INTELIGÊNCIA ARTIFICIAL E APRENDIZADO DE MÁQUINA: AS OPORTUNIDADES DE APLICAÇÃO EM AUTOMAÇÃO INDUSTRIAL

Indústria 4.0, IoT, Inteligência Artificial, Aprendizado de Máquina, Aprendizado Profundo são tecnologias que tem merecido a atenção de fornecedores e usuários de automação industrial.

Nesta entrevista, Ricardo Caruso, Diretor Técnico e Sócio da Aquarius Software e Professor de Indústria 4.0 da Fundação Vanzolini, ensina, por meio da sua ampla experiência prática e teórica, conceitos, aplicações, benefícios e o sem número de oportunidades que a Inteligência Artificial e o Aprendizado de Máquina oferecem não apenas em termos de eficiência, produtividade e qualidade.

Embora não sejam tecnologias consideradas novas, mas que às vezes se confundem em suas especificidades, explique os conceitos de Inteligência Artificial e Aprendizado de Máquina no âmbito da automação industrial.

A Inteligência Artificial é um conjunto de técnicas que trabalha com softwares e dispositivos que se comportam como se tivessem algum tipo de racionalidade e, muitas vezes, simulam o comportamento humano ou mesmo a biologia do nosso cérebro para atingir um determinado resultado. É uma área bastante ampla que abrange centenas de algoritmos e aplicações diferentes e que vem sendo desenvolvida há muitas décadas.

Mesmo na academia, devido à sua abrangência, vemos uma grande diversidade de definições e classificações sobre esse assunto. Os próprios pesquisadores do tema são originários de diversas áreas como matemática, estatística, computação, ciências cognitivas e biologia. No nosso dia a dia, acionamos uma combinação de técnicas de Inteligência Artificial sempre que usamos uma ferramenta de busca na internet, escolhemos o melhor caminho em nosso aplicativo de mapas do celular ou recebemos uma recomendação de compra de um livraria on-line. Na área de automação industrial, é comum vermos aplicações consolidadas em sistemas de controle avançado e de otimização em tempo real (RTO).

O Aprendizado de Máquina é o subconjunto de aplicações da Inteligência Artificial que se aproveita de exemplos para encontrar relações entre variáveis de um determinado conjunto. Na área industrial é bastante aplicada por ter capacidades como prever falhas em equipamentos com base em seus dados de funcionamento, ou identificar problemas de qualidade usando imagens da linha de produção. Embora seja um grupo pequeno de técnicas do universo da Inteligência Artificial, é sem dúvida onde temos visto o maior número de aplicações e o aparecimento crescente de novas tecnologias.

A automação é o foco principal do uso da Inteligência Artificial e do Aprendizado de Máquina. Contudo, as vantagens vão muito além do que simplesmente produtividade e eficiência. De que forma essas duas tecnologias podem ser proveitosas para o usuário de automação industrial?

Por tratar-se de uma área ampla, existem inúmeras oportunidades de aplicações na área da automação industrial. Sem dúvida as aplicações relacionadas à eficiência, produtividade e qualidade são as que primeiro vêm à nossa cabeça, como otimização do desempenho de processos e previsão de desvios. Um ponto importante que devemos lembrar quando se fala em Aprendizado de Máquina é que a disponibilidade de dados confiáveis e em volume adequado são os fatores chave do sucesso da aplicação.

Normalmente as equipes de automação são as responsáveis não só pela manutenção dos sistemas de controle, mas também pelos dados coletados por eles. Esses dados têm um papel fundamental na construção de sistemas abrangentes de análise, que usam Aprendizado de Máquina para apoiar decisões que vão além do chão de fábrica.

A flexibilidade, por exemplo, é uma das capacidades mais desejadas hoje pelas organizações. Ela está relacionada à capacidade das operações, incluindo a industrial, de se adaptarem a mudanças da cadeia de suprimentos. Cada indústria tem demandas diferentes de flexibilidade, mas normalmente estamos falando em atender necessidades específicas de clientes, como um pedido de última hora ou uma mudança de parâmetros, ou ainda reagir a alterações da qualidade de insumos mantendo a estabilidade do produto, comuns na agroindústria ou no processamento de recursos naturais.

Nenhuma cadeia pode ser flexível sem que seus equipamentos, linhas de produção e sistemas de automação estejam prontos para isso. Existem inúmeras oportunidades para os usuários de automação industrial incorporar informações externas à planta a seus sistemas e usar Inteligência Artificial para que os sistemas se adaptem da forma mais rápida e eficiente às necessidades do negócio.

Existe um ponto discutível e que merece atenção, relacionado ao tempo para o retorno do investimento em projetos de Inteligência Artificial e Aprendizado de Máquina. É possível prever o ROI para o usuário que decidiu por utilizar essas duas tecnologias? Onde residem os maiores ganhos?

