Baixe o app para aproveitar ainda mais
Prévia do material em texto
AULA 6 FILOSOFIAS DE SUPERVISÃO CONVERSA INICIAL A indústria 4.0 tem sido um dos temas mais comentados no ambiente industrial. A adoção de seus conceitos e tecnologias impacta diretamente na estratégia da automação. Os objetivos desta aula são: • Entender o conceito de indústria 4.0; • Compreender as principais características e tecnologias envolvidas; • Aprender a planejar a implementação dos conceitos; • Entender o posicionamento das indústrias nacionais e as principais dificuldades; • Ter contato com benefícios e estudos de casos. CONTEXTUALIZANDO O conceito de indústria 4.0 surgiu na Alemanha, apontando uma nova revolução industrial. Fala-se muito neste tema, mas ainda há desconhecimento das tecnologias envolvidas, bem como dos impactos que esta mudança trará não só à indústria: o comportamento dos consumidores também mudará. Produtos customizados, redução de desperdício, total integração na fábrica: a automação terá papel fundamental e deve ser adequada para a adoção de novas tecnologias. TEMA 1 – INDÚSTRIA 4.0: CONCEITO O termo “indústria 4.0” vem sendo bastante utilizado recentemente, mas, afinal, do que se trata? O conceito surgiu na Alemanha e trata de uma alteração no modo produtivo, em que a digitalização e a conectividade entre sistemas serão diferenciais. Para que isso ocorra, processos de fabricação, automação e novas tecnologias de informática serão imprescindíveis. A indústria 4.0 envolve alguns conceitos importantes, tais como big data, internet das coisas, sistemas ciberfísicos, entre outros. De forma geral, o objetivo é que máquinas, pessoas e sistemas estejam conectados ao longo da cadeia produtiva. Essa conectividade trará algumas vantagens: autonomia na tomada de decisões, capacidade de prever falhas e flexibilidade com relação às mudanças (não planejadas) no processo produtivo. Para que seja possível aplicar o conceito de indústria 4.0 a um processo produtivo, é necessário que ele possua as seguintes características: 2 • Virtualização: ter uma fábrica virtualizada, com a capacidade de simulação e monitoramento de processos e produtos; • Interoperabilidade: todos os sistemas da fábrica devem estar interconectados; • Descentralização: com base na análise de dados, os sistemas devem ter a capacidade de tomar decisões de forma autônoma e em tempo real. Isso garante maior agilidade ao processo; • Flexibilidade e modularidade: deve ter a capacidade de se adaptar às mudanças não planejadas, conforme a demanda do consumidor. Figura 1 – Evolução dos modos de produção Saiba mais Assista ao vídeo do SENAI São Paulo para conhecer melhor o conceito de indústria 4.0. Disponível em: <https:// www.youtube.com/watch?v=3ixQQ4elwm0>. Acesso em: 20 abr. 2018. TEMA 2 – INDÚSTRIA 4.0: CARACTERÍSTICAS Sempre que se fala em indústria 4.0, diversos termos técnicos são mencionados. É importante que o gestor de automação tenha conhecimento e saiba aplicá-los ao processo produtivo. 3 2.1 Realidade aumentada “A realidade aumentada teve sua origem através das etiquetas, já que os códigos de barras não conseguiam mais, carregar todas as informações necessárias. Foram criados códigos bidimensionais (2D), que combinados com programas de computador, geram a realidade aumentada” (Lapastini ,2016). O processo de realidade aumentada envolve os seguintes componentes: • É necessário que o objeto possua alguma marca de referência (para a interpretação e a criação do objeto virtual); • Uma câmera para a leitura e transmissão da marca de referência; • Um software dedicado à interpretação do sinal transmitido pela câmera. Após a transmissão do sinal pela câmera, o objeto virtual é projetado. Um exemplo prático pode ser visto na loja Tok&Stok, que usa a realidade aumentada para ajudar os clientes na decisão de compra dos móveis: 2.2 Sistemas ciber-físicos Um sistema “ciber-físico” ou “cyber-physical system” (CPS) é composto pela união de vários subsistemas físicos que estão conectados por uma rede de comunicação. Para que estejam inseridos no contexto da indústria 4.0, esses sistemas devem abranger clientes, máquinas, produtos, estoques e prestadores de serviços, para que possam interagir entre si e executar ações de forma autônoma. Esses sistemas impactam significativamente na indústria: desde projetos de engenharia, o uso adequado de materiais, logística, entre outros (Pisching et al., 2017). Uma arquitetura proposta para integração de sistemas ciber- físicos aplicada ao ambiente industrial é mostrada na Figura 2. Essa arquitetura é conhecida como “Arquitetura 5C” e se baseia no modelo de automação de processos (Pisching et al., 2017). Saiba mais Assista ao vídeo para conhecer o sistema da Tok&Stok. Disponível em: <https://www.youtube.com/watch?v=DRfiSpZAhGA>. Acesso em: 20 abr. 2018. 4 Figura 2 – Arquitetura proposta para sistemas ciber-físicos focada em ambientes industriais Fonte: Pisching et al., 2017. • Conexão inteligente: é a camada de interface com o processo físico. Nela, são feitos tanto a atuação do processo quanto o sensoriamento. É nesta camada que os dados extraídos do processo (“objeto inteligente”) são analisados pelo sistema digital. • Inteligência local: nesta camada, os dados coletados são convertidos em informações relevantes, relativas ao objeto inteligente em análise. • Cibernética: é a camada que recebe e envia informações, agregando os dados de todo o sistema para, então, elaborar seu modelo virtual. • Cognitiva: camada responsável pela análise do sistema como um todo. O foco é o comportamento. Além das informações, são analisadas as interações entre as camadas e os objetos. Na análise é possível identificar, por exemplo, gargalos de produção, necessidade de aquisição de insumos, entre outros. • Coordenação: é a camada na qual as decisões do sistema são tomadas e a comunicação é feita com outros sistemas. 5 Saiba mais Assista ao vídeo a seguir para conhecer mais detalhes sobre a indústria 4.0. Disponível em: <https://www.youtube.com/watch? v=iSuwkzHFlds>. Acesso em: 20 abr. 2018. 2.3 Big Data O big data pode ser definido como um sistema de armazenamento de dados que atende, obrigatoriamente, os seguintes requisitos: volume, velocidade, veracidade, valor e variedade nas informações. Esse sistema permite a tomada de decisões dentro de uma indústria, que pode ser feita através da modelagem e análise dos dados, com base em ferramentas matemáticas tais como estatística, mineração da dados e aprendizado (machine learning) (Venturelli, 2017a). Tabela 1 – Relação de características do big data Fonte: Silva; Dornelas, 2017. No geral, os dados são compartilhados na “nuvem”, tornando-o um serviço disponibilizado dentro da indústria 4.0. Dentre os benefícios de sua utilização, é possível citar: • O sistema consegue tomar decisões, diminuindo operadores e aumentando a rapidez; • Melhora o desempenho do processo, aumenta a segurança da planta e provê economia de energia, por exemplo; 6 • O planejamento não será mais reativo, pois o sistema será virtualizado e realimentará o processo em tempo real para a tomada de decisões (mineração); • O sistema será preditivo e atuará no processo como conhecimento (machine learning). Para que possa tomar e analisar as decisões, uma plataforma de big data disponibiliza vários serviços: 2.3.1 Mineração de dados (data mining) A mineração de dados ou data mining pode ser definida como a análise de um grande volume de dados com o objetivo de transformá-los em informações úteis e relevantes. É um tema complexo, pois envolve três áreas: banco de dados, estatística e aprendizado de máquina (machine learning). Para a análise de dados, são utilizados técnicas e algoritmos que produzem padrões dos conjuntos de dados avaliados. É classificada de acordo com a sua capacidade de realizar tarefas: • Descrição: tarefa utilizadapara descrever padrões e tendências revelados pelos dados. Geralmente, oferece uma possível interpretação para os resultados obtidos. • Classificação: visa identificar a qual classe pertence um determinado grupo. Com isto, o sistema consegue identificar através do aprendizado supervisionado, a qual classe pertence um novo registro. • Estimação ou regressão: a estimação é similar à classificação, porém é usada quando o registro é identificado por um valor numérico e não categórico. • Predição: a predição visa descobrir p valor futuro de um determinado atributo. Por exemplo: predizer o valor de uma ação nos próximos três meses, predizer o comportamento de uma determinada variável no processo produtivo, entre outros. • Agrupamento (Clustering): visa identificar e agrupar registros similares. Nesta tarefa, os registros não precisam estar previamente categorizados” (Camilo; Silva, 2009). 7 Figura 3 – Etapas da mineração de dados Fonte: elaborado com base em Camilo; Silva, 2009. 2.3.2 Aprendizado de máquina (machine learning) O termo machine learning, ou aprendizado de máquina, é usado para descrever as técnicas que permitem que aos computadores utilizar dados para prever tendências, resultados e comportamentos. Através do aprendizado de máquina, os computadores são “treinados” e aprendem sem terem sido previamente programados. Muitas empresas já utilizam machine learning: em sites de compras, é possível detectar os produtos que mais agradam o consumidor (com base em algumas escolhas) e sugerir a compra de itens similares. Outra aplicação bastante comum é para a detecção de fraudes em cartões de crédito: com base no histórico de compras do consumidor, é possível identificar quando há algum comportamento atípico. Existem várias aplicações industriais e na área de energia que utilizam essas técnicas. O aprendizado de máquina é feito de três formas: • Aprendizado supervisionado: é feito quando os dados de análise são “rotulados”, como em aplicações para detecção de fraudes em cartões de crédito (já existe um conjunto prévio de dados rotulados de cobranças fraudulentas). • Aprendizado não supervisionado: é realizado quando os dados não são rotulados e o algoritmo aplicado precisa identificar relações e semelhanças entre eles. • Aprendizado por reforço: ocorre quando há uma forma de feedback disponível para cada passo ou ação preditiva, porém sem identificação ou mensagem de erro. 8 Figura 4 – Tipos de aprendizado de máquina Fonte: Lopes, 2017. Existem diversas técnicas e algoritmos usados no aprendizado de máquina. A escolha da melhor técnica depende do conjunto de dados a ser analisado. Para o aprendizado supervisionado: • Classificação: utilizados quando o resultado pertence a um conjunto finito de possibilidades e os resultados da previsão são de natureza distinta do tipo “sim” ou “não”. • Regressão: é usado quando o valor que está sendo previsto segue um espectro numérico e contínuo. Pode ser usado para estabelecer relações entre variáveis. Sistemas de Regressão poderiam ser usados por exemplo para responder as perguntas “Quanto custa?”, “Quantos existem?” ou “Como está se comportando ao longo do tempo?” (Lopes, 2017) 9 Alguns exemplos de algoritmos e técnicas supervisionadas: árvores de decisão, classificação de Naïves Bayes, regressão linear de mínimos quadrados e regressão logística. Já no método não supervisionado, uma técnica bastante usada é a do agrupamento (cluster), na qual objetos semelhantes são agrupados. Assista ao vídeo a seguir e conheça melhor o que é big data. Disponível em: <https://www.youtube.com/watch?v=qN_-sltGFOw>. Acesso em: 20 abr. 2018. Saiba mais 2.4 Internet das coisas (internet of things – IOT) A internet das coisas ou IoT (internet of things) pode ser definida como um conjunto de diversas tecnologias cuja característica é capturar, analisar e agir por meio de dados gerados por objetos e máquinas conectados à internet. Com relação às tecnologias que compõem a internet das coisas, é possível destacar: • Dispositivos e sensores; • Redes de telecomunicações (incluindo as novas redes de transmissão de dados de IoT); • Softwares que rodam em servidores na nuvem; • Ferramentas de análise de grandes volumes de dados (big data); A proposta da internet das coisas é conectar tudo entre si, através da internet (nuvem) para facilitar e melhorar processos e serviços, tornando- os mais ágeis. Na indústria o termo IIoT (Industrial Internet of Things) foi adotado para as informações da cadeia produtiva que estão conectadas pela nuvem, por exemplo, é possível conectar um fornecedor de produto em tempo real, para analisar a qualidade e demanda de seu produto. O uso do IoT ou IIoT em indústrias pode trazer os seguintes benefícios: • Redução de operações ou paradas; • Melhoria do uso do ativo (performance); • Melhoria e otimização da produção; • Agilidade na tomada de decisões. • Permitir a venda de produto ou serviço pela internet (Venturelli, 2017b). 