Baixe o app para aproveitar ainda mais
Prévia do material em texto
AULA 2 TECNOLOGIAS PARA A INDÚSTRIA 4.0 Prof. Gabriel Vergara 2 TEMA 1 – O QUE É BIG DATA? POR QUE ELE É IMPORTANTE? Anteriormente, apresentamos diversos tópicos de aspecto macro no intuito de contextualizar o que veremos em mais detalhes. Essas questões têm grande aplicabilidade para profissionais ou mesmo curiosos da área com interesse em abrir a sua própria empresa ou se especializarem para atuar numa empresa dentro do ramo. Um dos pilares mais importantes da indústria 4.0 vem a ser o Big Data. 1.1 Considerações iniciais Para introduzirmos a temática do Big Data, é importante fazermos o seguinte questionamento: você, empreendedor ou colaborador, já pensou em implementar conceitos da indústria 4.0, por exemplo, o Big Data? É importante frisar que quando pensamos em construir o nosso modelo de negócios tendo como base os pilares da indústria 4.0, devemos sempre considerar a integração destes. Dentro dessa temática, diversas startups têm buscado oportunidades por intermédio de anjos investidores para que o seu negócio seja efetivado e alcance o devido sucesso. Como avaliador desses projetos, tive a oportunidade de constatar exatamente a falta de integração dos pilares, em que a proposta abrangia a Internet das Coisas e a Computação em Nuvem, mas não levava em consideração o Big Data, sendo este um conceito essencial para a tomada de decisão, independentemente do gênero do negócio de interesse. 1.2 O que é Big Data? O conceito de Big Data é relativamente novo, mas as origens dos grandes conjuntos de dados fazem referência às décadas de 1960 e 1970, com os datacenters e o desenvolvimento do banco de dados relacional (Oracle, 2019). Segundo a Mckinsey Global Institute, “o Big Data é a intensa utilização de redes sociais online, de dispositivos móveis para conexão à internet, transações e conteúdos digitais”. Por sua vez, a Gartner Group define Big Data como o termo adotado pelo mercado para descrever problemas no gerenciamento e processamento de informações extremas, as quais excedem a capacidade das tecnologias de informações tradicionais ao longo de uma ou várias dimensões. Simplificando, o Big Data é um conjunto de dados tão volumosos e complexos que o software tradicional de processamento de dados simplesmente 3 não consegue gerenciá-los. No entanto, esses grandes volumes de dados podem ser usados para resolver problemas de negócios que você não conseguiria resolver antes (Oracle, 2019). Pode-se comparar o Big Data com a descoberta do microscópio, visto que este abriu uma nova janela para vermos coisas que já existiam (bactérias, vírus etc.), contribuindo, assim, com a medicina e com a sociedade. O Big Data, por sua vez, tem a mesma característica, visto que nos permite verificar novas oportunidades de negócio e/ou suporte para a tomada de decisão, sendo destinado para a empresa e a própria sociedade (Taurion, 2013). Para a correta compreensão da presente temática ou para aplicarmos o Big Data em nosso negócio devemos ter em mente os 5Vs: Volume: é a quantidade de dados gerados, armazenados e gerenciados para análise de dados. O advento da web social e dos dispositivos interconectados levou ao surgimento de grande quantidade de dados (Batty, 2012; Kapoor et al., 2018). Segundo Gupta et al. (2018), esses dados podem ser estruturados ou não estruturados, e um sistema cognitivo normalizaria e limparia os dados em um formato específico para análise posterior. O desafio do dilúvio de dados pode ser efetivamente combatido pelo uso de sistemas cognitivos, pois o ser humano terá cada vez mais dificuldade em fazer observações em uma quantidade tão grande de dados. Velocidade: é um atributo do Big Data em que é importante monitorar a taxa na qual os dados são gerados e, ao mesmo tempo, também se preocupa com a velocidade com que esses dados são processados (Hurwitz et al., 2015). Ao mesmo tempo, é essencial trazer eficácia na análise dos dados para que a avaliação seja confiável e precisa (Gandomi; Haider, 2015). Variedade: refere-se aos mais variados tipos de dados. Essa variedade de dados pode ser obtida de várias vias, como mídias sociais, dispositivos IoT, dispositivos RFID (Identificação por Rádio Frequência), e-mails, dispositivos GPS (Sistema de Posicionamento Global) e assim por diante (Bertino et al., 2011). Veracidade: é uma característica do Big Data, que lida com a previsão da qualidade, incerteza e confiabilidade dos dados (Demirkan et al., 2015). Gupta et al. (2018) cita que para um sistema cognitivo avaliar os dados, é essencial que o sistema execute essa tarefa de maneira oportuna, confiável e precisa. 