robótica
12
Schneider Electric, Portugal
António Varandas Marketing & Business Development Industry Manager
vozes de mercado
O crescimento da influência da Inteligência Artificial (IA) na produção inteligente
De acordo com o recente relatório do estudo da Accenture Artificial Intelligence, os lucros corporativos vão aumentar, em média, 38% até 2035, em grande parte graças ao avanço do desenvolvimento da Inteligência Artificial (IA) em aplicações financeiras, de TI e de produção. Mas, nesta fase inicial de implementação da IA, ainda não é claro como será implementada nos inúmeros casos possíveis. As análises de cenários de risco estão a ser avaliadas e muitas empresas ainda estão incertas sobre como e quando podem tirar partido da IA. Os benefícios da IA podem passar por um desempenho otimizado, controlo de custos, otimização do processo, ciclos de desenvolvimento de produto mais curtos e uma eficiência melhorada. O valor acrescentado da Inteligência Artificial (IA) inclui disponibilidade 24/7 e capacidade das máquinas aprenderem através da experiência. Além disso, o custo de entrada pode ser muito baixo (dependendo da complexidade da aplicação), as poupanças podem ser elevadas, função dos períodos de retorno curto. Neste contexto, vale a pena distinguir entre a fase de aprendizagem que pode requerer cloud computing e a fase operacional que pode ser muito menos exigente em termos de cálculo computacional. A IA também altera a forma como os operadores desempenham o seu trabalho, com as máquinas a começar a rejeitar ferramentas de processo antiquadas
e a olhar para a IA como uma fonte de trabalho enriquecedora, nomeadamente através da automação de processos robóticos para ações repetitivas. Na verdade, a IA vai representar uma nova forma de humanos e máquinas trabalharem em conjunto, para aprenderem sobre tendências previsíveis e resolverem problemas complexos. Por exemplo, o desafio de hoje ao gerir um processo complexo que requer um controlo apertado de temperaturas, pressões e fluidos líquidos é bastante complexo e suscetível a erro. Diversas variáveis precisam de ser tidas em conta para se conseguir um resultado satisfatório; demasiadas, na verdade, para o cérebro humano conseguir resolver por si só. Com o apoio da IA em decisões operacionais, fatores críticos como segurança, proteção, eficiência, produtividade e até mesmo rentabilidade podem ser otimizados. Outro exemplo passa pela forma como a IA pode ajudar ao nível da inspeção de qualidade fornecendo uma visão de análise sólida.
PARA AMBIENTES INDUSTRIAIS, DUAS APLICAÇÕES DE IA INICIAIS A DESTACAR Dentro de um âmbito do fabrico de processo discreto, a manutenção de ativos é um dos processos industriais que está a emergir como uma nova área de aplicação da Inteligência Artificial (IA). Mais especificamente, as empresas estão a começar a operacionalizar o conceito de manutenção “preditiva” com a sua abordagem mais tradicional de manutenção “preventiva”. Um exemplo comum envolve um variador de velocidade (VSD) que está ligado a um motor. A inteligência que está integrada no VSD reúne dados referentes a qualquer comportamento anormal na operação do motor e depois sinaliza-o para que seja reparado ou substituído, antes que a falha ocorra. Portanto, em vez de esperar que uma manutenção
“preventiva” programada ocorra, a manutenção pode, agora, ser gerida com base em condições operacionais. Isto diminui o custo e aumenta o rendimento porque um ativo só é substituído quando, realmente, precisar de substituição, sendo que qualquer tempo de inatividade imprevisto é evitado. Da mesma forma, o conceito de machine learning implementada ao nível da gestão de manutenção de topo pode ajudar na identificação prévia de, por exemplo, danos numa turbina de produção de energia, problemas com uma válvula de bombagem da água, falhas na aproximação do acoplamento do motor e no problema de pressão da vedação do rolamento. Uma segunda área de aplicação de IA envolve o uso de uma combinação de sistemas já existentes e novas tecnologias para controlar a rentabilidade das operações de uma instalação. Quando os princípios de controlo de rentabilidade se sobrepõem ao controlo de processo, uma estratégia de rentabilidade eficiente emerge. O Real-Time Accounting (RTA) que utiliza uma combinação de dados de processo baseados em sensores e dados financeiros para calcular o custo e os pontos de rentabilidade ao longo dos processos industriais, é o fio condutor que vai permitir aos operadores aceder aos dados de rentabilidade. Assim sendo, os algoritmos podem, agora, ajudar os operadores a tomar a melhor decisão, a partir de uma perspetiva segura e rentável. Independentemente da aplicação, quando adaptam a IA, os stakeholders industriais devem, em primeiro lugar, focar-se na identificação dos principais problemas que impactam negativamente o seu negócio que elegeram como prioritários para solucionar. Uma vez o problema identificado e analisado, os fornecedores de tecnologia podem então ajudar a determinar como e quais as ferramentas de IA que podem fornecer uma solução capaz de solucionar o problema.