10 Figura 5 – Conectividade através da IOT Fonte: Trindade, 2016. Com as informações todas digitalizadas e redes disponíveis para que esses dados possam trafegar, as tomadas de decisões ocorrem não só entre operadores e máquinas, mas também entre máquinas (“Machine to Machine” – M2M). Outro fator importante de digitalização da produção, é a possibilidade de rastrear todos os elementos de uma planta. Para isto, é muito comum o uso de RFID (Radio Frequency Identification), ou seja, a identificação é feita por sistemas de rádio frequência, permitindo que sejam tomadas ações e correções em tempo real” (Venturelli, 2017b). Através de todas essas camadas digitais (fornecidas pelo IoT ou IIoT), é possível fazer o planejamento de qualidade e operação de uma fábrica de forma totalmente inovadora e ágil. Um protocolo bastante usado em IoT é o MQTT (Message Queue Telemetry Transport), criado em 1999 por IBM e Arcom. Foi desenvolvido para atuar em equipamentos em redes de baixa velocidade e alta latência. O uso do OPC-UA (visto em aulas anteriores) também é bastante considerado na indústria 4.0. 11 Figura 6 – Exemplo de uso do RFID na indústria Fonte: elaborado com base em Waghmare, 2014. TEMA 3 – INDÚSTRIA 4.0: IMPLANTAÇÃO Com exceção de indústrias novas, a maioria não está preparada para adotar os conceitos da indústria 4.0. Tem sido cada vez mais frequente a busca por consultorias especializadas em apoiar os gestores de automação e produção, para que possam fazer esta migração. A primeira etapa do projeto é o gestor entender o conceito de indústria 4.0. Conforme visto nos tópicos anteriores, há uso de diversas tecnologias. Outro ponto a ser levado em conta são os impactos que esta implementação trará. A segunda etapa consiste na análise do sistema de automação e produção atual: quais são as tecnologias e o grau de automação existentes e se podem ser adequados ao novo conceito. A terceira etapa abrange na otimização do processo. Já a quarta etapa trata da convergência de dados do processo produtivo. Boa parte dos processos atuais possui as chamadas “ilhas de informação”. A quinta etapa é a implementação das tecnologias da indústria 4.0. 12 Outro fator importante que deve ser levado em consideração é a mudança do conceito. As principais características da indústria 4.0 é que o processo industrial passa a ser colaborativo, preditivo e inteligente. Essas alterações impactarão diretamente na escala produtiva, na mão de obra e nas tomadas de decisões. As principais diretrizes para a implementação da indústria 4.0 são: • Instrumentação: adoção do uso de redes ethernet e wireless (integração de dados do processo e de IoT); • Controle: adoção da descentralização; • Infraestrutura: uso de ferramentas de virtualização e computação em “nuvem” (cloud computing); • Operação: adoção do uso de dispositivos móveis; • Manutenção: usode modelos baseados em eventos, com conexão dos dados na nuvem; • Gestão: através do conceito de big data, usar ferramentas de análise e predição como apoio à tomada de decisões. TEMA 4 – INDÚSTRIA 4.0 NO BRASIL O conceito de indústria 4.0 ainda é relativamente novo. Uma pesquisa realizada pela Confederação Nacional da Indústria (CNI) em 2016 aponta que, do total das indústrias, apenas 58% conhecem a importância da adoção do conceito e da implementação de novas tecnologias. Não há, ainda, o conhecimento dos ganhos obtidos com a digitalização, tanto com respeito ao aumento de produtividade como às oportunidades de novos modelos de negócio, flexibilização e customização da produção. Além disso, o alto custo de implementação das tecnologias ainda é apontado como um dos principais fatores de entrave (Confederação das Indústrias, 2016). Outro fator que tem bastante impacto é o desconhecimento das tecnologias adotadas, bem como de seus benefícios. Alguns dados da pesquisa são apresentados: 13 Figura 7 – Utilização de pelo menos uma tecnologia digital Percentual de respostas (%) Não respondeu 48 Não sabe 25 6 15 6 Nenhuma das listadas Apenas CAD/CAM Utiliza Pouco menos da metade das empresas industriais utiliza pelo menos uma das 10 tecnologias digitais consideradas Fonte: elaborado com base em Confederação das Indústrias, 2016. Figura 8 – Principais dificuldades para a adoção das tecnologias Percentual de respostas (%) Alto custo de implantação Falta clareza na definição do retorno sobre o investimento Estrutura e cultura da empresa Dificuldade para integrar novas tecnologias e softwares Infraestrutura de TI inapropriada Risco para segurança da informação Não sabe / Não respondeu Total 0 10 20 30 40 50 60 70 80 90 Utiliza tecnologias digitais Fonte: elaborado com base em Confederação das Indústrias, 2016. TEMA 5 – INDÚSTRIA 4.0: BENEFÍCIOS Apesar do alto custo de implementação, os benefícios de adoção de tecnologias da indústria 4.0 são bastante abrangentes. A satisfação do cliente passa a ser o foco principal. Os fabricantes são obrigados a elevar o nível de 14 serviço ofertado e não há mais a produção em massa: o cliente tem a possibilidade de customizar produtos de acordo com a sua necessidade. Isso agrega competitividade à indústria. Há redução de insumos e de desperdício de material. Outro benefício bastante importante é que, através da comunicação entre máquinas e com a análise das informações, é possível prever falhas e gerenciar a manutenção de forma mais eficiente. A descentralização do controle e das tomadas de decisões também confere maior agilidade ao processo. FINALIZANDO É muito importante que os profissionais de automação conheçam essas tecnologias e seus benefícios. Com o passar do tempo, essa mudança de conceito na produção será exigida. O uso racional de materiais e energia, além de processos e decisões mais rápidos, farão parte da cultura dos consumidores. Por esse motivo, é preciso se antecipar e buscar qualificação e entendimento para a sua adoção. Saiba mais Mvisia: <https://www.youtube.com/watch?v=mw805fRVe5s>. 15 REFERÊNCIAS CAMILO, C. O.; SILVA, J. C. Mineração de dados: conceitos, tarefas, métodos e ferramentas. Disponível em: <http:// www.inf.ufg.br/sites/default/files/uploads/relatorios-tecnicos/RT- INF_001- 09.pdf>. Acesso em: 20 abr. 2018. CONFEDERAÇÃO NACIONAL DAS INDÚSTRIAS. Indústria 4.0: novo desafio para a indústria brasileira. Portal da Indústria. Disponível em: <http://www.portaldaindustria.com.br/ relacoesdotrabalho/media/publicacao/cham adas/ SondEspecial_Industria4.0_Abril2016.pdf>. Acesso em: 20 abr. 2018. LAPASTINI, D. Realidade aumentada: como funciona? Disponível em: <https://manufatura-inteligente.blogspot.com.br/2016/06/ realidade-aumentada- como-funciona.html>. Acesso em: 20 abr. 2018. LEÇA, I. O que é machine learning ou aprendizagem de máquina? SAP. Disponível em: <https://news.sap.com/brazil/2017/10/11/o- que-e-machine- learning-ou-aprendizagem-de-maquina/>. Acesso em: 20 abr. 2018. LOPES, J. G. Introdução ao Machine Learning e seus principais algoritmos. Disponível em: <http://joseguilhermelopes.com.br/ introducao-ao-machine- learning-e-seus-principais-algoritmos/>. Acesso em: 20 abr. 2018. MICROSOFT. Introdução ao machine learning na nuvem do Azure. Disponível em: <https://docs.microsoft.com/pt-br/azure/machine- learning/studio/what-is- machine-learning>. Acesso em: 20 abr. 2018. PISCHING, M. et al. Arquitetura para desenvolvimento de sistemas ciber-físicos aplicados na industria 4.0. XIII Simpósio Brasileiro de Automação Inteligente. Anais... 2017. Porto Alegre. Disponível em: <https://www.ufrgs.br/sbai17/papers/paper_112.pdf>. Acesso em: 20 abr. 2018. SILVA, E. M. S.; DORNELAS, J. S. The big data technology in the decision-making process: potentialities and possibilities. 14th International Conference on Information Systems & Technology Management - CONTECSI. Anais... 2017. TRINDADE, S. Aplicação da internet das coisas na indústria-1. Ianalítica. Disponível em: <https://ianalitica.com.br/industria-4-0/>. Acesso em: 20 abr. 2018. VENTURELLI, M. A Internet das Coisas na Indústria 4.0. Automação Industrial. Disponível em: <https:// www.automacaoindustrial.info/internet-das-coisas-na- 16 industria-4-0/>. Acesso em: 20 abr. 2018. VENTURELLI, M. Utilização de big data na Indústria 4.0. Automação Industrial. Disponível em: <https:// www.automacaoindustrial.info/utilizacao-de-big-data-na- industria-4-0/>. Acesso em: 20 abr. 2018. WAGHMARE, V. 8 processes where IoT can positively impact supply chains. Simafore. Disponível em: <http://www.simafore.com/ blog/bid/205997/8- processes-where-IoT-can-positively-impact- supply-chains>. Acesso em: 20 abr. 2018. 17
Compartilhar