A introdução do Setor 4.0 em 2011 e a transformação digital que o possibilita levaram a um influxo de novas tecnologias para otimizar os processos tradicionais no setor de manufatura. A inteligência artificial, que era utilizada predominantemente nas áreas de ciência da computação e engenharia de software, também foi introduzida no setor de manufatura porque, para alcançar a fábrica “lights out”, os equipamentos de manufatura devem se tornar pensadores independentes.
O termo “fábrica sem luz” foi criado para descrever as instalações com tecnologia do setor 4.0 em que os operadores humanos são reduzidos ao mínimo possível, enquanto os processos automatizados são executados. Por exemplo, a incorporação de IA ao equipamento deve permitir que ele diagnostique suas falhas e solicite peças de reposição ou agende uma data de manutenção para corrigir defeitos.
Atualmente, a IA tem sido aplicada em todo o setor de manufatura para apoiar várias iniciativas do setor 4.0. Essas iniciativas abrangem os principais modelos de negócios ou conceitos do Industry 4.0 compartilhados no documento oficial de prova de conceito desenvolvido pela equipe fundadora de engenheiros alemães.
Modelos de negócios do setor 4.0
Para destacar as vantagens e os casos de uso da IA no setor de manufatura, é necessária uma breve explicação dos importantes modelos de negócios do Setor 4.0 que eles suportam. Esses modelos de negócios incluem:
- Otimização da planta orientada por dados
- Manutenção preditiva
- Validação e teste
- Máquina como serviço
A implementação desses 4 modelos de negócios do Industry 4.0 pode melhorar os processos de fabricação e levar ao crescimento da receita, como mostram as estatísticas. Uma pesquisa da Deloitte destaca o fato de que as estratégias de manutenção preditiva podem reduzir o tempo de inatividade não planejado em até 70%.
A implementação de modelos de negócios do Setor 4.0 usando tecnologias disruptivas também permite que as empresas se protejam e busquem soluções inovadoras para problemas tradicionais de fabricação. 56% dos executivos de nível C pretendem implementar modelos de negócios do setor 4.0 para proteger suas operações de interrupções externas, enquanto 33% pretendem usá-lo como uma força inovadora e disruptiva. Independentemente da escolha do aplicativo, o aproveitamento da IA possibilita a criação de modelos de negócios do setor 4.0 que atendam às metas operacionais e da organização.
Começando com a otimização da planta orientada por dados, a IA fornece o suporte que os ativos produtores de dados precisam para obter insights contextuais dos dados capturados. O insight contextual que a análise de dados fornece é necessário para a tomada de decisões tanto dos executivos de nível C quanto dos ativos preparados para a automação. Com a IA, as fontes produtoras de dados podem analisar situações em tempo real para tomar as decisões certas que levam a uma planta otimizada.
Por exemplo, um robô móvel automatizado (AMR) com capacidade de navegar pelo chão de fábrica sem trilhos magnéticos pré-instalados usa IA. O robô captura dados sobre o layout do chão de fábrica em tempo real e aplica o aprendizado de máquina para analisar os dados e agir em tempo real. É por isso que os AMRs podem aplicar a visão mecânica para evitar obstáculos enquanto navegam pelo chão de fábrica. Nesse caso, os dados são analisados, os materiais chegam rapidamente às estações de trabalho e são recebidos em uma única peça. É isso que os modelos do Industry 4.0 de otimização de fábrica orientados por dados pretendem realizar.
As estratégias abrangentes de manutenção preditiva que atendem aos padrões avançados do Setor 4.0 não se limitam à criação de uma programação de manutenção otimizada. Para que a fábrica sem luz funcione em sua capacidade ideal, os ativos de manufatura devem ser capazes de tomar decisões, como encomendar peças de reposição e programar a manutenção, sem apoio humano.
O aprimoramento dos poderes analíticos dos ativos de manufatura por meio da implementação de recursos de IA e aprendizagem profunda garante que os ativos possam acessar vastos repositórios de dados para fazer escolhas otimizadas.
A validação e o teste de novas ideias antes da implementação garantem que as dispendiosas estratégias do setor 4.0 sejam avaliadas para evitar o desperdício de recursos e capital. Tecnologias como o software de modelagem de simulação são soluções de transformação digital que desempenham papéis importantes na validação de ideias. Essas tecnologias aproveitam a IA de várias formas. Os exemplos incluem o aproveitamento da IA para automatizar o desenvolvimento de modelos de simulação precisos por usuários finais não técnicos de software de simulação e o desenvolvimento de entidades inteligentes baseadas em agentes para melhorar os resultados da simulação.
A manutenção de equipamentos de fabricação tornou-se uma fonte de geração de receita para os fabricantes de equipamentos originais (OEMs) de equipamentos pesados. Os OEMs que optam por oferecer máquinas caras aos usuários finais por meio de taxas de assinatura aproveitam a manutenção avançada para gerar outras fontes de receita.
O equipamento envolvido nos planos de assinatura do Machine as a Service deve funcionar de forma otimizada para atender aos requisitos de diversos usuários finais. Os OEMs aproveitam a IA para analisar os dados do usuário final e desenvolver planos de uso otimizados que garantam que uma hora paga seja uma hora otimizada. Assim, com dados de benchmark e avisos de máquina alimentados por IA, os assinantes obtêm o máximo de quilometragem das máquinas que assinam.
5 casos de uso de IA na manufatura
A aplicação teórica da IA para apoiar as iniciativas do Setor 4.0 no setor de manufatura tem exemplos correspondentes no mundo real que serão explorados aqui. Esses casos de uso abrangem a utilização da IA para otimizar o desempenho da fábrica e implementar estratégias de manutenção preditiva.
