Poucas pessoas sabem que o termo Internet of Things (IoT) foi criado em 1999 por Kevin Ashton, um visionário e pioneiro da tecnologia, nascido na Inglaterra, que imaginou que num futuro próximo todas as “coisas” como televisores, geladeiras, carros, cafeteiras, máquinas industriais entre outras, e não apenas computadores e smartphones (estes últimos que não existiam em 1999), estariam conectadas à internet. Isso se tornou realidade 20 anos depois e hoje não há como imaginar não estarmos conectados à rede global. Mas a IoT começou mesmo a ganhar forma a partir de 2010 quando surgiram os primeiros produtos conectados à web.
Atualmente, há mais de 4,5 bilhões de celulares em uso no mundo, e mais ou menos o mesmo número de computadores, além de 20 bilhões de coisas (que não são computadores nem celulares) conectadas à internet segundo a previsão de institutos de pesquisa para 2020. E essa é uma estimativa conservadora porque falava-se em algo em torno a 50 bilhões, mas por diversas razões não se chegou a esse crescimento.
Basicamente, a IoT vem sendo aplicada em três principais áreas de atuação: cidades inteligentes (smart cities), produtos conectados (cafeteiras, aspirador de pó, garagem, e demais produtos de consumo etc.), e aplicações para indústrias (Industrial IoT - IIoT). O avanço dessa tecnologia levou muitas empresas a contratar programadores de software, coisa que nunca se imaginou antes, porque estão sendo obrigadas a fazer produtos e a prestar serviços cada vez mais inteligentes, o que, em consequência, vem gerando uma montanha de dados que não tinham até então sobre seus produtos, consumidores e mercados. É o tal Big Data, havendo ainda uma série de maneiras de tratar esses dados para se poder tirar a inteligência deles e melhorar os negócios e as formas de atuação no mercado.
A IoT traz uma série adicional de informações, coletadas através de sensores que são colocados nos diversos produtos, gerando nova fonte gigante de dados. No segmento industrial, por exemplo, há nas fábricas milhares de sensores que geram dados em tempo real. São informações que vem das máquinas e dos sensores ambientais que medem a temperatura e a umidade da área de produção, o que é importante porque em alguns processos, como os da indústria alimentícia, farmacêutica e de plásticos, entre outras, pode-se obter resultados diferentes em função da umidade e da temperatura em que o produto é fabricado. Por exemplo, um chocolate que está com cor marrom claro ou esbranquiçado demonstra claramente que houve um problema na temperatura e na umidade no dia em que foi produzido. Antes se conhecia o resultado, mas não se sabia de onde vinha o problema.
Continua depois da publicidade |
Isso vale para chocolate, para plásticos, produtos farmacêuticos, entre outros. Se esses dados estão num sistema de Big Data, normalmente hospedado numa nuvem (pública ou privada) e se a empresa tem um algoritmo (aí se fala de Inteligência Artificial e Aprendizagem de Máquina) que possa tratar esse dado, o gestor pode modificar a formulação do produto, as dosagens de alguns componentes, para evitar que aquela umidade atrapalhe o produto final. O Big Data nada mais é do que um grande repositório de dados e a IoT, ao coletar dados dos sensores, aumenta a qualidade desses dados, possibilitando uma análise mais assertiva em tempo real.
Como tudo isso se conecta à IA? Por meio da Machine Learning (aprendizagem de máquina) que é uma ferramenta para filtrar os dados e detectar determinados comportamentos que vem dos consumidores, de uma máquina, dos celulares. A Machine Learning filtra e classifica as informações, verifica o que é ruído, e o que é ou não relevante. Todo algoritmo de IA tem a base estruturada na Machine Learning. Primeiro você filtra os dados, os classifica, faz a análise e depois usa os dados para fazer uma prescrição, com o sistema indicando o que poderia ser feito melhor. Alguns dos melhores algoritmos de IA hoje estão nessa fase prescritiva. Eles fazem a análise preditiva, analisando os dados e informam – prescrevem - o que deve ser feito para evitar um eventual problema.
Depois de aprender como a empresa faz o produto e contando com a retroalimentação e experiência do pessoal de fábrica, que é onde muita inteligência está, o algoritmo faz uma previsão de quais problemas podem ocorrer. É um ciclo com começo, meio e fim. É o mesmo raciocínio que o ser humano faz, mas ao contrário da IA, as pessoas não têm a capacidade de analisar terabites de dados rapidamente. E a sua empresa? Já está se preparando para essa nova realidade?
Gostou? Então compartilhe: