De acordo com um recente relatório de Inteligência Artificial (IA) da Accenture, os lucros das empresas irão crescer uma média de 38% até 2035, em grande parte graças à uma implementação mais avançada de IA em aplicações financeiras, de TI (tecnologia da informação) e manufatura. Mas, neste estágio inicial da implementação, ainda não está claro como essa tecnologia será implementada em tantas possibilidades de aplicações. Cenários de riscos/ganhos estão sendo analisados e muitas organizações estão incertas de como e quando mergulhar na piscina da IA.
Os benefícios da Inteligência Artificial podem incluir melhoria de desempenho, controle de custo, otimização de processos, tempo de desenvolvimento do ciclo do produto reduzido e eficiência aprimorada. O valor adicional da IA também inclui disponibilidade 24x7 e capacidade de aprendizado das máquinas por meio da experiência. Além disso, o custo de entrada pode ser muito baixo (dependendo da complexidade da aplicação) e a economia pode ser alta, como resultado de curtos períodos de retorno. Neste sentido, é válido distinguir entre a fase de aprendizado, que pode exigir computação em nuvem e a fase operacional, que pode ser bem menos exigente em termos de computação.
A Inteligência Artificial também muda o modo como os operadores de máquina realizam seu trabalho e pode ajudar a capturar o conhecimento de trabalhadores capacitados, durante sua transição para a aposentadoria. Novas gerações de pessoas que chegam à força de trabalho industrial começarão a rejeitar ferramentas de processos antiquadas, olhando em direção à IA como uma fonte de enriquecimento notável, por meio do processo de automação robótica para ações humanas repetitivas.
Na realidade, a IA representará uma nova forma de pessoas e máquinas trabalharem juntas, além de aprenderem sobre tendências preditivas e resolverem problemas complexos. O desafio de gerenciar um processo que exige controle rígido de temperaturas, pressões e fluxos de líquidos, por exemplo, é bem complicado e propenso ao erro. Muitas variáveis precisam ser avaliadas para alcançar um resultado de sucesso, às vezes são muitas para o cérebro humano processá-lo sozinho. Agora, com a Inteligência Artificial apoiando as decisões operacionais, fatores críticos como segurança, eficiência, produtividade e até rentabilidade podem ser otimizados. Outro exemplo é como a IA pode ajudar pessoas em trabalhos de inspeção de qualidade, fornecendo análises de visão e de som.
Continua depois da publicidade |
Duas aplicações iniciais de IA para ambientes industriais
Dentro do escopo de manufatura discreta e de processo, a manutenção de ativos é um dos métodos industriais que está surgindo como uma área inicial de aplicação para IA. Mais especificamente, as organizações estão começando a misturar o conceito de manutenção “preditiva” dentro de suas abordagens mais tradicionais de manutenção “preventiva” e de “quebra/conserta”.
A definição de manutenção preditiva do ARC Advisory Group envolve a aplicação de técnicas de monitoramento baseadas em condições para coletar e analisar dados de ativos para melhor entender o desempenho do ativo e executar a manutenção adequada antes que problemas iminentes possam afetar adversamente o desempenho, a disponibilidade ou a segurança da planta.
Um exemplo comum envolve um inversor de velocidade (VSD – do inglês variable speed drive) que é conectada a um motor. A inteligência dentro da VSD reúne dados relacionados a qualquer comportamento anormal na operação desse motor e então sinaliza o equipamento para reparo ou substituição, antes que alguma falha aconteça. Sendo assim, ao invés de esperar pela manutenção “preventiva” agendada acontecer, a manutenção pode agora ser gerenciada com base nas condições. É algo que tanto reduz o custo quanto aumenta a produção, pois um ativo somente é substituído quando realmente necessário e qualquer tempo de parada não antecipado é evitado. Do mesmo modo, a machine learning executada na borda pode ajudar na identificação precoce de outros danos como na lâmina da turbina de geração de energia, na válvula de alimentação de água da bomba, na aproximação do acoplamento do motor da planta e na pressão diferencial do selo de rolamento.
Uma segunda área de aplicação da Inteligência Artificial envolve o uso de uma combinação de sistemas existentes e novas tecnologias para controlar a rentabilidade de operação da planta. Quando os princípios do controle de lucro são sobrepostos ao controle de processo, emerge uma estratégia de eficiência rentável. A contabilidade em tempo real (RTA), que utiliza uma combinação de dados baseados em sensores do processo e dados financeiros para calcular os pontos de custo e lucro das etapas industriais, é a direcionadora que permite que os operadores ganhem acesso aos dados de rentabilidade. Com isso, algoritmos podem ajudar os operadores na tomada de melhores decisões, partindo de uma perspectiva segura e rentável.
Independentemente da aplicação, ao utilizar IA, as partes interessadas da indústria devem primeiro focar no problema principal do negócio que estão escolhendo resolver. Uma vez que o problema é analisado, então os fornecedores de tecnologia podem ajudar a determinar se as ferramentas de IA podem oferecer uma solução que seja capaz de resolver o problema.
* Fabrice Jadot é diretor de Tecnologia da unidade de negócios de Industry da Schneider Electric, liderando a transformação digital por meio de arquiteturas de sistemas de automação, segurança cibernética e automação (Industrial Internet of Things, Indústria 4.0, etc.).
Gostou? Então compartilhe:
