AULA 3 DESAFIOS DA INDUSTRIA 4 0

Prévia do material em texto

AULA 3 
DESAFIOS DA 
INDÚSTRIA 4.0 
INTRODUÇÃO 
Uma tecnologia que não é recente, mas ganhou amplo espaço com 
o advento da indústria 4.0 é a Inteligência Artificial. Suas técnicas 
estão sendo amplamente utilizadas para as mais diversas 
aplicações: manutenção preditiva, análise de indicadores, 
sugestões de melhorias, entre outros. Esta aula tem como 
objetivos: 
• Apresentar o conceito de Inteligência Artificial 
• Elencar as principais motivações para o uso de Inteligência 
Artificial na 
indústria 
• Apresentar o conceito de Gêmeos Digitais 
• Apresentar exemplos de uso de Gêmeos Digitais 
TEMA 1 – O QUE É INTELIGÊNCIA ARTIFICIAL? 
A expressão inteligência artificial tem sido bastante usad nos 
últimos anos em função do avanço da tecnologia (a capacidade de 
processamento dos computadores melhorou de forma significativa) 
entretanto, esse termo foi adotado pela primeira vez em 1956 por 
John McCarthy nos Estados Unidos (Silva et al. (2018). 
Mas afinal, o que significa Inteligência Artificial? 
Uma atividade dedicada a tornar inteligentes as máquinas e a inteligência é a 
qualidade que permite que uma entidade funcione adequadamente e com 
capacidade de previsão em seu ambiente. 
Nos primeiros anos, os métodos de Inteligência Artificial eram 
aplicados a problemas mais simples porque os computadores 
ainda eram muito primitivos e por ser uma área nova. 
2 
Figura 1 – Primeiro computador digital eletrônico (ENIAC): 1946 
Créditos: Everett Historical/Shutterstock. 
No início da década de 1970, Edward Feigenbaum e outros 
pesquisadores da Universidade de Stanford iniciaram as pesquisas 
focadas em sistemas especialistas. Esses sistemas foram 
implementados com sucesso em diversas áreas ao longo da 
década de 1980. Com o avanço dos sistemas computacionais na 
década de 1990, a Inteligência Artificial evoluiu consideravelmente, 
proporcionando o surgimento de novas técnicas e envolvimento de 
profissionais de outras áreas além da computação. 
Existem dois tipos de abordagem em Inteligência Artificial: 
• Abordagem simbólica: enfatiza processos racionais e intelectuais. 
Exemplo: sistemas especialistas. 
• Abordagem conexionista: enfatiza sistemas que pensam e agem 
como humanos. 
 
3 
Figura 2 – Tipos de abordagem em I.A. 
Fonte: Aoki, 2019. 
A IA pode ser dividida em vários métodos: 
• Aprendizado de máquina (Machine Learning – ML): são 
algoritmos que fazem a análise de dados, identificando padrões e, 
com isso, passam a aprender a executar uma determinada tarefa, 
sem que haja a necessidade de implementação de um código 
específico dessa tarefa no software. 
 
4 
Figura 3 – Aprendizado de máquina no reconhecimento facial 
c 
Créditos: Zapp2Photo/Shutterstock. 
• Sistemas especialistas: baseados em algoritmos com regras 
estabelecidas e bem definidas geradas por especialistas 
(engenheiros etc.). 
• Visão Computacional: são algoritmos capazes de extrair 
informações de imagens, por exemplo: detecção de face, 
identificação de placas de automóveis, entre outros. 
• Algoritmos Genéticos (A.G.): são utilizados em problemas de 
otimização e busca e se baseiam na teoria de seleção natural 
e evolução de Charles Darwin. 
 
5 
Figura 4 – Funcionamento de um AG 
Fonte: Ikeda. 
• Redes neurais artificiais: simulam o funcionamento do cérebro, 
por meio da interligação dos neurônios. Nas redes neurais, esses 
neurônios estão organizados em camadas. A rede neural artificial 
cria camadas de aprendizado (Figura 5), nas quais ocorrem a 
propagação de dados e conexão entre os neurônios. São utilizadas 
para detecção de padrões em dados brutos. 
 
6 
Figura 5 – Redes neurais artificiais para detecção de magens 
Créditos: BreezyVector/Shutterstock. 
• Deep learning: é uma otimização do uso de redes neurais 
artificiais usando milhões de dados como entrada. Requer alto grau 
de processamento e é usada em aplicações complexas, tais como 
carros autônomos. 
TEMA 2 – MOTIVAÇÕES PARA A INTELIGÊNCIA 
ARTIFICIAL NA INDÚSTRIA 
O uso de técnicas de IA na indústria tem crescido cerca de 50% ao 
ano, devido aos seguintes fatores: 
• As soluções que usam técnicas de IA têm a possibilidade de 
escalabilidade, o que se torna uma vantagem em relação à 
outras soluções. 
• Há uma redução considerável nos custos operacionais 
(matéria-prima e utilidades) da planta. 
• Há um aumento nos indicadores de desempenho (KPIs) da 
planta. 
• Como a Inteligência Artificial faz parte da digitalização das 
plantas (indústria 
4.0), as empresas se tornam mais competitivas. 
A implementação e a escolha de qual técnica deve ser 
adotada depende muito da aplicação e do resultado desejado. 
É primordial que haja a coleta de dados do chão de fábrica, 
conforme Figura 6: 
 
7 
Figura 6 – Passos necessários para a implementação de IA 
Ação 
Extração das informações 
Aquisição e armazenamento de dados 
Sensores 
Alguns exemplos de processos no quais a IA pode ajudar: 
• Indicadores de desempenho (KPIs) 
• Manutenção preditiva 
• Análise de falhas em equipamentos e máquinas 
• Predição e estimação de variáveis 
TEMA 3 – INTELIGÊNCIA ARTIFICIAL NA 
INDÚSTRIA 
A adoção da IA na indústria requer alguns pré-requisitos: 
• Identificar o problema que deve ser resolvido 
• Possuir uma quantidade de dados suficiente para análise e 
treinamento do 
algoritmo 
• Compreender e interpretar os resultados obtidos 
3.1 Gerenciamento de sensores 
A complexidade das plantas industriais cresce à medida que 
novas tecnologias são adotadas. Um bom exemplo é a 
Internet das Coisas (IoT), que demanda cada vez mais 
sensores instalados para a coleta de dados. Outro fator que 
contribui para essa expansão no uso de sensores é que seu 
custo tem diminuído e a sua implementação se tornou mais 
fácil. 
 
 
8 
Em indústrias mais modernas, o número de sensores pode chegar 
a milhares, portanto, há a necessidade de realizar seu 
gerenciamento. Nesse caso, o uso de IA pode auxiliar a: 
• Identificar oscilações 
• Avaliar medições fora da faixa estabelecida 
• Identificar valores fora do padrão (espúrios) 
Figura 7 – Sensor de proximidade 
c 
Créditos: Matee Nuserm/Shutterstock. 
 
9 
3.2 Válvulas de controle 
Essas válvulas são muito utilizadas em indústrias de processo e 
têm a função de controlar a vazão e, indiretamente, afetam 
temperatura, pressão, nível de tanques, colunas de destilação etc. 
Devido a sua importância, causam grande impacto no desempenho 
operacional das plantas. Um grande desafio para a manutenção é 
a detecção do agarramento (atrito entre as partes móveis da 
válvula). Para esse caso, o uso de IA auxiliará: 
• Detecção de agarramento 
• Manutenção preditiva 
• Oscilações, cavitação, histerese, entre outros 
Figura 8 – Válvula de controle 
Créditos: Navin/Shutterstock. 
3.3 Transporte e logística 
A manutenção de elevadores é crucial, principalmente pela 
segurança. Quando um elevador falha, a detecção do 
problema deve ser rápida e os técnicos devem ter acesso à 
reposição de peças de forma imediata. Um exemplo de 
aplicação de manutenção preditiva para elevadores combina o 
uso de Inteligência Artificial, IoT e realidade aumentada. 
 
10 
Os dados dos elevadores são enviados para uma plataforma na 
qual um algoritmo realiza o diagnóstico e prevê falhas com 
antecedência. Assim, os técnicos podem atuar antes mesmo que o 
problema ocorra e evitam que haja a parada do elevador. 
3.4 Bombas e compressores industriais 
As bombas industriais têm a função de aumentar a pressão ou 
velocidade de um fluido com o intuito de escoá-lo de um ponto para 
outro. Os compressores aumentam a pressão de um fluido em 
estado gasoso. Assegurar um bom desempenho desses 
equipamentos contribui de forma significativa para a eficiência 
operacional da planta. O uso da IA pode contribuir para: 
• Analisar os consumos de energia, vazão 
• Avaliar o desvio em relação à eficiência do equipamento 
• Estimar tempo de vida útil (manutenção preditiva)• Estimar tempo de reparo 
• Identificar desvios de performance em geral 
TEMA 4 – GÊMEOS DIGITAIS (DIGITAL TWINS) 
Uma tecnologia ainda incipiente no Brasil, mas de grande 
importância para a Indústria 4.0, é o uso de modelos digitais 
chamados de Gêmeos Digitais (em inglês, Digital Twins). 
Trata-se de uma tecnologia que replica (uma cópia) de 
produtos, processos ou equipamentos. O uso de Gêmeos 
Digitais só é possível graças à combinação de no mínimo, três 
tecnologias (algumas já vistas em aula): 
• Internet das Coisas (IoT) 
• Inteligência Artificial 
• Computação em Nuvem 
O Gêmeo Digital recebe os dados reais do objeto ou processo 
do qual será feita a cópia e posteriormente a simulação. 
11 
Figura 9 – Etapas para a elaboração do Gêmeo Digital 
 
 
 
Recebe e armazena dados do sensores da referência física e de seu 
ambiente 
Fonte: Adaptado de Nascimento, 2019. 
Integração e organização dos dados em uma plataforma digital 
Aplica regras e faz a análise do comportamento 
A primeira etapa está relacionada ao envio e armazenamento de 
dados reais para a plataforma digital (geralmente em um ambiente 
alocado em um servidor na nuvem). A segunda etapa consiste na 
integração, contextualização e organização dos dados. Em 
seguida, são aplicadas técnicas de IA que simulam, analisam e 
sugerem melhorias no processo ou produto em análise. 
São muitos os benefícios da sua adoção: aperfeiçoamento de 
processos industriais, elaboração e análise de protótipos, criação 
de novos produtos de forma mais rápida, otimização dos processos 
de manutenção, entre outros. 
De acordo com uma pesquisa realizada pela Gartner (Costello; 
Omale, 2019) com empresas da China, Alemanha, Índia, Japão, 
Inglaterra e Estados Unidos: 
• Com relação às indústrias que já usam IoT em seus processos, 
cerca de 13% usam plataformas de Gêmeos Digitais e 62% estão 
em fase de implementação. 
Produtos: a evolução das tecnologias e a alta competitividade 
entre as indústrias requer que novos produtos sejam lançados 
rapidamente. O uso de Gêmeos Digitais pode auxiliar na simulação 
de peças antes mesmo de serem fabricadas, acelerando as etapas 
previstas para o novo produto. Como destaques, há a redução de 
custos e riscos associados a testes físicos. 
12 
Figura 10 – Uso de Gêmeos Digitais em produtos 
Créditos: Chesky/Shutterstock. 
Processos: permite a simulação dos processos industriais, 
reduzindo custos operacionais, melhorando a eficiência global da 
fábrica, reduzindo até mesmo acidentes de trabalho. 
 
13 
Figura 11 – Uso de Digital Twin na fabricação de carros 
Créditos: Alexander Tolstykh /Shutterstock. 
Equipamentos: o uso de Gêmeos Digitais permite a análise de 
equipamentos remotamente, contribuindo para as atividades da 
manutenção e antecipação de paradas não desejadas. 
TEMA 5 – EXEMPLOS DE USO: DIGITAL TWINS 
Conforme mencionado no tópico anterior, o uso de Gêmeos Digitais 
pode trazer vários benefícios e são aplicados nos mais diversos 
processos. A seguir, serão listados alguns exemplos de seu uso: 
Monitoramento de parques eólicos: é possível criar uma réplica 
do parque eólico e, com os dados reais obtidos nos últimos meses, 
é possível simular quais danos podem ser causados nos 
aerogeradores bem como, prever a quantidade de energia que será 
gerada. Assista: <https://www.youtube.com/watch?
v=E8uB6uzC3as>; <https://www.youtube.com/watch?
v=LVwmsAQlKrY>. 
Aviação: pode ser usado para simular a performance dos motores 
e turbinas de aviões. É possível simular, por exemplo, um voo de 
10 horas e analisar se haverá algum risco de falha. Ele também 
leva em consideração as condições meteorológicas. Assista: 
<https://www.youtube.com/watch?v=ZB4Ne0xF1Zc>; 
 
14 
<https://www.youtube.com/watch?v=QUpHVuXEYA0>. 
Saneamento: é possível simular a rede de distribuição de água e 
de 
esgoto, com a análise dos resultados que servem de suporte para 
o planejamento das ações operacionais. 
Figura 12 – Ilustração de tratamento de água 
Créditos: Unitone Vector/Shutterstock. 
 
15 
REFERÊNCIAS 
ANSYS, I. Optimize MRO for aviation using digital twins. 
Disponível em: <https://www.youtube.com/watch?
v=ZB4Ne0xF1Zc>. Acesso em: 4 dez. 2019. 
AVIATION, G. How GE’s predix is taking aviation productivity to 
new levels. GE Aviation. Disponível em: <https://
www.youtube.com/watch?v=QUpHVuXEYA0>. Acesso em: 4 dez. 
2019. 
COSTELLO, K.; OMALE, G. Gartner survey reveals digital twins 
are entering mainstream use. Disponível em: <https://
www.gartner.com/en/newsroom/press- releases/2019-02-20-
gartner-survey-reveals-digital-twins-are-entering-mai>. Acesso em: 
4 dez. 2019. 
DIGITAL, G. How does a digital twin work?: Minds + Machines 
Europe. Disponível em: <https://www.youtube.com/watch?
v=E8uB6uzC3as>. Acesso em: 4 dez. 2019. 
MEDEIROS, L. F. de. Inteligência Artificial Aplicada: uma 
abordagem introdutória. Curitiba: Editora Intersaberes, 2018. 
NASCIMENTO, R. Digital twin: a virtualização como driver de 
transformação da indústria. Disponível em: <https://
www.cpqd.com.br/internet-das-coisas-iot/digital- twin-a-
virtualizacao-como-driver-de-transformacao-da-industria/>. Acesso 
em: 4 dez. 2019. 
SILVA, E. et al. Automação & sociedade: Quarta Revolução 
Industrial, um olhar para o Brasil. 1.. ed. 2018. 
SACOMANO, J. B. et al. Indústria 4.0: conceitos e fundamentos. 
Blucher, 2018. 
TWIN, D. Digital twin for wind energy. Disponível em: <https://
www.youtube.com/watch?v=LVwmsAQlKrY>. Acesso em: 4 dez. 
2019. 
16