painéis de chapa metálica utilizados para uma variedade de pedidos diferentes, promete Alexander Kunz, chefe da unidade Smart Factory da Trumpf.
“Alimentamos a IA com dados até que ela possa reconhecer novas situações com mais rapidez e tomar melhores decisões do que um algoritmo humano ou conservador”, explica Kunz. “Só então nos referimos a isso como IA” Dois casos de uso principais são a otimização de processos baseada em diagnóstico e a previsão preventiva.
Preservar o conhecimento para combater a escassez de competências, isto torna a IA particularmente atraente face à atual escassez de competências. “Na minha opinião, a mudança demográfica está tornando a alimentação do conhecimento do domínio na inteligência artificial um dos tópicos de pesquisa mais interessantes em engenharia de produção no momento”, explica o Prof. Christian Brecher, que dirige a cadeira de Máquinas-Ferramentas no Laboratório de Máquinas-Ferramentas. e Engenharia de Produção na RWTH Aachen University. A “preservação do conhecimento especializado”, como Brecher chama à transferência de conhecimento do homem para a máquina, ajudará a contrariar a grave escassez de trabalhadores qualificados no futuro.
Além disso, os projetos de transferência estão a ajudar a levar o conhecimento do laboratório de investigação para a indústria. Um exemplo é a Rede de Demonstração e Transferência de IA em Produção (Pro-KI), que está recebendo amplo apoio do WGP. Um total de oito centros em toda a Alemanha oferecem cursos de formação e projetos de transferência para empresas de produção.
É tudo uma questão de dados
A utilização da IA na produção industrial oferece muitas vantagens, mas também traz os seus próprios desafios. Em primeiro lugar, os modelos de IA necessitam de quantidades suficientes de dados de alta qualidade. É por isso que Lena Weirauch, da Ai-omatic, emitiu uma recomendação pragmática para que as empresas “...primeiro criem casos de uso para os quais os dados já possam estar disponíveis”. A integração da IA nos processos e máquinas de produção existentes também pode ser uma tarefa complexa que requer múltiplos ajustes e investimentos. É por isso que faz sentido que as empresas utilizem primeiro ferramentas padrão ou aplicações de IA existentes, em vez de desenvolverem as suas próprias.
Colaboradores precisam de treinamento
Nem sempre é fácil convencer os humanos em relação ao uso da IA, como observa o fundador da start-up. Muitas vezes, há uma antipatia inicial em relação à IA – decorrente da ignorância e da falta de conhecimento.
Os colaboradores precisam estar preparados e receber treinamento em sistemas de IA para garantir que possam utilizá-los de forma eficaz. No entanto, a IA na produção levanta questões éticas, particularmente no que diz respeito à utilização de robôs autónomos e ao seu impacto nos empregos.
Será que os trabalhadores qualificados se tornarão realmente supérfluos nas fábricas depois que o seu conhecimento for transferido para o sistema de IA? Considera-se a questão de diferentes ângulos:
Antes de todas as grandes revoluções tecnológicas, levantou-se a questão de saber se a nova tecnologia tornaria os humanos obsoletos.
Era difícil imaginar que novo papel os humanos desempenharam nas fábricas antes da introdução das máquinas controladas por computador. Hoje, é claro, vemos os computadores como ferramentas que usamos e não como nossos rivais. Veremos a inteligência artificial como uma ferramenta da mesma forma no futuro.
Os colaboradores precisarão de habilidades de software – e precisarão ser versáteis. A inteligência artificial deverá aumentar o número de máquinas e o seu grau de automação. A programação de máquinas individuais será muito mais fácil, mas espera-se que os colaboradores manipulem um grande número de máquinas diferentes. Para que a IA tenha sucesso, terá de superar um certo grau de resistência – até mesmo por parte dos executivos das empresas industriais.
Muitas empresas ainda relutam em compartilhar dados.