Schneider Electric implementa manutenção preditiva com IA – A Schneider Electric, com sede em Paris, produz soluções para otimizar operações industriais e desenvolveu uma solução e estratégia de IoT para monitorar e configurar bombas de haste usadas no setor de petróleo e gás. As soluções de IoT garantiram que as empresas de petróleo e gás pudessem configurar e monitorar remotamente as operações offshore sem a necessidade de enviar técnicos para monitorar os processos.
O desafio – A Schneider Electric queria oferecer aos usuários de sua solução de monitoramento de IoT, Realift, recursos avançados, como a capacidade de prever problemas em bombas de haste e outras operações antes que as falhas ocorressem.
A solução – A empresa aproveitou os recursos de aprendizado de máquina que o Azure Machine Learning da Microsoft oferece para aprimorar as capacidades de sua solução Realift. Com os recursos de IA, a solução de IoT forneceu às empresas de petróleo e gás as ferramentas para prever falhas com precisão e desenvolver planos de mitigação.
Otimização do manuseio de materiais com Cobots – A otimização dos sistemas de manuseio de materiais garante que os fabricantes e as instalações de armazenamento reduzam os acidentes no chão de fábrica e, ao mesmo tempo, otimizem o fluxo de materiais. A XPO Logistics, uma empresa de operações de armazenamento, teve dificuldades para otimizar seus processos de manuseio de materiais.
O desafio – Os sistemas tradicionais de manuseio de materiais podem ser ineficientes devido ao trabalho manual envolvido no transporte de materiais pelo chão de fábrica. Às vezes, os materiais transportados chegam às estações de trabalho com atraso e com defeitos.
A solução – A XPO logistics recorreu ao Cobots, um robô de manuseio de materiais que utiliza IA, para automatizar o processo de coleta de pedidos e manuseio de materiais. Com o Cobots, a XPO logistics conseguiu melhorar o manuseio de materiais e fazer entregas just-in-time que aumentam os níveis de satisfação do cliente.
O Meister Group emprega IA para desenvolver estratégias de inspeção visual – A inspeção de produtos acabados antes de enviá-los ao usuário final é um aspecto importante dos planos de entrada no mercado da manufatura. Estratégias de inspeção adequadas reduzem os recalls e os custos financeiros que os acompanham.
O desafio – O Meister Group, um fabricante belga de peças automotivas, processa milhões de peças que são vendidas para empresas do setor automotivo. O processo tradicional de inspeção de peças é manual, repetitivo e demorado, portanto, às vezes, peças defeituosas podem escapar do chão de fábrica.
A solução – O Meister Group recorreu a uma câmera com sensor habilitado para IA para automatizar seu processo de inspeção. A câmera In-sight 1000 da Cognex utiliza um sensor visual para inspecionar as peças produzidas e compara os dados capturados com os dados de referência antes de atribuir um status à peça inspecionada. Com o sensor visual alimentado por IA, a empresa pode inspecionar com precisão milhares de peças em um dia.
Siemens Gamesa aproveita a IA para melhorar o tempo de inspeção – A Siemens Gamesa fabrica lâminas de turbina para dar suporte às soluções renováveis que oferece aos seus clientes. Para colher os benefícios de suas soluções renováveis, componentes como as lâminas de turbina devem ser fabricados para ter um desempenho ideal.
O desafio – A Siemens Gamesa precisava de um processo para inspecionar suas pás durante a fabricação e também monitorar as pás implantadas. Com mais de mil lâminas de turbina sob sua jurisdição, a organização precisava de um processo de inspeção automatizado para lidar com o processo de monitoramento.
A solução – A Siemens Gamesa buscou um sistema avançado de reconhecimento de imagens com tecnologia de IA, capaz de capturar imagens das pás da turbina e compará-las com dados históricos. A auditoria de análise de dados forneceu detalhes sobre quais lâminas precisavam de manutenção em tempo real.
Mitigando os efeitos das interrupções nos oleodutos e gasodutos usando IA – As interrupções nos oleodutos e gasodutos levam a tempo de inatividade não planejado e afetam os níveis de serviço que as empresas fornecem aos usuários finais do setor. A compreensão dos efeitos das interrupções e do aumento da demanda fornece a base para o desenvolvimento de soluções para atenuar esses efeitos.
O desafio – A empresa de petróleo e gás estava interessada em entender como o aumento da demanda e as paralisações poderiam afetar sua capacidade de atender à demanda dos clientes. A atenuação desse risco protegeria suas receitas e melhoraria os serviços prestados aos clientes.
A solução – A empresa construiu um modelo de gêmeo digital que considerava várias entradas e saídas sequenciadas de lotes da linha principal de maneira FIFO (primeiro a entrar, primeiro a sair), manutenção programada e lentidão de serviço aleatória ou eventos de falha. O gêmeo digital aproveitou a IA para analisar dados históricos. O cliente conseguiu usar o resultado da análise do cenário do modelo para avançar com confiança nas recomendações de requisitos de tanques e filosofias operacionais para atingir os níveis de serviço desejados.
Conclusão
A IA apoia a implementação de modelos de negócios do Setor 4.0 no setor de manufatura. Os casos de uso acima fornecem um vislumbre de como a IA pode ser aplicada juntamente com a solução de transformação digital para otimizar o planejamento e resolver desafios operacionais complexos. Os casos de uso também servem de inspiração para empresas de manufatura, pois destacam o fato de que a IA pode ser aproveitada de diversas maneiras para resolver problemas peculiares ao seu nicho de manufatura.