Como o projeto de Inteligência Artificial normalmente é um projeto de inovação, com conhecimento interno ainda limitado sobre seu potencial, a definição de um ROI pode ser um grande desafio. É importante sempre ter em mente que a Inteligência Artificial dentro de um projeto é uma ferramenta para a melhoria de um processo, e não seu objetivo final. A falta de uma definição clara do objetivo de negócio dela é o maior fator de insucesso de iniciativas desse tipo, que algumas vezes terminam em uma aplicação tecnológica bem-sucedida que não traz impacto real à organização.

A melhor forma de antecipar os ganhos do projeto é mapear claramente o impacto que se deseja trazer ao negócio, e verificar se a Inteligência Artificial é realmente a melhor ferramenta para alcançá-los. Embora o Aprendizado de Máquina seja apenas uma das técnicas disponíveis, ela é sem dúvida a que mais observamos em aplicações práticas. Isso se deve a grande disponibilidade de ferramentas para aplicá-la e à sua grande capacidade de se adaptar a casos práticos.

Uma boa forma de iniciar uma aplicação é encontrar casos em que já exista uma base de dados de funcionamento de um determinado processo, e que seus dados sejam muito complexos ou numerosos para serem interpretados pelos próprios usuários. No nosso contexto, essas bases normalmente estão nos sistemas de controle, historiadores, sistemas de manutenção e qualidade já em uso. Com isso, deve-se encontrar problemas ou oportunidades de melhoria com impacto real no negócio, como estabilidade de qualidade de um produto específico ou previsão de falha de um tipo de equipamento.

Além disso, muitas empresas que têm encarado seus primeiros projetos com Inteligência Artificial como parte de um processo de aprendizado interno têm obtido bastante sucesso. Dessa forma os projetos normalmente não são avaliados pelo seu ROI, mas têm seu orçamento limitado por um valor definido para investimento, normalmente suficiente para a criação de algumas aplicações piloto de pequena abrangência. Esse processo normalmente traz uma visão mais realista de capacidades internas, oportunidades e disponibilidade de fornecedores, que servem como base para investimentos maiores com ganhos de maior escala.

É possível afirmar que existem segmentos industriais suficientemente maduros para a aplicação da Inteligência Artificial e do Aprendizado de Máquina? Quais são eles e quais as razões por estarem mais adiantados tecnologicamente?

Todos os segmentos industriais têm desafios que podem justificar a adoção da Inteligência Artificial, principalmente com a drástica redução do custo de aquisição de componentes de software com a ampliação da oferta da computação em nuvem, tanto por fornecedores tradicionalmente do mundo de TI quanto dos industriais.

Já as aplicações de Aprendizado de Máquina, por dependerem de bases de dados confiáveis, são mais comumente encontradas em segmentos industriais com maior maturidade na coleta e armazenamento de dados de processo. Algumas áreas da indústria de processo já realizam investimentos consistentes nessas bases, em especial sistemas historiadores, há mais de duas décadas. Indústrias como a de papel e celulose, óleo e gás, e mineração e metalurgia tipicamente já possuem dados suficientes para a aplicação de algoritmos de Aprendizado de Máquina para aplicações como predição de falha e desvios de qualidade, ou ainda otimização de processos.

Vale lembrar que nem sempre a aplicação de Inteligência Artificial para a produção está diretamente ligada a sistemas de automação industrial. Segmentos bastante maduros tecnologicamente da manufatura discreta, como as montadoras de automóveis, muitas vezes utilizam dados do próprio ERP para entender melhor o mix de produtos nas linhas de produção, ou estratégia de programação e sequenciamento de ordens, trazendo grandes ganhos em eficiência e flexibilidade ao chão de fábrica.

Especialistas afirmam que as linhas entre Aprendizado de Máquina e IoT estão cada vez mais tênues, e que essas duas tecnologias trabalham muito bem juntas. Como funciona essa integração equilibrada?

Os dispositivos de IoT trazem uma capacidade sem precedentes de coletar dados a um custo muito menor do que as tecnologias anteriores. Esse impacto é bastante perceptível em suas aplicações domésticas. Hoje é bastante comum monitorarmos nossos sinais vitais quando nos exercitamos, como batimento cardíaco e oxigenação, através de um relógio inteligente sem a necessidades de equipamentos anteriormente só disponíveis em centros de diagnóstico médico.

Esse efeito pode também ser observado dentro das indústrias. A medição de vibração online de máquinas rotativas, por exemplo, era somente viável para grandes máquinas de alto custo e criticidade, deixando os demais equipamentos de fora dos programas de manutenção preditiva ou dependendo de rondas de medição manual. Dispositivos de IoT cada vez mais permitem a medição mais ampla dessas variáveis a um custo viável. Como esses dispositivos têm como uma de suas principais funções gerar dados, trazem grandes oportunidades de aplicações de Aprendizado de Máquina.

A adoção em grande escala de dispositivos de IoT, e a consequente geração de dados em maior volume, pode provocar um desafio computacional normalmente chamado de Big Data. Um repositório de dados pode ser chamado de Big Data sempre que a adoção de tecnologias tradicionais de análise de dados se torna inviável devido a seu volume de dados, variedade de tipos ou ainda a velocidade em que o resultado da análise precisa ser apresentado ao usuário para viabilizar uma ação.

Nesses casos é necessário o emprego de ferramentas especializadas em Big Data que, de forma geral, se utilizam de arquiteturas de bancos de dados especializadas e algoritmos de Aprendizado de Máquina.

Considerando que os benefícios da Inteligência Artificial e do Aprendizado de Máquina estão se tornando mais evidentes, a confiança é a palavra-chave quando da decisão de usar ou não essas tecnologias. Então, por onde começar um projeto de Inteligência Artificial e Aprendizado de Máquina em automação industrial?

É muito importante, como já comentei antes, encontrar um caso de aplicação que traga impacto real ao processo industrial. Com o caso selecionado, entender qual técnica é a mais adequada e quais investimentos iniciais devem ser feitos, como por exemplo na coleta e gestão de dados.

Dessa forma é possível criar uma prova de conceito, com investimento e expectativa de impacto definidos, que tragam segurança aos gestores e clareza ao negócio de qual sua função dentro do portifólio de projetos de tecnologia. É importante também definir uma boa estratégia de definição do fornecedor da tecnologia, empresa de implantação e capacitação da equipe interna.

O maior desafio interno que tenho visto nos projetos desse tipo é a definição da equipe adequada para conduzi-lo com sucesso. Profissionais que conheçam gestão de dados, Inteligência Artificial e automação industrial ainda são bastante raros no mercado. Apesar de ser uma grande oportunidade de mercado para nossa área, essa falta ainda exige que sejam compostas equipes multidisciplinares que, muitas vezes, não têm experiência prévia de colaboração tornando necessário um esforço de gestão de mudança muitas vezes não previsto no projeto.

Olhando para o futuro, considerando que os dados são hoje o maior bem das indústrias, como o Aprendizado Profundo se mostra como potencial?

O Aprendizado Profundo é uma técnica de Aprendizado de Máquina que é parte de um grupo de algoritmos chamados de redes neurais. Eles têm esse nome porque são inspirados no comportamento dos neurônios dos sistemas nervosos dos animais, que são individualmente relativamente simples, mas são capazes de resultados bastante sofisticados quando organizados em redes.

As redes neurais estão entre as técnicas mais antigas de Inteligência Artificial, tendo suas primeiras pesquisas já na década de 60. O Aprendizado Profundo é uma técnica bastante moderna que se aproveita da redução dos custos de computação para construir um algoritmo bastante exigente em termos de recursos, por usar um número grande de neurônios, mas que é capaz de extrair relações bastante complexas entre diferentes variáveis de uma base de dados com muito pouca interferência humana.

Com os bancos industriais cada vez maiores, com dados enriquecidos por centenas de sensores de IoT, o Aprendizado Profundo é uma ótima alternativa para a extração de informações úteis para a tomada de decisão, muitas vezes usando variáveis que dificilmente seriam consideradas por analistas especializados.

O que você pode dizer sobre a experiência e o conhecimento humanos necessários para gerenciar aplicações de Inteligência Artificial e Aprendizado de Máquina em automação industrial?

A implantação e gestão de sistemas de Inteligência Artificial exigem conhecimentos e estruturas tecnológicas específicas, que precisam ser desenvolvidos nas empresas que desejem se aproveitar de seus benefícios. Os últimos anos têm mostrado um movimento contínuo das empresas em preparar equipes internas com esse perfil, mas ainda bastante focadas na área de TI e em dados de negócio, especialmente para análises de marketing e gestão de cadeia de suprimentos.

O mesmo movimento pode ser observado nos fornecedores de tecnologia. Há alguns anos a única forma de usar IA seria criar uma equipe de desenvolvimento interna ou a aquisição de softwares especializados na solução de problemas muito específicos. Hoje temos dezenas de ferramentas, principalmente disponibilizadas pelos fornecedores de computação em nuvem, que facilitam a criação de aplicativos por usuários com cada vez menor conhecimentos de programação. Softwares pensados para os desafios específicos dos dados da automação industrial e análises de produção, porém, ainda são minoria.

Isso abre um vasto campo para o profissional de automação, que já traz amplos conhecimentos dos sistemas industriais e dos desafios da produção. Ao se capacitar nessa área, pode atuar desde a condução de projetos dentro da própria indústria, como na construção de plataformas que apoiem a implantação e a gestão da IA permitindo sua adoção cada vez mais ampla e o desenvolvimento do nosso parque industrial.

www.aquarius.com

  Peça mais informações…