Com o advento da Indústria 4.0, a Inteligência Artificial (IA) foi expandida para várias operações das empresas. O uso dessa tecnologia em escala industrial foi demonstrado por Mardo Carneiro, diretor da BIX Tecnologia, no primeiro dia da programação do Palco EXPOMAFE.
Uma dessas operações é a manutenção preditiva, ou seja, aquela realizada preventivamente, antes de o problema se manifestar e paralisar a produção. “Muitas empresas tinham sensorização nas linhas, tratamento de dados, mas não voltada para a parada de máquinas”, apontou.
Segundo Carneiro, o ganho de produtividade com esta aplicação está em fazer a manutenção preventiva nos períodos corretos.
Mais aplicações da Inteligência Artificial
Além da manutenção inteligente, entre outros exemplos apresentados estão o uso da IA em CNC (controle computadorizado de máquinas-ferramenta), vendas (forecast, estoque) e controle de gasto com energia.
Um uso bastante recente é a IA generativa em aplicações técnicas e de gestão, como na elaboração de relatórios, busca de informações compiladas em manuais etc., tendo como motor sistemas como ChatGPT.
“É uma forma de compartilhar o conhecimento acumulado pela empresa entre todos os colaboradores. Além da consulta a manuais, é possível elaborar relatórios a partir de dados coletados nas máquinas, agilizando a tomada de decisão”, explicou.
Desafios
Carneiro elencou alguns dos desafios para a implementação de IA, dividindo-os entre técnicos e operacionais.
Na primeira categoria, estão a infraestrutura adequada, a coleta de dados de qualidade, segurança e confiabilidade das informações, e integração entre os sistemas existentes.
Entre os desafios organizacionais, ele citou investimento e ROI (retorno do investimento), a necessidade de uma cultura de inovação, a abertura para mudança de processos e a capacitação da equipe.
Passo a passo para inserir a IA na indústria
Carneiro também identificou os passos para estruturar um projeto de IA industrial:
- Identificação do caso de uso: entender o problema e como a IA pode gerar valor;
- Preparação dos dados: levantamento do que está disponível, sensorização, definição de métricas;
- Projeto piloto (Prova de Conceito): solução em pequena escala para validar a viabilidade e obter resultados rápidos;
- Desenvolvimento e implantação: refinar o modelo com dados reais, integrar sistemas e implementar no ambiente de produção; e
- Operação e melhorias contínuas: monitorar resultados, treinar equipe, escalar a solução para outras áreas.
Sobre este último quesito, Carneiro acrescentou: “A Inteligência Artificial nunca se acaba, ela está sempre tendo melhorias”.
