86
case-study
software Industrial Analytics da Weidmßller: torna a anålise de dados palpåvel As måquinas e os processos produtivos estão a gerar continuamente dados e as empresas que conseguem traduzir esses mesmos dados em inovaçþes obtêm importantes vantagens competitivas. Com um software amigåvel, a Weidmßller disponibiliza atualmente mÊtodos de inteligência artificial para fabricantes de måquinas e empresas de manufatura. 3DUD D DQ£OLVH GH GDGRV GH P£TXLQDV H SUR FHVVRV FRP R ,QGXVWULDO $QDO\WLFV V¼R XVD dos modelos complexos que conseguem detetar anomalias ou mesmo prever o com SRUWDPHQWR IXWXUR GH XPD P£TXLQD 2V P WRGRV GH ,QWHOLJQFLD $UWLͤFLDO ,$ H Machine Learning 0/ V¼R XVDGRV SDUD GHVFREULU UH ODŠ¡HV SUHYLDPHQWH GHVFRQKHFLGDV HQWUH YD ORUHV PHGLGRV XVDQGR UHFXUVRV GHULYDGRV GH GDGRV EUXWRV
Aplicaçþes semelhantes estão, atualmente, a ser utilizadas nas åreas de fintech, bancos e marketing. No entanto, as soluçþes existentes não são adequadas para a engenharia de måquinas e instalaçþes, porque não suportam os tipos de dados relevantes do setor de automação. &DUORV 3DL] *DWLFD
$V LQIRUPDŠ¡HV QHFHVV£ULDV HVW¼R GLVSRQ¯ veis em quase todas as empresas. Ao desen YROYHU PRGHORV GH DQ£OLVH VLJQLͤFDWLYRV PXL tas empresas ainda dependem do suporte H[WHUQR GH DQDOLVWDV GH GDGRV $ :HLGPžOOHU www.oelectricista.pt o electricista 68
desenvolveu uma solução inovadora e ami JÂŁYHO TXH DWÂŤ PHVPR RV XWLOL]DGRUHV VHP QHQKXPD IRUPDŠ¼R HVWDWÂŻVWLFD VHMDP FDSD ]HV GH HQWHQGHU H JHUDU PRGHORV DQDOÂŻWLFRV (P HVWUHLWD FRRSHUDŠ¼R FRP R XWLOL]DGRU ͤ QDO RV HVSHFLDOLVWDV HP GDGRV GD :HLGPžOOHU LGHQWLͤFDP FRUUHODŠ¡HV UHOHYDQWHV QRV YDOR res medidos e treinam o modelo inicial. ApĂłs D DSOLFDŠ¼R EHP VXFHGLGD R PRGHOR LQLFLDO ĂŠ repetidamente alimentado com novos da dos e desenvolvido ainda mais ao longo de WRGR R FLFOR GH YLGD GD PÂŁTXLQD ,VVR DXPHQ WD D TXDOLGDGH GDV LQIRUPDŠ¡HV DR ORQJR GR tempo. ̸$SOLFDŠ¡HV VHPHOKDQWHV HVWÂĽR DWXDOPHQWH D VHU XWLOL]DGDV QDV ÂŁUHDV GH ͤQWHFK EDQFRV H PDUNHWLQJ 1R HQWDQWR DV VROXŠ¡HV H[LVWHQWHV QÂĽR VÂĽR DGHTXDGDV SDUD D HQJHQKDULD GH PÂŁTXLQDV H LQVWDODŠ¡HV SRUTXH QÂĽR suportam os tipos de dados relevantes do seWRU GH DXWRPDŠ¼R ([LJHP VHPSUH XP EDQFR de dados idealĚš H[SOLFRX &DUORV 3DL] *DWLFD *HVWRU GH 3URGXWR GD %8 ,QGXVWULDO $QDO\WLFV ̸$OÂŤP GLVVR QÂĽR IRUQHFHP D FDSDFLGDGH GH integrar o conhecimento do domĂnio do utiOL]DGRU R TXH ÂŤ HVVHQFLDO SDUD DSOLFDŠ¡HV industriaisâ€?. Para o software DXWRPDWL]DGR GH Machine Learning, RV HVSHFLDOLVWDV HP DQÂŁOLVH GD :HLGPžOOHU FRPELQDP RV GDGRV H LQIRU PDŠ¡HV HVSHF¯ͤFRV GR FOLHQWH FRP DOJRULW PRV SDUD JHUDU DXWRPDWLFDPHQWH PRGHORV DGHTXDGRV $V HWDSDV GH WUDEDOKR D VHJXLU
descrevem o processo de geração de mode OR XWLOL]DQGR D GHWHŠ¼R GH DQRPDOLDV FRPR exemplo:
1. SELEĂ‡ĂƒO DE DADOS DE FORMAĂ‡ĂƒO $ HPSUHVD GHFLGH TXDLV RV FRQMXQWRV GH GD dos que devem ser usados para aprender o FRPSRUWDPHQWR QRUPDO GH XPD PÂŁTXLQD RX SURFHVVR SURGXWLYR 3DUD HVVH SURSÂľVLWR XPD YLVÂĽR JHUDO GRV GDGRV EUXWRV ÂŤ JHUDGD SULPHLUR TXH VXSRUWD R XWLOL]DGRU QD DYDOLD ção do conteĂşdo informativo dos dados.