Baixe o app para aproveitar ainda mais
Prévia do material em texto
MANUTENÇÃO NA INDÚSTRIA 4.0 W B A 03 34 _v 1. 0 2 Aristóteles Ramon Dias Couto Moreno Londrina Editora e Distribuidora Educacional S.A. 2020 MANUTENÇÃO NA INDÚSTRIA 4.0 1ª edição 3 2020 Editora e Distribuidora Educacional S.A. Avenida Paris, 675 – Parque Residencial João Piza CEP: 86041-100 — Londrina — PR e-mail: editora.educacional@kroton.com.br Homepage: http://www.kroton.com.br/ Presidente Rodrigo Galindo Vice-Presidente de Pós-Graduação e Educação Continuada Paulo de Tarso Pires de Moraes Conselho Acadêmico Carlos Roberto Pagani Junior Camila Braga de Oliveira Higa Carolina Yaly Giani Vendramel de Oliveira Henrique Salustiano Silva Juliana Caramigo Gennarini Mariana Gerardi Mello Nirse Ruscheinsky Breternitz Priscila Pereira Silva Tayra Carolina Nascimento Aleixo Coordenador Mariana Gerardi Mello Revisor Sofia Maria Amorim Falco Rodrigues Editorial Alessandra Cristina Fahl Beatriz Meloni Montefusco Gilvânia Honório dos Santos Mariana de Campos Barroso Paola Andressa Machado Leal Dados Internacionais de Catalogação na Publicação (CIP) _________________________________________________________________________________________ Moreno, Aristóteles Ramon Dias Couto. C871m Manutenção na indústria 4.0/ Aristóteles Ramon Dias Couto, – Londrina: Editora e Distribuidora Educacional S.A., 2020. 42 p. ISBN 978-65-5903-037-8 1. Engenharia de manutenção 2. Manutenção industrial 3. Indústria 4.0 I. Título. CDD 624 ____________________________________________________________________________________________ Raquel Torres – CRB 6/2786 © 2020 por Editora e Distribuidora Educacional S.A. Todos os direitos reservados. Nenhuma parte desta publicação poderá ser reproduzida ou transmitida de qualquer modo ou por qualquer outro meio, eletrônico ou mecânico, incluindo fotocópia, gravação ou qualquer outro tipo de sistema de armazenamento e transmissão de informação, sem prévia autorização, por escrito, da Editora e Distribuidora Educacional S.A. 4 SUMÁRIO Internet das Coisas (loT). Big Data. Inteligência artificial _____________ 05 Manufatura, Indústria 4.0 e veículos autônomos ____________________ 21 PCM, interoperabilidade e customização em massa ________________ 38 Gestão 4.0, energias renováveis e eficiência _________________________ 54 MANUTENÇÃO NA INDÚSTRIA 4.0 5 Internet das Coisas (loT). Big Data. Inteligência artificial Autoria: Aristóteles Ramon Dias Couto Moreno Leitura crítica: Sofia Maria Amorim Falco Rodrigues Objetivos • Entender o funcionamento da Internet das Coisas e as principais tecnologias empregadas. • Compreender a importância do Big Data e Inteligência Artificial para a indústria. • Analisar as aplicações de IoT, Big Data e Inteligência Artificial. 6 1. Internet das coisas (IoT) A Internet das Coisas (mais conhecida pela sigla inglesa IoT, que significa Internet of Things) é uma coleção de muitos tipos de comunicação sem fio. Em vários projetos da Internet das Coisas, sabe-se que a conexão pode ser baseada em tecnologias como Wi-Fi (Wireless Fidelity), Bluetooth, RFID (Radio Frequency Identification), LPWAN (Low Power Wide Area Network), LTE (Long Term Evolution), 4G, 5G, NFC (Near Field Communication), ZigBee, Li-Fi (Light Fidelity) etc. De acordo com Almeida (2010), um lugar significativo nos projetos de IoT é ocupado por sensores que coletam informações (sobre o ambiente urbano, sobre a saúde humana e o estado dos equipamentos na fábrica) e fornecem medidas de pressão, umidade, luz, movimento, fluxo de calor, nível, entre outras. Assim, graças à comunicação sem fio e a vários protocolos, esses sensores são capazes de interagir entre si e enviar as informações coletadas para análise posterior, sendo ela realizada por uma pessoa ou por aplicações de inteligência artificial. Adicionalmente, sabe-se que centros de dados, tecnologias em nuvem e Big Data são usados para armazenar e processar os dados recebidos e, dessa forma, observa-se que hoje a Internet das Coisas não possui um único padrão ou protocolo. O conceito que define a área foi formulado em 1999, como uma compreensão das perspectivas de uso generalizado dos meios de identificação por radiofrequência para interação de objetos físicos entre si e com o ambiente externo. Além disso, ressalta-se que o preenchimento do conceito com diversos conteúdos tecnológicos e a introdução de soluções práticas para sua implementação, desde 2010, são considerados uma tendência estável na tecnologia da informação, principalmente devido à onipresença das redes sem fio, ao surgimento da computação em nuvem, ao desenvolvimento de tecnologias de interação máquina a máquina, ao início de uma transição ativa para IPv6 (protocolo de internet) e à adoção de redes definidas por software. 7 1.1 Aplicabilidade do IoT Uma das definições da internet das coisas corresponde a ideia de que, qualquer objeto real ou virtual que existe e se move, no espaço e no tempo, pode ser identificado de maneira única por meio da internet. Assim, é importante ressaltar que a Internet das Coisas não se define apenas pela infinidade de dispositivos e sensores diferentes disponíveis, interconectados por canais de comunicação com e sem fio e conectados à internet, mas sim como uma integração mais próxima dos mundos real e virtual, nos quais a comunicação ocorre entre pessoas e dispositivos. Desse modo, supõe-se que, no futuro, “as coisas” se tornem participantes ativas de negócios, informações e processos sociais, onde poderão interagir e se comunicar, trocando informações sobre o meio ambiente, reagindo e influenciando os processos que ocorrem no mundo circundante, sem intervenção humana. Ademais, para compreendermos a aplicabilidade da área, segundo Costa e Lizarelli (2018, p. 25), ressalta-se que a Internet das Coisas pode ser definida em quatro camadas: • O nível 1 está associado à identificação de cada objeto. • O nível 2 fornece um serviço para atender às necessidades do consumidor (pode ser considerado uma rede de suas próprias “coisas”, como é o caso de casas inteligentes, por exemplo). • O nível 3 está associado à urbanização. Esse nível está relacionado ao conceito de “cidade inteligente”, onde todas as informações que dizem respeito aos moradores desta cidade são atraídas para uma área residencial específica, para sua casa e casas vizinhas. • O nível 4, por sua vez, está relacionado à estrutura de um planeta sensorial. 8 Em outras palavras, a Internet das Coisas pode ser vista como uma rede de redes, nas quais pequenas redes fracamente conectadas formam redes maiores. 1.2 Tecnologias IoT Geralmente, esse conceito está associado ao desenvolvimento de duas tecnologias, como a de Identificação por Radiofrequência (RFID) e o desenvolvimento de redes de sensores sem fio (BSS). 1.2.1 Redes de sensores sem fio Uma rede de sensores sem fio, por sua vez, é uma estrutura distribuída e auto organizada de muitos sensores e atuadores, interconectados por meio de um canal de rádio. Além disso, a área de cobertura dessa rede pode variar de vários metros a vários quilômetros, devido à sua capacidade de retransmissão de mensagens de um elemento para outro, sendo uma tecnologia muito usada para resolver problemas práticos relacionados ao monitoramento, ao gerenciamento e à logística. 1.2.2 RFID O RFID é um método de identificação automática de objetos, no qual os dados armazenados nos chamados transponders ou etiquetas RFID são lidos ou gravados por meio de sinais de rádio. A Figura 1 apresenta uma etiqueta de RFID. 9 Figura 1–Chip adesivo de RFID Fonte: albln/iStock.com. Segundo Almeida (2019), essa tecnologia é adequada para rastrear o movimento de alguns objetos e obter algumas informações destes. Assim,por exemplo, caso produtos e mantimentos fossem equipados com etiquetas RFID e a geladeira com um leitor de RFID, ele poderia rastrear facilmente informações importantes como a data de validade dos produtos, além de possibilidades como a procura remotamente executada pela própria geladeira, como para fornecimento de informações do que precisaria ser comprado. 2. Big Data De acordo com Almeida (2019), o Big Data é um campo que interpreta maneiras de analisar, extrair sistematicamente informações ou lidar com conjuntos de dados muito grandes ou complexos para lidar com 10 softwares e aplicativos tradicionais de processamento de dados. Desse modo, dados com muitos casos (linhas), por exemplo, oferecem mais poder estatístico; enquanto dados com maior complexidade (mais atributos ou colunas) podem levar a um maior número de descobertas falsas. Além disso, ressalta-se que, geralmente, grandes problemas da área incluirão detalhes de coleta, armazenamento, análise, recuperação, compartilhamento de dados, transmissão, visualização, consulta, atualização, confidencialidade das informações e fonte de dados. Desse modo, sabe-se que o Big Data foi originalmente associado à três conceitos principais: volume, variedade e velocidade. Outros conceitos posteriormente atribuídos ao Big Data foram a veracidade (ou seja, quanto barulho há nos dados) e o significado. Além disso, percebe-se cada vez mais que o termo big data se refere, geralmente, ao uso de análise preditiva, análise de comportamento do usuário ou algumas outras técnicas avançadas de análise de dados, que extraem valores dessas informações. Ainda, Big Data envolve mais do que apenas analisar grandes quantidades de informações. Logo, o problema não é que as organizações criem grandes quantidades de dados, mas a maioria deles é apresentada em um formato que não corresponde bem ao formato tradicional de banco de dados estruturado, como blogs, vídeos, documentos de texto, código de máquina ou, por exemplo, dados geoespaciais. Tudo isso é armazenado em muitos repositórios diferentes, às vezes, até fora da organização. Como resultado, as empresas podem ter acesso a uma grande quantidade de dados e não possuem as ferramentas necessárias para estabelecer relacionamentos entre esses dados e extrair conclusões significativas a partir deles. Outro ponto importante é que a análise de conjuntos de dados pode encontrar novas correlações para itens como negócios pontuais, prevenção de doenças, prevenção de crimes e assim por diante. Desse modo, cientistas, líderes empresariais, médicos, publicitários e os próprios governos enfrentam regularmente desafios com grandes 11 conjuntos de dados em vários campos. Já os cientistas, por sua vez, enfrentam as restrições referentes às grandes quantidades de dados em seu trabalho com relação à eletrônica, incluindo áreas como meteorologia, genômica, conectômica, simulações complexas de física, biologia e pesquisa ambiental. 2.1 Características do Big Data De acordo com Pires (2018), o Big Data pode ser descrito pelas seguintes características: • Volume: referente à quantidade de dados gerados e armazenados. O tamanho dos dados determina o significado, o entendimento potencial e se eles podem ser lidos como big data ou não. • Rapidez: diz respeito à velocidade com que os dados são gerados e processados, de acordo com os requisitos e desafios que estão no caminho do crescimento e desenvolvimento. Geralmente, big data está disponível em tempo real. Os dois tipos de velocidade associados ao Big Data são: a taxa de geração e a taxa de processamento, gravação e publicação. • Veracidade: sendo esta uma definição estendida para grandes quantidades de dados, que se refere à qualidade e valor dos dados. A qualidade dos dados capturados, por sua vez, pode variar bastante dependendo da precisão da análise. As aplicações na utilização do Big Data são as mais diversas, sendo possível citar áreas como: • Governo: sendo que o uso e a adoção de grandes quantidades de dados nos processos governamentais permitem eficiência de custo, produtividade e inovação, mas há certas desvantagens. Além disso, sabe-se que a análise de dados, geralmente, exige que várias partes do governo (central e local) trabalhem juntas e criem 12 processos novos e inovadores para obter o resultado desejado. O CRVS (Registro Civil e Estatísticas Vitais), por exemplo, coleta todos os certificados de status desde o nascimento até a morte, sendo uma grande fonte de big data para os governos em geral. • Desenvolvimento internacional: um exemplo prático disso é que a pesquisa sobre o uso efetivo das tecnologias da informação e comunicação para o desenvolvimento (também conhecido como ICT4D) sugere que a tecnologia de big data pode dar importantes contribuições, mas também apresentar desafios únicos ao desenvolvimento internacional. Os avanços na tecnologia de ponta, por sua vez, oferecem oportunidades econômicas de análise de dados para melhorar a tomada de decisões em áreas críticas de desenvolvimento, como saúde, emprego, eficiência econômica, crime, segurança, desastres naturais e gerenciamento de recursos. Além disso, os dados gerados pelo usuário abrem novas possibilidades. No entanto, problemas de longa data para regiões em desenvolvimento, como infraestrutura tecnológica insuficiente e escassez de recursos econômicos e humanos, exacerbam os problemas existentes com big data, como confidencialidade, metodologia falha e problemas de compatibilidade. • Produção: com base no Estudo de Tendências Globais, o planejamento aprimorado de suprimentos e a qualidade do produto oferecem valor máximo ao big data no contexto fabricação. O Big Data fornece a infraestrutura para a transparência no setor de manufatura, por exemplo, que no contexto estará relacionada à capacidade de descobrir incertezas, como o desempenho e disponibilidade incompatíveis de componentes. A manufatura preditiva como uma abordagem aplicável para tempo de inatividade e transparência próximo de zero, requer grandes quantidades de dados e ferramentas avançadas de previsão para processar sistematicamente os dados em informações acionáveis. A estrutura conceitual para produção preditiva começa com a aquisição de dados, onde 13 as outras informações devem estar disponíveis para aquisição, como acústica, vibração, pressão, corrente, tensão e dados do controlador. Uma enorme quantidade de dados do sensor, além dos dados históricos, para serem analisados grandes dados na produção. O Big Data formado atua como uma entrada para ferramentas preditivas e estratégias de prevenção, como o Prognóstico e Gestão de Saúde (PHM). • Cuidados de saúde: observa-se que a análise de big data ajudou a melhorar a assistência médica, fornecendo remédios personalizados e análises prescritivas, intervenções de riscos clínicos e análises preditivas no contexto. Além disso, observa- se com tais análises de dados a variabilidade de redução de resíduos e cuidados, disponibilização de relatórios externos e internos automatizados de dados do paciente, termos médicos padronizados e registros do paciente e soluções pontuais fragmentadas. Atualmente, existe uma necessidade ainda maior de tais ambientes colocarem maior ênfase na qualidade dos dados e das informações. Ademais, ressalta-se que a inspeção humana em grande escala de dados é impossível e há uma necessidade urgente de ferramentas inteligentes para a precisão e plausibilidade no gerenciamento e processamento de informações perdidas. Embora uma grande quantidade de informações sobre saúde agora seja eletrônica, ela pode ser classificada como um grande conjunto de dados, pois, a maioria das informações é desestruturada e difícil de usar. Outro ponto importante é que o uso de big data na área da saúde levantou questões éticas significativas, variando de riscos a direitos individuais, privacidade e autonomia, transparência e confiança. • Educação: comrelação à esta área, mais especificamente, um estudo do McKinsey Global Institute (2016) constatou uma escassez de 1,5 milhão de profissionais e gerentes de dados altamente qualificados, e várias universidades, incluindo a Universidade do Tennessee e a Universidade da Califórnia, em Berkeley, 14 criaram programas de mestrado para atender a esta demanda. O Private Bootcamps também desenvolveu programas com tal intuito, incluindo programas gratuitos como uma incubadora de dados ou programas pagos como a Assembleia Geral. Em uma área específica de marketing, por exemplo, um dos problemas destacados por Wedel e Kannan (2017) é que o marketing possui vários subdomínios que usam diferentes tipos de dados (como a publicidade, promoção, desenvolvimento de produtos e marcas). Assim, como as soluções analíticas de tamanho único não são desejáveis, as escolas de administração devem preparar um gerente de marketing para ter amplo conhecimento de todos os diferentes métodos usados nessas subáreas, a fim de obter uma visão geral e trabalhar de maneira eficaz com os analistas. • Meios de comunicação: para entender como a mídia usa big data, primeiro você precisa fornecer algum contexto no mecanismo usado para o processo de mídia. O setor parece estar se afastando da abordagem tradicional de usar condições específicas da mídia, como jornais, revistas ou programas de televisão e, em vez disso, introduzindo aos consumidores tecnologias que atingem as pessoas-alvo nos momentos ideais e nos locais ideais. O objetivo final é veicular ou transmitir uma mensagem ou conteúdo que seja (estatisticamente falando) consistente com a mentalidade do consumidor. Assim, por exemplo, o meio de publicação tem cada vez mais mensagens personalizadas (publicidade) e conteúdo (artigos) para atrair consumidores que foram coletados exclusivamente por meio de várias análises dos dados da atividade. Ademais, enfatiza-se que os dados devem ser processados com ferramentas aprimoradas (análises e algoritmos), a fim de revelar informações significativas. Por exemplo, para gerenciar uma planta, problemas visíveis e invisíveis com vários componentes devem ser considerados. Os algoritmos de geração de dados devem detectar 15 e eliminar problemas invisíveis, como a degradação da máquina, o desgaste de peças, entre outros, passíveis de ocorrer no chão de fábrica. 2.2 Big Data na Indústria De acordo com o Instituto Global da McKinsey (MCKINSEY GLOBAL INSTITUTE, 2016), Big data é a próxima fronteira para inovação, competição e produtividade, os dados se tornaram um fator tão importante na produção quanto os ativos de trabalho e produtos. Ao alavancar o big data, as empresas podem obter vantagens competitivas tangíveis. As tecnologias de Big Data podem ser úteis para resolver as seguintes tarefas: • Previsão da situação do mercado. • Otimização de marketing e vendas. • Melhoria do produto. • Tomada de decisão de gestão. • Aumento da produtividade do trabalho. • Logística eficiente. • Monitoramento da condição do ativo imobilizado. Nas empresas industriais, o Big Data também é gerado devido à introdução de tecnologias da Internet Industrial das Coisas. Durante esse processo, as principais unidades e partes de máquinas são fornecidas com sensores, atuadores, controladores e, às vezes, processadores baratos, capazes de executar cálculos. Já durante o processo de produção, os dados são coletados continuamente e possivelmente pré-processados, por meio de filtragem, por exemplo. As plataformas analíticas envolvidas processam essas matrizes de informações em 16 tempo real, apresentam os resultados da forma mais fácil de entender e economizam para uso posterior. Com base na análise dos dados obtidos são tiradas informações sobre as condições do equipamento, a eficiência de seu trabalho e a qualidade dos produtos. Ao monitorar as informações em tempo real, o pessoal da empresa pode: • Reduzir o tempo de inatividade. • Melhorar o desempenho do equipamento. • Reduzir custos operacionais do equipamento. • Prevenir acidentes. O último ponto é especialmente importante. Por exemplo, os operadores da indústria petroquímica recebem em média 1.500 alarmes por dia ou mais de um por minuto. Isso leva ao aumento da fadiga do operador, que precisa constantemente tomar decisões instantâneas sobre como responder a um determinado sinal. Por outro lado, entende- se que a plataforma analítica pode filtrar informações secundárias e, em seguida, os operadores podem se concentrar em situações críticas. Como resultado, os níveis de confiabilidade da produção, segurança industrial, disponibilidade de equipamentos de processo e conformidade com os requisitos regulamentares aumentam. Além disso, com base nos resultados da análise de big data é possível calcular os períodos de retorno do equipamento, as perspectivas de alteração dos modos tecnológicos, redução ou redistribuição do pessoal de manutenção–ou seja, tomar decisões estratégicas em relação ao desenvolvimento futuro da empresa. 17 3. Inteligência Artificial O termo “inteligência artificial” (IA) surgiu em 1956, mas tal tecnologia alcançou sua verdadeira popularidade mais recentemente, no contexto de volumes crescentes de dados, aprimorando algoritmos, otimizando o poder da computação e o armazenamento de dados. A primeira pesquisa de IA, iniciada na década 1950, por Alan Touring, focou na solução de problemas e no desenvolvimento de sistemas de computação simbólicos. Nos anos 1960, esses achados atraíram o interesse do Departamento de Defesa dos EUA, levando os militares deste a treinar computadores para simular a atividade mental humana. Outro exemplo é a Agência de Projetos de Pesquisa Avançada em Defesa (DARPA), que realizou vários projetos na década de 1970 para criar mapas de ruas virtuais, também sendo responsável por criar assistentes pessoais inteligentes em 2003, muito antes de Siri, Alexa e Cortana aparecerem, exemplos do cotidiano mais recente. Esses trabalhos citados se tornaram a base para os princípios de automação e lógica formal de raciocínio, usados em computadores modernos, em particular nos sistemas de suporte à decisão e nos mecanismos de busca inteligentes projetados para complementar e aprimorar as capacidades humanas. Além disso, ressalta-se que embora as IAs sejam frequentemente retratadas como robôs humanoides dominando o mundo em filmes e romances de ficção científica, essas tecnologias não são tão assustadoras ou inteligentes, com tal estágio de desenvolvimento; embora seja importante enfatizar que o desenvolvimento da inteligência artificial permite que se observem benefícios reais em todos os setores da economia. 3.1 Importância da Inteligência Artificial Segundo Pires (2018, p. 88), a inteligência artificial pode se aplicar a vários processos industriais e do dia a dia, como: 18 • Na automatização de processos repetitivos de aprendizado e pesquisa por meio do uso de dados, de forma diferente da robotização, que se baseia no uso de hardware. Assim, ressalta- se que neste caso o objetivo da IA não é automatizar o trabalho manual, mas executar de maneira confiável e contínua inúmeras tarefas computadorizadas em larga escala. Esse tipo de automação requer participação humana para inicializar o sistema e fazer perguntas corretamente. • Na transformação de produtos existentes em inteligentes. Geralmente, a tecnologia de IA não é implementada como um aplicativo independente, sendo que sua funcionalidade é integrada aos produtos existentes para permitir aprimoramentos, assim como a Siri foi adicionada aos dispositivos de próxima geração da Apple, por exemplo. Certos sistemas de automação, plataformas de comunicação, boots e computadores inteligentes, combinados com grandes quantidades de dados podem melhorar uma variedade de tecnologias usadas em residências e escritórios, desde análises de dados de segurança até ferramentas de análise de investimentos.• Descoberta de estruturas e padrões nos dados que permitem que um algoritmo aprenda uma certa habilidade, tornando-o um classificador ou preditor. Assim, pelo mesmo princípio pelo qual o algoritmo domina o jogo de xadrez, ele pode aprender a oferecer produtos adequados on-line. Ao mesmo tempo, os modelos se adaptam à medida que novos dados se tornam disponíveis, como mostra a retropropagação, técnica que ajusta o modelo a aprender com novos dados, se a resposta original estiver errada. • Alcance de níveis de precisão sem precedentes, por meio de redes neurais mais profundas. Por exemplo, trabalhar com Alexa, Pesquisa do Google e Google Fotos é um processo computacional de aprendizado profundo e, quanto mais usamos essas 19 ferramentas, mais eficazes elas se tornam. No campo da saúde, o diagnóstico de tumores cancerígenos em imagens de ressonância magnética usando tecnologias de IA (aprendizado profundo, classificação de imagens e reconhecimento de objetos) não é inferior em precisão às conclusões de radiologistas altamente qualificados. • Aproveitamento máximo de dados, a partir dos algoritmos de autoaprendizagem, nos quais os próprios dados se tornam um objeto de propriedade intelectual. A principal limitação da IA é que o aprendizado só é possível a partir de dados e não o contrário. Isso significa que quaisquer imprecisões nos dados afetarão os resultados. Portanto, novos níveis de previsão ou análise devem ser adicionados separadamente. 3.2 Aplicações Adicionalmente, sabe-se que os sistemas modernos de IA são projetados para executar tarefas bem definidas. Um sistema de pôquer, por exemplo, não poderá jogar paciência ou xadrez; já um sistema configurado para detectar fraudes não poderá dirigir um carro ou fornecer assistência jurídica. Além disso, um sistema de IA projetado para detectar fraudes na área da saúde não poderá detectar fraudes fiscais ou reclamações de garantia com o mesmo grau de precisão. Em outras palavras, esses sistemas são caracterizados por uma especialização muito estreita, sendo projetados para executar uma tarefa específica e estão longe de serem multitarefas humanas. Ademais, os sistemas de autoaprendizagem não são independentes. As imagens da tecnologia de IA que vemos nas telas de TV e nos cinemas, ainda, são elementos de fantasia, no entanto, os computadores capazes de analisar dados complexos para aprender e aprimorar habilidades específicas não são mais incomuns. 20 Referências Bibliográficas ALMEIDA, P. S. Indústria 4.0: princípios básicos, aplicabilidade e implantação na área industrial. São Paulo: Érica, 2019 COSTA, M. A. B.; LIZARELLI, F. L. Evolução das teorias e práticas administrativas: de Ford à Indústria 4.0. Santa Cruz do Rio Pardo: Viena, 2018. MCKINSEY GLOBAL INSTITUTE. Going from global trends to corporate strategy. McKinsey & Company, New York, n. 3, 2016. WEDEL, A.; KANNAN, J. How businesses are using web 2.0: a mckinsey global survey. McKinsey & Company, New York, 2017. PIRES, J. N. Robótica industrial: indústria 4.0. Lisboa: Lidel, 2018. 21 Manufatura, Indústria 4.0 e veículos autônomos Autoria: Aristóteles Ramon Dias Couto Moreno Leitura crítica: Sofia Maria Amorim Falco Rodrigues Objetivos • Compreender o papel da manufatura inteligente na implementação da Indústria 4.0. • Discutir técnicas da impressão 3D no cenário industrial. • Compreender os sensores robôs e os veículos autônomos. 22 1. Introdução O surgimento de uma nova tecnologia industrial digital, conhecida como Indústria 4.0, representa uma transformação que permite que os dados sejam coletados e analisados em várias máquinas, possibilitando processos mais rápidos, flexíveis e eficientes para produzir bens de melhor qualidade a preços reduzidos. Essa revolução manufatureira aumentará a produtividade, mudará as economias, estimulará o crescimento industrial e remodelará o perfil da força de trabalho – mudando, em última análise, a competitividade das empresas e das regiões. Eventualmente, os robôs interagirão uns com os outros, trabalharão com segurança e aprenderão com os humanos. Esses robôs custarão menos e terão uma gama mais ampla de recursos do que os usados atualmente. As simulações, por sua vez, serão usadas mais amplamente nas fábricas, utilizando dados em tempo real e espelhando o mundo físico em um modelo virtual que pode incluir máquinas, produtos e pessoas. Isso permitirá que os operadores testem e otimizem os parâmetros da máquina para o próximo produto na linha de produção no mundo virtual, antes de passar para o mundo físico, reduzindo o tempo de configuração da máquina e melhorando a qualidade. Com a Indústria 4.0, empresas, departamentos, funções e recursos se tornarão muito mais coesos, à medida que as redes universais de integração de dados evoluem e criam cadeias de valor verdadeiramente automatizadas. 1.1 Manufatura inteligente Segundo Almeida (2019), a manufatura inteligente define o uso mais intensivo e abrangente de tecnologias de informação em rede e sistemas ciberfísicos em todos os estágios da fabricação e entrega do produto. Desse modo, nota-se que o conceito de manufatura inteligente foi 23 formado recentemente e não tem um significado estabelecido, podendo ser usado para descrever a implementação de robôs, tecnologia da informação ou qualquer outra inovação na manufatura. Para atingir seus objetivos, as empresas “inteligentes” usam softwares especializados, aplicações a laser e dispositivos de inteligência artificial integrados às máquinas e à sua infraestrutura. Um exemplo disso é que as organizações virtuais utilizam softwares para operação, a fim de garantir uniformemente a interação entre os ativos de produção distribuídos no espaço e para gerenciar esses ativos. Adicionalmente, observa-se que uma das possíveis definições fundamentais de manufatura inteligente, na interpretação de cientistas, compreende um sistema de produção que pode levar em conta o contexto e ajudar pessoas e máquinas na solução de seus problemas, graças à implementação em larga escala de tecnologias de informação e comunicação no sistema de gestão de workflows (fluxo de trabalho). Além disso, podemos notar que a manufatura inteligente está intimamente ligada à Indústria 4.0, que também pode ser compreendida como um conceito que surgiu da estratégia de alta tecnologia do governo alemão para informatizar a manufatura. Ademais, sabe-se que a Indústria 4.0 é uma tendência moderna para a automação da produção, realizando amplo uso de tecnologias de nuvem, Internet das Coisas e sistemas ciberfísicos. Portanto, a chegada da Indústria 4.0 é impossível sem a difusão massiva da produção inteligente. De acordo com Almeida (2019, p. 30), possíveis especificações dentro da manufatura inteligente envolverão: • Máquinas inteligentes, capazes de trocar informações com outros sistemas de produção e trabalhar com alto grau de autonomia, além de robôs avançados. 24 • Internet das Coisas industrial, com dispositivos e tecnologias que fornecem conexão à internet para todas as máquinas na produção. • Serviços em nuvem, que fornecem acesso à rede conveniente e contínuo a um pool compartilhado de recursos de computação configuráveis. • Plataformas de integração empresarial, cuja tarefa é receber dados dos equipamentos, analisá-los e agregá-los. • Tecnologias de Big Data. As tecnologias e sistemas que fazem parte da manufatura inteligente são usados em fábricas e outras empresas para aumentar a produtividade e reduzir custos. De acordo com Almeida (2019), a manufatura inteligente é uma organização moderna do processo de negócios de uma empresa, que se caracteriza pela automação dos sistemas de produção; otimização dos processos de produção por meio da introdução de tecnologias modernas, incluindo robótica; coleta, armazenamento e processamento de grandes quantidades de dados usando a Internet das coisas e serviços em nuvem; previsão e planejamento de produçãoeficaz. Entre as principais vantagens da produção inteligente, pode-se destacar: controle contínuo da produção por meio da coleta e análise de dados em tempo real; previsão de eventos futuros, acumulando e analisando dados de períodos passados e comparando-os com a situação atual e planejamento de produção eficiente. Além disso, é possível citar como possíveis benefícios a minimização de erros associados ao fator humano, devido ao aproveitamento máximo de modernos equipamentos automatizados e, consequentemente, o aumento da qualidade do produto; otimização do uso de recursos melhorando a qualidade do serviço ao cliente, simplificando as comunicações, recebendo feedback oportuno e reduzindo o tempo de serviço. Essas 25 vantagens podem reduzir significativamente os custos de produção e aumentar a lucratividade do negócio. 1.2 Materiais na Indústria 4.0 e Impressão 3D e 4D A tendência atual do mercado é comprar muitos sistemas complexos de máquinas autônomas. Desse modo, a integração de sistemas não é o único fenômeno significativo: o mercado está utilizando cada vez mais máquinas capazes de processar novos materiais, como carbono, titânio, caixas de alumínio fundido, materiais compósitos etc. De acordo com Pires (2018), a manufatura aditiva (também conhecida pela sigla AM, em inglês, additive manufacturing) representa um conjunto de métodos tecnológicos para a produção de produtos e protótipos baseados na adição gradual de material a uma base na forma de uma plataforma plana, também, sendo popularmente conhecida pelo termo impressão 3D, como será explicado adiante. Assim, observa-se que a manufatura aditiva é classificada como uma classe de tecnologias promissoras para a produção customizada de peças de forma complexa, a partir de um modelo de computador tridimensional, pela aplicação sequencial de material (geralmente camada por camada). A manufatura aditiva atua em oposição à chamada produção subtrativa (por exemplo, usinagem tradicional). Outra definição da área ressalta a manufatura aditiva como o processo de unir materiais para criar objetos com base em dados de modelos 3D, geralmente em camadas, em oposição aos métodos subtrativos e de moldagem (PIRES, 2018). Por outro lado, os termos usados em vários momentos incluem manufatura aditiva, processos aditivos, métodos aditivos, manufatura de camada aditiva, manufatura de camada e manufatura de forma livre. A impressão 3D, no entanto, é definida como a fabricação de objetos por meio da aplicação de material com cabeça de impressão, bico ou outra tecnologia de impressão. No passado recente, o termo impressão 26 3D era associado às máquinas de baixo custo e baixa produtividade, embora hoje em dia, usualmente, é comum ver na prática os termos manufatura aditiva e impressão 3D com o mesmo significado. Além disso, há a simulação por camadas de fusão (modelagem por deposição fundida, FDM–Fused Deposition Modelling) e uma série de tecnologias desenvolvidas com base nela. O próprio termo, impressão 3D, originalmente se referia ao processo de impressão de sanduíche de camada de pó usando cabeças de impressão a jato de tinta desenvolvido no Massachusetts Institute of Technology (MIT), em 1993. O processo foi proposto por alunos do MIT, Tim Anderson e Jim Bredt, que trabalharam em sua pesquisa acerca da criação de impressão a jato de tinta, com base na tecnologia do pó. Outros possíveis sinônimos para o termo manufatura aditiva são: manufatura automatizada (também conhecida como Autofab–Automated Fabrication), para automação da produção e eliminação do trabalho manual; prototipagem rápida de produtos de forma livre, síntese camada por camada; fabricação aditiva adequada e moldagem aditiva (mais frequentemente entendida no significado de prototipagem). Desse modo, note que as tecnologias aditivas tornam possível fabricar uma peça ou produto diretamente de um modelo 3D de computador, que é virtualmente cortado em camadas finas, assim, o arquivo com este modelo é transferido para o sistema que realiza a formação camada por camada do produto. Segundo Pires (2018), os principais processos tecnológicos e materiais utilizados são: • Fotopolimerização em banho (Vat Photopolymerization - VP): fotopolímeros. • Jato de material (MJ): fotopolímeros, cera e materiais orgânicos. • Binder Jetting (BJ): metais, polímeros e cerâmicas. 27 • Síntese em um substrato (Powder Bed Fusion, PBF): metais, polímeros e cerâmicas. • Extrusão de material (ME): polímeros, cerâmicas/compósitos e materiais orgânicos. • Fornecimento direto de energia e material (Deposição Dirigida de Energia - DED): metais na forma de pó e fio. • Laminação de folhas (SL): metais, polímeros e cerâmicas. Além disso, é possível citar o CJP (ColorJet Printing), tecnologia de impressão 3D em cores por meio da colagem de um pó especial à base de gesso; o MJP (Impressão MultiJet) e modelagem multijato usando fotopolímero ou cera. Outros exemplos são a SLA/DLP (Stereolithography Apparatus/Digital Light Processing), estereolitografia a laser, baseada na solidificação camada por camada de um material líquido sob a ação da radiação laser; SLS (Selective Laser Sintering) sinterização seletiva a laser sob um feixe de laser de partículas de um material pulverulento para formar um objeto físico de acordo com um determinado modelo CAD e a SLM/DMP (fusão seletiva a laser/impressão direta de metal), fusão seletiva a laser de pó de metal usando modelos matemáticos de CAD em um laser de itérbio. Já com relação aos possíveis benefícios do uso de certos materiais, conforme premissas da Indústria 4.0, além de vantagens com relação ao uso da impressão 3D, é possível citar as seguintes possibilidades: • Fabricação de peças de configuração complexa (por exemplo, contendo canais de resfriamento internos), que não podem ser fabricadas pelo método subtrativo. • Capacidade de transferir rapidamente um modelo 3D de computador para qualquer lugar do mundo, onde uma impressora 28 adequada esteja instalada, o que permite organizar a produção local em escala global. • Proximidade entre o formato do produto resultante e o especificado, o que reduz significativamente os custos de material e desperdício de produção. • Curta duração das etapas de desenvolvimento e rápido lançamento do produto na produção. • Possibilidade de pronta produção de ferramental. • Impressão de desenhos de qualquer complexidade sem aumentar o preço (o princípio “complexidade de graça”–quando a produção de uma peça custa o mesmo que um lote grande). • Viabilização econômica da produção em pequena escala e o lançamento de produtos customizados. • Possibilidade de realizar alterações rapidamente no projeto, mesmo já estando na fase de produção. • Realização de otimização topológica para requisitos especiais (como alteração de elementos estruturais para reduzir as características de peso e tamanho e melhorar as características funcionais, sem reduzir a resistência e durabilidade do produto). • Descentralização da produção, simplificação da logística, redução dos prazos de entrega e possível redução dos estoques. • Combinar vários componentes em uma peça, o que pode simplificar a montagem e acelerar a produção. • Desenvolvimento de produtos antes inatingíveis ou muito caros para fabricação por métodos tradicionais. • Impressão sob demanda. 29 • Uso eficaz da robótica, visto que certas máquinas robóticas para impressão 3D são capazes de automatizar o pós-processamento das peças impressas. Por outro lado, existem pontos importantes que devem ser levados em consideração, especialmente quando se trata de novas tecnologias. Nesse caso, observa-se que se tornou possível imprimir peças em qualquer lugar em que uma impressora 3D adequada esteja instalada, o que levanta preocupações sobre a retenção da propriedade intelectual para fabricantes tradicionais e empresas que desenvolvem novas peças e equipamentos para uso próprio. Assim, dadasessas limitações específicas e outras possíveis desvantagens que possam ser vistas na prática, eventualmente, podemos concluir que de fato as tecnologias aditivas não podem substituir completamente a produção tradicional, sendo essas tecnologias de fabricação complementares. A impressão quadridimensional (impressão 4D; também conhecida como bioprinting 4D, origami móvel ou sistema de deformação de forma) usa a mesma tecnologia de impressão 3D para criar objetos tridimensionais por meio da deposição de materiais programada por computador em camadas sucessivas. No entanto, a impressão 4D aumenta a dimensão que muda com o tempo. Portanto, é uma substância programável na qual após o processo de fabricação, o produto impresso reage com os parâmetros do ambiente (umidade, temperatura etc.) e muda de forma em conformidade. A capacidade de fazer isso vem de configurações quase infinitas com resolução de mícrons, criando sólidos com uma distribuição espacial de moléculas projetadas, permitindo desempenho multifuncional sem precedentes. A impressão 4D é um avanço relativamente novo na tecnologia de fabricação biológica, tornando-se rapidamente um novo paradigma em disciplinas como bioengenharia, ciência dos materiais, química e ciência da computação. 30 Como a impressão 3D, a impressão 4D é um processo de aplicação de materiais camada por camada e, assim, gera um objeto tridimensional (peça), mas aqui também considera a quarta dimensão da peça acabada, o tempo. Como resultado, o objeto pode se mover e/ou mudar sob certos gatilhos sensoriais, como quando em contato com água, calor, vibração ou som (materiais inteligentes). Por sua vez, a impressão 4D está nos estágios iniciais de desenvolvimento e combina uma variedade de ciências, como bioengenharia, ciência e engenharia de materiais, química e ciência da computação e engenharia. Segundo Pires (2018), as áreas de aplicação possíveis são: • Casas e jardins (como construção automática de móveis, adaptação a campos de gramado). • Segurança de construção, construção, proteção ambiental e tecnologias de energia (como tubos de reciclagem automática). • Indústrias de vestuário e têxteis (como adaptação ao clima). • Engenharia aeroespacial, transporte e engenharia de tráfego (como, Adaptação de materiais às condições ambientais, deformação de trajes espaciais, obstáculos de autoconstrução). • Tecnologia médica e biologia (por exemplo, implantes e bioimpressoras). 1.2.1 Tecnologia de impressão A estereolitografia é uma tecnologia de impressão 3D que usa fotopolimerização para unir substratos que foram colocados em camadas para formar uma rede de polímero. Em contraste com a modelagem de deposição fundida, onde o material extrudado endurece imediatamente para formar uma camada, a impressão 4D é basicamente baseada em estereolitografia, em que, na maioria dos 31 casos, a luz ultravioleta é usada para curar o material em camadas após a conclusão do processo de impressão. A anisotropia é crucial para projetar a direção e a magnitude da transformação sob determinadas condições. Ao organizar os materiais microscópicos de uma certa maneira, ela incorpora diretividade para a impressão acabada. Por meio da impressão 4D, um método de fabricação rápido e preciso que pode ser realizado para controlar a atuação autodobrável espacial em estruturas macias projetadas de maneira personalizada. A transformação de espaço e tempo pode ser alcançada por meio de vários mecanismos de atuação, como transição de fase de gel de cristal líquido, coeficiente de expansão térmica, diferença de condutividade térmica e diferentes razões de expansão e desexpansão de vigas de camada dupla ou compostas. Uma forma de simular a impressão 4D é controlar os parâmetros de impressão 3D, como diferentes padrões espaciais de dobradiças que afetam o tempo de resposta e o ângulo de curvatura dos produtos impressos 4D. Para tanto, desenvolveu-se um modelo paramétrico das propriedades físicas de painéis de polímero com memória de forma contendo padrões impressos em 3D. O modelo proposto prevê a forma final do atuador, que apresenta excelente consistência qualitativa com pesquisas experimentais. Esses resultados verificados podem orientar o projeto de impressão 4D baseada no modo funcional. 1.3 Robótica e sensores Sob a ótica da robótica, de acordo Costa e Lizarelli (2018), destacam-se os sensores que são necessários para que os robôs possam receber informações sobre eles próprios e seu ambiente físico. Atualmente, há um grande número desses sensores, envolvendo grandezas mecânicas (lineares, deslocamentos angulares, distância, aceleração, forças e momentos); sistemas de visão; medidores de temperatura, corrente e tensão; intensidade de luz; radioatividade e campos magnéticos; 32 sensores acústicos; detectores de umidade, gás, entre outros. Além disso, é importante ressaltar que todos esses sensores, além dos já citados, trabalham a partir de diferentes princípios físicos, que determinam a gama de condições nas quais a qualidade necessária das medições possa ser assegurada. Por exemplo, considere a distância a objetos circundantes, que pode ser medida utilizando elementos como sonares, telêmetros infravermelhos, câmeras, radares, usando a radiação de diferentes comprimentos de onda. Se o primeiro fica cego em superfícies felpudas, o último começa a ficar com a radiação, e terceiro–ao medir a distância até superfícies escuras, então, os sonares que diferem favoravelmente em resolução e alcance, mas obviamente perdem em preço. Note, ainda, que a escolha de certos sensores, comparados a outras opções, dependerá do ambiente de uso pretendido. Adicionalmente, perceba que além da qualidade a precisão e a velocidade são parâmetros também necessários a um sistema, bem como para os sensores associados, especialmente quando se tenta avaliar um ambiente em mudança dinâmica. Um exemplo prático desta necessidade é a obtenção da distância até os obstáculos em movimento na navegação autônoma. Em contrapartida, tem-se que encontrar um meio-termo entre preço e qualidade é um problema científico e técnico não trivial, não só para pesquisadores livres, mas startups e gigantes da indústria, embora já tenha sido visto um grande salto. Um progresso significativo foi feito com o advento dos sistemas microeletromecânicos (MEMS), em boa parte atribuído à produção em massa de smartphones. Logo, considerando que robôs anteriores usavam acelerômetros e giroscópios caros e em grande escala, com a ajuda de sensores MEMS, até mesmo a robótica de consumo agora pode ser equipada com sensores. Por 33 fim, esse é um exemplo habilitador tecnologia e como uma área da tecnologia influencia o desenvolvimento de outra. Com relação à robótica, observa-se que os robôs estão tentando “copiar” humanos ou animais, embora seja importante enfatizar que, muitas vezes, esses têm sistemas muito melhores. O aparelho vestibular de uma pessoa, por exemplo, fixa uma mudança na posição do corpo ou da cabeça, mas não há órgão que sugira quantos minutos angulares o joelho ou cotovelo estão dobrados, ou a que distância de nós o objeto está com uma precisão de um mícron, por exemplo. Em geral, os robôs podem ser condicionalmente divididos em dois tipos: de locomoção e manipulação. A principal tarefa do primeiro é mover- se por si próprio, mover uma carga útil ou uma pessoa, por distâncias consideráveis, como é o caso dos drones, veículos não tripulados ou barcos. A principal possível tarefa dos sensores, neste caso, será determinar a própria posição do robô no espaço, com base em dados de odometria ou sistemas de posicionamento global, bem como sua localização em relação aos objetos circundantes. Além disso, neste tipo de sistema é possível adicionar sensores de aceleração linear e angular, que fornecem uma sensação de equilíbrio, ou seja, orientação no campo gravitacional. Adicionalmente, segundo Costa e Lizarelli (2018), a tarefados robôs de manipulação, por sua vez, que devem imitar funcionalmente as mãos, é realizar várias operações com objetos. A este ponto torna-se importante retomar conceitos como a sensação cinestésica, que dá informações proprioceptivas, para sensações de posição, movimento e força. Desta forma, percebe-se neste tipo de sistema a necessidade por sensores que permitam a determinação da configuração atual e das velocidades de partes individuais do robô, bem como sensores táteis e de força- torque. Esses últimos são especialmente necessários para garantir uma aderência confiável de objetos manipulados, para controlar as forças de interação com objetos (o ambiente e uma pessoa), a fim de, por 34 exemplo, realizar uma operação de contato de forma eficiente e não danificar o robô ou ferir uma pessoa que esteja por perto ou em contato direto. Além disso, ressalta-se que para todos os robôs listados, um grande número de sensores auxiliares, também denominados como de serviço, podem ser usados, cujo uso dependerá da aplicação específica do sistema. Além disso, alguns deles poderão fornecer informações sobre o estado interno do sistema (interocepção) e sobre o meio ambiente (exterocepção), por exemplo. Neste contexto, vale mencionar especialmente o caso de certos tipos de sensores, para organizar as interfaces homem-robô, por exemplo, que são extremamente importantes. Ademais, ressalta-se que uma das possíveis direções mais importantes no desenvolvimento da área sensorial robótica é a avaliação da sensação de força-momento, com o desenvolvimento de sensores táteis, por exemplo. Os robôs de manipulação modernos custam cada vez menos para uso em células separadas, atrás de cercas de ferro ou cortinas infravermelhas, sem falar nos robôs de serviço ou pessoais. O progresso está caminhando para a criação de robôs que sejam capazes de trabalhar com eficiência e segurança em um ambiente dinâmico e não estruturado. Além da área anterior, temos o sensoriamento distribuído, um novo conceito no projeto de sistemas robótico, proporcionando um projeto funcional integrado ou co-projeto de todos os componentes do robô. Neste contexto, temos a situação quando a estrutura, atuadores, sensores, fontes de alimentação, plataformas de computação, algoritmos e software são desenvolvidos simultaneamente, com base na funcionalidade final do sistema. Outra área de extensa pesquisa e ênfase atualmente é a visão técnica. Um exemplo prático disso 35 é que uma das principais tarefas que precisam ser resolvidas hoje para avançar no desenvolvimento de veículos não tripulados é tornar o sensor lidar barato, visto que o preço dele ainda aumenta muito o custo do robô acabado e não permite que tais sistemas sejam produzidos em massa. Além disso, percebe-se que, em busca de uma alternativa para a robótica móvel, as pessoas estão tentando fazer um sistema de navegação autônomo baseado em outros sensores, por meio de elementos como sonares, câmeras estéreo, sensores de luz estruturados e câmeras de tempo de voo. Por último, em conexão com o desenvolvimento da robótica pessoal, os sensores para interação multimodal com uma pessoa devem receber uma adoção mais ampla, incluindo, por exemplo, sensores combinados para leitura simultânea de informações de áudio e visuais para posterior processamento de linguagem natural. 1.4 Veículos autônomos Segundo Costa e Lizarelli (2018), a desintegração, que começou com veículos conectados, favorecerá o desenvolvimento da direção autônoma, que pode ser definida como movimento em um autômato que usa inteligência artificial, sensores e coordenadas do sistema de posicionamento global para se comportar sem a intervenção ativa de um operador humano. A direção (semi) autônoma, por sua vez, é uma possível próxima vertente no desenvolvimento da indústria automotiva e, para muitos autores e pesquisadores da área, a evolução natural do carro como conhecemos atualmente. Os OEMs (Original Equipment Manufacturer, ou “Fabricante Original do Equipamento) devem alinhar suas estratégias com a trajetória dessa tecnologia, estando ciente dos benefícios potenciais dela, sua provável cobertura em setores 36 relacionados e os desafios para a implantação completa, ajudando aos OEMs a maximizar as oportunidades e minimizar os riscos. Assim, ressaltamos que a direção autônoma tem benefícios potenciais para os motoristas individuais, bem como para a sociedade como um todo. A Figura 1 mostra como possivelmente prevê-se que será a conexão dos carros no futuro. Figura 1–Carros conectados em vias Fonte: igphotography/iStock.com. Um outro ponto importante a ser mencionado é que a direção autônoma representará uma revolução na maneira como entendemos a mobilidade pessoal e terá implicações imediatas e de longo alcance em várias áreas. Assim, de sistemas modernos de entretenimento informativo pela Internet a sistemas mais avançados de assistência ao motorista em médio prazo, até uma direção totalmente autônoma, a trajetória do 37 veículo com a tecnologia indica conectividade crescente. Os participantes tradicionais da indústria automobilística–junto com um número crescente de empresas que estão encontrando novas oportunidades na indústria automotiva–terão que esperar mudanças no pool de lucros, o que provavelmente levará à conectividade, uma vez que perturba cada vez mais a cadeia de valor. Visto que o valor geral do ciclo de vida do veículo provavelmente permanecerá constante, é ainda mais importante que as empresas com interesse no jogo agora tomem uma atitude. Especificamente, OEMs e fornecedores terão que defender seus estoques atuais e se mover de forma decisiva em áreas onde possam desempenhar um papel importante na conectividade. Os seguradores, as telecomunicações e os players digitais provavelmente se tornarão parceiros de OEMs de uma forma ou de outra. Até que ponto os participantes tradicionais podem manter seus pedaços do bolo automotivo e os participantes novos na indústria podem reivindicar conectividade? Depende de quão bem eles podem estabelecer benchmarks. Referências Bibliográficas ALMEIDA, P. S. Indústria 4.0: princípios básicos, aplicabilidade e implantação na área industrial. São Paulo: Érica, 2019. COSTA, M. A. B.; LIZARELLI, F. L. Evolução das teorias e práticas administrativas: de Ford à Indústria 4.0. Santa Cruz do Rio Pardo: Viena, 2018. PIRES, J. N. Robótica industrial: Indústria 4.0. Lisboa: Lidel, 2018. 38 PCM, interoperabilidade e customização em massa Autoria: Aristóteles Ramon Dias Couto Moreno Leitura crítica: Sofia Maria Amorim Falco Rodrigues Objetivos • Apresentar o novo planejamento e controle da manutenção na indústria 4.0. • Aprender a interoperabilidade e confiabilidade das manutenções. • Compreender o papel da customização em massa no cenário atual. 39 1. O PCM (Planejamento e Controle da Manutenção) na Indústria 4.0 No contexto da produção flexível e adaptável, as empresas com manutenção prescritiva podem agir com previsão e reduzir drasticamente os tempos de parada não planejados. Assim, instruções específicas podem ser derivadas ao vincular fluxos de valor de produção com software de autoaprendizagem. Segundo Fogliato e Ribeiro (2009), os ciclos de vida mais curtos do produto e saltos tecnológicos mais rápidos aumentam os requisitos para o uso eficiente dos recursos de produção nas empresas de manufatura. Falhas, desempenho insuficiente e perda de qualidade representam um risco elevado, especialmente no contexto de uma reestruturação dos processos produtivos. No âmbito do conceito Indústria 4.0, que alia a moderna tecnologia da informação a processos industriais clássicos, a manutenção e assistência são cada vez mais importantes. Com a rede digital de máquinas, processos de fabricação, bem como sistemas de vendas e armazenamento, garante-se alta disponibilidade das instalações de produção e minimiza o tempo de inatividade. Além dos sistemas de altaqualidade, a alta disponibilidade requer reparos rápidos em caso de falha. No entanto, isso requer a disponibilidade de recursos adequados, como especialistas, peças de reposição ou logística. A fim de minimizar o esforço necessário para isso, é necessário obter uma previsão dos eventos de avaria da forma mais confiável possível, pois, é a única forma de disponibilizar os recursos de manutenção necessários conforme a necessidade. Para fazer isso, torna-se primordial uma estratégia de manutenção que reconheça possíveis erros ou mau funcionamentos nos sistemas antes que eles ocorram e, assim, permitindo que a manutenção ideal seja planejada. Logo, a manutenção prescritiva fornece meios importantes dentro desta estratégia. 40 Neste cenário, os dados também serão um fator decisivo. A partir dos dados operacionais, por exemplo, pode-se obter informações técnicas abrangentes, que não só se acumulam em grandes quantidades com a Indústria 4.0 ou a Internet das Coisas, mas também podem ser disponibilizados onde houver conexão à Internet. Com os dados de velocidade, pressão do óleo, temperatura ou nível do líquido refrigerante, por um lado, pode-se controlar e monitorar os sistemas individuais para que os fabricantes ou prestadores de serviços possam planejar de forma otimizada suas medidas. Por outro lado, informações abrangentes sobre o comportamento dos sistemas são coletadas. Se elas forem processadas adequadamente, as probabilidades estáticas para a ocorrência de certos casos de serviço podem ser derivadas, como se a velocidade no sistema X flutuar além da tolerância, há uma probabilidade de uma quebra do eixo nos próximos m dias. Desse modo, quanto mais dados estiverem disponíveis, os respectivos algoritmos podem melhor determinar a probabilidade de ocorrência de danos. Com o uso da manutenção prescritiva, as despesas de manutenção nas empresas de manufatura podem ser reduzidas drasticamente. Assim, estima-se que os tempos de parada não planejados das máquinas podem ser reduzidos em 40 a 60% em dois anos; ao passo que a carga de trabalho e custos de material podem reduzir de 35 a 60%. Porém, ainda, ao mesmo tempo, observa-se que a vida útil de um sistema pode ser aumentada em 30 a 60%, a disponibilidade dos sistemas é melhorada, estabelecendo-se um processo de produção ininterrupto, o que é um fator competitivo decisivo em indústrias de alta tecnologia, como as de fabricação de automóveis (FOGLIATO; RIBEIRO, 2009). O que está mudando significativamente devido à digitalização é a Internet das Coisas e a Indústria 4.0. Por exemplo, os fabricantes estão equipando suas máquinas e sistemas com cada vez mais sensores, que coletam cada vez mais dados e os encaminham pela Internet. Com 41 isso, inevitavelmente, a manutenção deve também mudar–no que diz respeito às medidas individuais, no que se refere à qualificação das pessoas que realizam a manutenção, e no que diz respeito às tecnologias que são utilizadas para a manutenção. Em suma, a Manutenção 4.0 deve ser desenvolvida paralelamente à Indústria 4.0. Por sua vez, essa dinâmica na manutenção se reflete em quatro tendências, que serão vistas a seguir. 1.1 Rede de valor: com forças unidas Normalmente, há três partes envolvidas na manutenção dos ativos: o operador, o fabricante e a empresa de manutenção. Ao trabalharem juntos, eles precisam realizar extensas trocas de informações, um problema até certo período no passado. Um exemplo disto é o fato de que as informações sobre a operação e manutenção de máquinas e sistemas, ferramentas e veículos vêm do fabricante e ele até então quase sempre enviava ao operador todas as especificações técnicas, instruções de manutenção, entre outras em pen drives, CDs ou na forma de manuais impressos. Em seguida, o fabricante armazena as informações localmente em seu próprio sistema. No entanto, isso é problemático porque as pistas permanecem isoladas. Em alguns casos, os próprios funcionários não podem acessar ou, com dificuldade, acessam as informações de que precisam para a operação. Um outro problema comum é que quase todas as máquinas e sistemas agora são equipados com sensores que coletam dados, fornecendo assim informações sobre a condição deles. Esses dados ficam à disposição do operador, que, na melhor das hipóteses, os utiliza para a melhoria contínua dos processos. Por fim, ressalta-se que as redes de valor agregado devem promover mudanças acerca das dificuldades envolvidas na troca de dados no futuro. A ideia central é: operadores, fabricantes e pessoal de 42 manutenção transmitem seus dados–ou pelo menos parte deles–para sistemas baseados em nuvem que todas as três partes possam acessar. O gêmeo digital desempenha um papel fundamental nisso. 1.2 Gêmeo digital: a imagem do espelho virtual O gêmeo digital representa a imagem virtual de um ativo real, ao qual todas as informações relevantes são atribuídas em formato digital. Isto incluirá, especialmente, as instruções do fabricante sobre operação e manutenção, a documentação sobre todas as medidas de manutenção durante toda a vida útil e os dados registrados da máquina. Assim, observa-se que o gêmeo digital é, de fato, muito além do que uma coleção de informações e ressalta-se que o respectivo ativo também é mapeado, com fotos e modelos 3D. Desta forma, em uma rede de valor agregado, o gêmeo digital é um elemento de conexão entre o operador, o fabricante e a empresa de manutenção. A imagem virtual, por sua vez, realiza ainda mais, pois, como os dados da máquina são registrados em tempo real, os processos em andamento podem ser mapeados um a um e até mesmo visualizados. Para o monitoramento de condições, usado por algumas empresas, isso abre novas oportunidades e, além disso, o gêmeo digital pode ser usado para simular desvios da operação normal que podem causar mau funcionamento. Então, os operadores podem tomar medidas preventivas em um estágio inicial. Por último, ressalta-se ainda que o gêmeo digital é o ponto de partida para novos serviços e modelos de negócios–como a manutenção preditiva. O pré-requisito para isso é que os dados sejam avaliados de forma sistemática e específica. 1.3 Ciência de dados: a ciência da análise de dados Os ativos equipados com sensores geram grandes quantidades de dados, que são atribuídos a seus gêmeos digitais, um verdadeiro 43 progresso constatado, no entanto, para transformar os dados em um conhecimento ainda mais útil, são necessários métodos analíticos poderosos. Nesse contexto, a ciência de dados está se tornando cada vez mais importante, trazendo técnicas como a mineração de dados, o aprendizado de máquina, a pesquisa operacional e análises estatísticas, entre outras à tona. Por sua vez, os métodos quantitativos são utilizados para reconhecer padrões, por exemplo, em dados caóticos estruturados e não estruturados do passado. Com base nesses padrões e com a ajuda de algoritmos que avaliam os dados atuais em tempo real com análises multivariadas, podemos realizar previsões. Desta forma, observa-se que a manutenção preditiva é uma questão fundamental para a indústria, visto que a análise dos dados da máquina coletados permite o provável desenvolvimento da condição de um ativo a ser calculado e possíveis avarias serem previstas em um estágio inicial. A Figura 1 apresenta engenheiros analisando o planejamento da manutenção por meio de software. Figura 1–Planejamento da manutenção Fonte: gorodenkof/iStock.com. 44 Assim, as falhas não planejadas podem ser evitadas e as medidas de manutenção necessárias podem ser planejadas de forma otimizada. Para o operador, isso está associado a uma redução considerável nos custos bem como a um aumento na produção. Para fabricantes e pessoal de manutenção, a manutenção preditiva pode ser uma forma de expandir o portfólio de serviços com novos serviços. 1.4 Da previsão à decisão O conceito de manutenção prescritiva pode ser introduzido especialmente no contextono qual sensores já estão coletando dados extensos e uma infraestrutura de comunicação correspondente está disponível. Caso isto não ocorra, sugere-se atualizar os sistemas de monitoramento em uma data posterior, embora isso ocasione em um aumento de tempo para que o rendimento seja realmente alcançado. Assim, define-se que o conceito de manutenção prescritiva vai além da mera previsão de eventos danosos. As soluções modernas inicialmente combinam manutenção preditiva e tomada de decisão. Desse modo, as estratégias de decisão são integradas com base em análises, mas também em modelos históricos e informações de contexto. O sistema, por sua vez, cria modelos levando em consideração as regras de negócios, estratégias e diretrizes e sugere medidas específicas ou etapas de processamento, por exemplo, como um reparo pode ser melhor executado. Adicionalmente, em etapa posterior, o conceito é expandido para incluir análises adaptativas. Logo, o sistema está habilitado a aprender de forma independente e otimizar as “próximas melhores ações” propostas, com base em informações em tempo real e um ciclo de feedback contínuo. Com essa abordagem, a manutenção prescritiva se encaixa perfeitamente nas estratégias da Indústria 4.0 e garante a disponibilidade de longo prazo de sistemas industriais complexos. 45 2. Interoperabilidade e confiabilidade De acordo Costa e Lizarelli (2018), a qualidade está intimamente relacionada à confiabilidade, definida como a propriedade de um objeto de desempenhar funções especificadas, mantendo ao longo do tempo os valores dos indicadores de desempenho estabelecidos dentro de limites especificados, correspondentes aos modos e condições de uso especificados. Em outras palavras, confiabilidade implica em qualidade ao longo do tempo. Nesse sentido, em conexão com o desenvolvimento de tecnologia moderna, aumentar a confiabilidade de vários tipos de dispositivos adquiriu uma importância particular. Um dos exemplos de confiabilidade de manipuladores espaciais, com base em dados específicos, será analisado mais adiante. A automação abrangente dos processos de produção, por sua vez, apresenta tarefas extremamente importantes para dispositivos de controle que devem ser executados sem falhas durante todo o período de operação de uma linha automática, oficina automatizada ou empresa. Uma interrupção no funcionamento do dispositivo de controle pode levar não só a uma deterioração da qualidade dos produtos manufaturados ou ao encerramento total do processo de produção, mas também a acidentes muito graves que extrapolam o âmbito local do empreendimento. Assim, os requisitos para a confiabilidade dos mecanismos e vários tipos de dispositivos devem, naturalmente, ser apresentados não apenas para aqueles que são encarregados da gestão de certos processos. A figura a seguir ilustra a confiabilidade na manutenção. 46 Figura 2–Confiabilidade na manutenção Fonte: Minerva Studio/iStock.com. A medicina moderna faz uso extensivo de vários tipos de meios técnicos, tanto para fins diagnósticos e de pesquisa quanto para desempenhar funções importantes durante e após a cirurgia. Assim, devem ser feitas demandas particularmente altas ao seu trabalho, já que interrupções no trabalho de alguns corações artificiais durante uma operação, por exemplo, podem levar à morte. Com inúmeros exemplos em que a qualidade do produto desempenha um papel importante, cada um de nós encontra em nosso dia a dia. Além disso, tem-se que é denominada a disciplina científica geral que estuda os métodos e técnicas gerais que devem ser seguidos no projeto, fabricação, recepção, transporte e operação dos produtos para garantir sua eficiência máxima no processo de uso, bem como o desenvolvimento de métodos gerais para o cálculo da qualidade dos dispositivos com base nas qualidades conhecidas de suas partes constituintes de teoria da confiabilidade. A teoria da confiabilidade 47 estabelece os padrões de ocorrência de falhas de dispositivos e métodos para sua previsão; procura maneiras de aumentar a confiabilidade dos produtos durante o projeto e subsequente fabricação, bem como métodos para manter a confiabilidade durante o armazenamento e a operação. Ela desenvolve métodos de verificação de confiabilidade ao aceitar grandes quantidades de produtos. Portanto, a teoria da confiabilidade apresenta indicadores quantitativos da qualidade do produto. Quanto aos principais desafios acerca da confiabilidade e da interoperabilidade, segundo Costa e Lizarelli (2018, p. 79), temos que: • Aspectos com relação à segurança, visto que a consolidação de sistemas é uma ameaça à segurança, por exemplo, em particular do ponto de vista da proteção de dados. Os dados devem ser protegidos de forma confiável contra-ataques de hackers externos diretos e vazamentos de informações não intencionais associados, por exemplo, com competência insuficiente ou erros de pessoal. A cibersegurança é especialmente importante para as infraestruturas de controle que são críticas para o funcionamento, como é o caso de empresas envolvidas na produção e distribuição de eletricidade e gás, além das infraestruturas em que existe o risco de situações perigosas para o ambiente e a saúde humana, como centrais químicas, centrais nucleares, entre outras. • Quanto à testabilidade, já que cada novo sistema introduzido ou cada alteração feita no sistema deve ser pré-testado, em um ambiente de produção para garantir que estas sejam seguras e confiáveis em várias situações. Com todos os sistemas da empresa totalmente integrados e digitalizados, os testes são muito mais desafiadores do que antes. • Aproveitamento da inteligência artificial para o controle autônomo, bem como para manutenção e reparo inteligente e preditivo, otimização e processos de tomada de decisão e 48 aumento da segurança. Um exemplo disso é a implementação do reconhecimento facial ou de voz, uma das tendências frequentemente discutidas. Para que os algoritmos funcionem adequadamente, a inteligência artificial precisa passar por estágios de “aprendizado” ou “treinamento” usando dados de amostra. No entanto, obter essas amostras de dados também é um desafio, visto que é necessário não apenas coletar a quantidade adequada de dados relevantes para o treinamento, mas também provar que os dados coletados contêm todas as informações necessárias sobre os estados críticos do sistema, permitindo que ele seja testado com sucesso. • Por último, quanto à conformidade e padronização, sendo que o setor de automação industrial está implementando requisitos regulamentares cada vez mais rigorosos para proteger a saúde humana e o meio ambiente. Assim, a esse ponto é importante entender que o conceito da Indústria 4.0 representa um grupo de padrões que continuam a ser complementados e aprimorados. Por outro lado, não há dúvida de que a teoria da confiabilidade é uma ciência complexa e pertence, principalmente, à competência de um engenheiro, físico, químico e economista, sendo que um grande número de problemas na teoria da confiabilidade é essencialmente de natureza matemática e requerem ferramentas matemáticas já conhecidas e o desenvolvimento de novas para sua solução. Além disso, se nos esforçarmos para tirar a ciência da confiabilidade do estado de conclusões puramente qualitativas e, às vezes, puramente subjetivas, certamente devemos nos voltar para a linguagem da matemática. Um exemplo disso são declarações como “Tenho certeza de que tal projeto será mais confiável do que outro”, “estamos convencidos de que nossos produtos são melhores do que os fabricados por uma empresa vizinha”, que não têm outra evidência além da confiança pessoal, não podem servir de base para conclusões confiáveis. De acordo com Seleme (2016), com base em todas as premissas e colocações anteriores, é possível 49 formular uma definição clássica de confiabilidade, como a propriedade de um objeto para desempenhar funçõesespecificadas, mantendo no tempo os valores dos indicadores de desempenho estabelecidos dentro dos limites especificados, correspondentes aos modos e condições de uso, manutenção, reparos, armazenamento e transporte especificados. Em contrapartida, para alguns produtos de design relativamente simples, o conceito de falha pode ser inserido com bastante precisão. Por exemplo, uma lâmpada acende ou não acende se seu cabelo estiver queimado. No entanto, mesmo para qualquer produto complexo, o conceito de falha é muito relativo. Se um barbeador elétrico barbear, mas fizer muito barulho, podemos presumir que ele falhou? A relatividade do conceito de falha é especialmente clara no exemplo dos produtos de engenharia de rádio. Se o valor de alguma resistência na TV mudar alguns pontos percentuais, então, aparentemente, a imagem se deteriorará um pouco. Por outro lado, a mesma mudança na magnitude da resistência em um dispositivo complexo pode causar consequências incomparavelmente mais sérias. Por isso, é importante compreender que, em geral, os mecanismos reais falham aleatoriamente e em momentos aleatórios. Isso significa que para medir e avaliar as possibilidades é necessário usar um aparato que descreva eventos e processos aleatórios. Com isto, torna-se necessário elencar aspectos de conceitos como a teoria da probabilidade e disciplinas matemáticas relacionadas. O principal indicador quantitativo de confiabilidade, por sua vez, é a probabilidade de operação sem falhas de um produto em um determinado período de tempo ou dentro de um determinado tempo de operação. Na prática, por vezes, a atenção principal é dada à melhoria das unidades principais do produto, perdendo-se de vista que a causa da insegurança e do subsequente acidente podem ser unidades estruturais, 50 que parecem ter um carácter secundário, auxiliar. Normalmente, são as unidades principais e os equipamentos principais que são projetados para alta confiabilidade. 3. Engenharia e customização em massa Segundo Seleme (2016), a customização em massa se refere à capacidade de uma empresa de produzir um produto customizado a um custo unitário baixo. Isso é frequentemente comparável ao que é alcançado pela produção em massa. Essa capacidade de personalizar um produto a um preço acessível surgiu nas últimas décadas com o advento dos computadores e da Internet. Dessa forma, a produção em massa tem sido historicamente sinônimo de uniformidade e padronização necessária, para manter os custos baixos. Já a personalização, por sua vez, é o oposto, trazendo conceitos ao produto como individualizado e singular, que quase sempre acarretarão custos maiores. Por outro lado, perceba que à primeira vista o termo customização em massa parece contraditório e tal contradição permanece ao longo do tempo, embora visualize-se que a tecnologia digital mudou tudo isso. Assim, é importante reforçar que os custos de fabricação são mais baixos em muitas fábricas típicas devido ao uso de computadores. Carros, barcos, aviões e trens são mais baratos hoje em dia devido ao design e fabricação auxiliados por computador, por exemplo. Além dos computadores, a Internet também ajuda a reduzir os custos de fabricação, especialmente em setores de serviços, como o gerenciamento de investimentos, pesquisa e desenvolvimento e processamento de reclamações e centrais de atendimento ao cliente, por exemplo. Já os custos de distribuição são significativamente mais baixos graças à Internet. Inúmeros produtos, incluindo livros, jornais, revistas, sinistros de seguros e educação universitária alcançaram custos de envio mais baixos. Os custos de vendas, por sua vez, estão agora tão 51 baixos que a área de mercado para muitos produtos está se expandindo em todo o mundo. Desse modo, essas economias combinadas na produção e distribuição tornaram a customização em massa uma realidade. Por exemplo, um jornal antigamente, antes do digital, havia uma edição matinal, uma vespertina e possivelmente uma edição posterior e para qualquer edição, cada leitor recebia a mesma cópia. Hoje sai o mesmo jornal impresso, como sempre e também pode haver uma versão online que é constantemente atualizada, é quase infinitamente personalizável e pode ser entregue em qualquer lugar do mundo onde haja uma conexão com a Internet. Um leitor on-line, geralmente, pode selecionar o conteúdo e o layout de acordo com suas preferências. Essas novas oportunidades de produção e distribuição, possibilitadas pelos computadores e pela Internet, ampliaram muito o arsenal competitivo à disposição das empresas. Os computadores e a Internet expandem muito as possibilidades de desenvolvimento de produtos. A capacidade das empresas de usar tecnologia para customizar seus produtos é uma nova arma competitiva. Assim, ressalta-se que a principal tarefa da customização é criar no consumidor a sensação de que o trabalho está sendo feito pessoalmente para ele e satisfaz suas necessidades pessoais. Com isso, a customização é considerada o ideal de interação fornecedor de bens/serviços–cliente, não sendo apenas atraente por razões éticas, mas também tem boa relação custo-benefício, pois, fornece uma vantagem competitiva ao criar maior valor para o cliente. Dessa forma, observamos que a principal ferramenta utilizada para melhorar a interação entre o fabricante e o consumidor são os sistemas de CRM. A gestão de relacionamento com clientes (CRM-system, The Customer the Relationship Management) consiste em uma aplicação de software para organizações, destinada a automatizar estratégias de interação com os 52 clientes, nomeadamente para aumentar as vendas, otimizar o marketing e melhorar o serviço clientes, armazenando informações sobre os clientes e o histórico de relacionamento com eles, estabelecendo e melhorando os processos de negócios e, em seguida, analisando os resultados (SELEME 2016). Além disso, observa-se que o CRM é um modelo de interação baseado na teoria de que o centro de toda a filosofia de negócios é o cliente, e as principais direções das atividades da empresa são medidas para garantir um marketing, vendas e atendimento ao cliente eficazes. Apoiar esses objetivos de negócios inclui a coleta, armazenamento e análise de informações sobre clientes, fornecedores, parceiros, bem como sobre os processos internos da empresa. Por sua vez, as funções de suporte a essas metas de negócios incluem vendas, marketing e suporte ao cliente. De acordo com Seleme (2016), o sistema CRM pode incluir: • Front part, atendendo aos clientes nos pontos de venda com processamento de informações autônomo, distribuído ou centralizado. • A parte operacional, que fornece autorização de transações e relatórios operacionais. • Armazenagem de dados. • Subsistema analítico. • Sistema de suporte de vendas distribuído: réplicas de dados em pontos de venda ou smart cards. Ademais, observa-se que muitas implementações de personalização em massa estão em vigor hoje, como configuradores de produtos de software, que permitem adicionar e/ou modificar a funcionalidade do produto principal ou criar gabinetes totalmente personalizados do zero. No entanto, esse grau de customização em massa recebeu 53 apenas uma distribuição limitada. Se o departamento de marketing de uma empresa oferece produtos separados (fragmentação atômica do mercado), por exemplo, isso não significa que o produto está sendo fabricado individualmente, mas que variantes semelhantes do mesmo item produzido em massa estão disponíveis. Além disso, no contexto da moda, demonstrou-se que as tecnologias existentes para prever o tamanho das roupas com base na entrada do usuário ainda não são adequadas para fins de personalização em massa. Referências Bibliográficas COSTA, M. A. B.; LIZARELLI, F. L. Evolução das teorias e práticas administrativas: de Ford à Indústria 4.0. Santa Cruz do Rio Pardo: Viena, 2018. FOGLIATO, F.; RIBEIRO, J. L. D. Confiabilidade e manutenção industrial.
Compartilhar