Quase não existem conjuntos de dados de produção industrial disponíveis em grandes plataformas de IA como o Hugging Face. Em muitas outras áreas, contudo, o código aberto tem sido fundamental para garantir o sucesso dos modelos de IA. Além disso, o nível de comunicação padronizada ainda é insuficiente para a Internet das Coisas. Soluções individuais são necessárias para tudo, inclusive para aquisição de dados. O investimento financeiro necessário torna particularmente difícil para as pequenas e médias empresas começarem a usar a IA.
Entretanto, a IA é claramente inevitável para que a produção industrial permaneça competitiva a nível internacional. Dados os desafios que a indústria alemã e europeia enfrenta, a IA desempenhará um papel importante no aumento da eficiência dos nossos processos de produção e negócios e, portanto, da nossa competitividade. Além disso, a IA será um fator decisivo na determinação da capacidade das empresas. capacidade de inovar seus produtos e processos de produção.
EUA mais proativos que a Alemanha
Estará a Alemanha à frente da concorrência internacional – especialmente a China, o Japão e os EUA – no desenvolvimento da produção em rede digital?
Kunz acredita que o próximo estágio de desenvolvimento está na área de serviços digitais. “Por exemplo, existem atualmente cerca de 5.000 máquinas em campo que estão conectadas ao sistema de TI Trumpf. Se houver alguma anomalia nos dados da máquina, notamos imediatamente e entramos em contato com o cliente.” Além disso, a Trumpf oferece aos clientes a programação remota das suas máquinas, ou a possibilidade de depurá-las durante o turno da noite.
Acelerando a amplitude e a amplitude Profundidade da IA
Com bilhões de máquinas conectadas à Internet Industrial das Coisas (IIoT) e a computação quântica começando a permitir novas possibilidades na Edge, uma a nova “Era da IA Industrial” está em andamento. Os ativos e sistemas industriais largamente geridos e operados por seres humanos tornar-se-ão hoje mais inteligentes, autónomos e até preditivos à medida que novos desenvolvimentos em inteligência artificial (IA) forem integrados para aumentar as nossas máquinas industriais, serviços e processos de fabrico com novas capacidades dinâmicas.
No futuro, as máquinas serão parceiras mais envolventes com humanos e com outras máquinas para maximizar o valor da infraestrutura crítica que constrói e move e alimenta o mundo. Imagine ser capaz de:
1. Gerar, distribuir e consumir energia num mundo neutro em carbono;
2. Otimizar as viagens aéreas para atender milhões de passageiros a mais, sem atrasos ou interrupções;
3. Capacitar os prestadores de cuidados de saúde para prestar cuidados de precisão a dezenas de milhões de pacientes a mais do que os que podem ser atendidos atualmente.
Mas o nível a ser ultrapassado é extremamente alto. Cada passo no sentido de melhorar a inteligência, a autonomia e as capacidades das nossas máquinas devem ser 100% confiáveis e seguras. É impressionante esse equilíbrio único que está dando origem a um novo dicionário de expressão industrial de tecnologias e terminologia de IA que os cientistas e engenheiros da GE estão na vanguarda para definir e moldar.
Referências:
https://www.etmm-online.com/how-artificial-intelligence-is-transforming-the-future-
of-manufacturing-a-845c74e9e5f062d69e53edf8c15c4a01/
https://www.forbes.com/sites/bernardmarr/2023/07/25/the-future-of-
manufacturing-generative-ai-and-beyond/?sh=161522d651fa
https://www.linkedin.com/pulse/ai-industry-40-transforming-future-
manufacturing-msrcosmos-llc/
https://www.clarkengineering.net/the-future-of-manufacturing-how-ai-is-
transforming-the-industry/
https://precog.co/glossary/industrial-ai/
https://www.ibm.com/topics/artificial-intelligence
https://www.ge.com/research/initiative/industrial-ai
Todas as imagens usadas neste artigo foram geradas a partir da inteligência artificial