4 Valor: sugere que o grande volume de dados é inútil até sejam convertidos em conhecimento (Saberi; Hussain; Chang, 2017). Esse processo também pode levar ao redirecionamento de dados que podem ser processados e analisados posteriormente para criação de conhecimento (Relatório da OIC, 2014). Esse valor pode ser percebido em diferentes contextos de uso de Big Data, como cidades inteligentes, mídias sociais, conteúdo gerado pelo usuário e mecanismos de busca (Alalwan et al., 2017). 1.3 Por que o Big Data é importante? Ao considerar o alto volume de dados, caso o profissional não utilize o Big Data, terá problemas em relação aos 5Vs, uma vez que o ser humano tem dificuldade para grandes volumes e a respectiva complexidade. Para tanto, utiliza- se um sistema cognitivo baseado em inteligência artificial. Como pode se observar, o Big Data não está relacionado apenas ao volume de dados, mas também ao que é feito com esses dados no intuito de agregar valor, seja por meio de insights de negócio, maior conhecimento dos processos envolvidos e pela coleta de dados para tomadas de decisão futuras. Após coleta, armazenamento e preparação dos dados, deve-se considerar o que se denomina por Big Data Analytics. Nesta etapa, devemos levar em conta alguns conceitos: Observação: é o requisito básico para um sistema cognitivo em que a agregação, a integração e o exame de dados ocorrem (Chen et al., 2016). Interpretação: busca de melhor compreensão e solução de um conjunto complexo de problemas quando houver uma variedade de fontes de informação. Avaliação: gerar informações para responder a uma consulta faz parte da capacidade natural de um ser humano. Um sistema cognitivo converte os dados brutos que reúne em redes visuais de dados, o que leva à criação de muitos relacionamentos dentro dos dados. O processamento dessa enorme quantidade de dados requer que o sistema cognitivo seja capaz de fazer isso dentro de um prazo muito curto (Gupta et al.,2018). Decisão: refere-se à capacidade do sistema cognitivo de tomar decisões com base nos dados que foram analisados. Um dos principais critérios para a tomada de decisão é a disponibilidade de evidências (Chen et al., 2016). 5 Em suma, tais procedimentos visam atingir o topo da Figura 1, podendo resultar em novas oportunidade de negócio, redução de custos, otimização de ofertas, satisfação do cliente etc. Figura 1 – Processo lógico do Big Data e computação cognitiva Fonte: Gupta et al., 2018. 1.4 Quais são as operações que o Big Data executa? Onde ele é utilizado? Considerando os 5Vs explicados na seção anterior, o Big Data realiza as seguintes operações: Armazenamento e processamento de arquivos, sejam eles PDFs, planilhas, imagens e vídeos; Processamento de grandes blocos de texto em linguagem natural; 6 Postagens no blog, anúncios de emprego e descrições de produto; Processamento de dados não estruturados, entre eles arquivos de log CSV, XML, Machine e web, bem como dados de sensores. A utilização do Big Data ocorre em diversos setores, entre eles: Tabela 1 – Utilização doBig Data Setor Descrição Bancos Satisfação do cliente, fraudes Governo Gestão de serviços públicos Manufatura Aumentar qualidade e produção Educação Aprendizado otimizado Saúde Atendimento ao paciente Varejo Forma de abordagem ao cliente A expectativa é que a utilização do Big Data se amplie tanto no aspecto da atividade quanto nos demais setores cabíveis. Saiba mais Para entender melhor sobre o assunto, acesse a nossa Biblioteca Virtual Pearson e busque pelo livro Big Data, de Cezar Taurion. TEMA 2 – BIG DATA – ETAPAS E DESAFIOS 2.1 Etapas de Big Data Após verificarmos a Figura 1, notamos uma sequência lógica do Big Data e do sistema cognitivo focado em agregar valor. Num aspecto macro, a plataforma para o Big Data é apresentada da seguinte forma: Coleta de dados: quaisquer projetos de Big Data devem ter como base um objetivo específico; Mineração de dados: ato de examinar uma enorme quantidade de dados a fim de extrair padrões consistentes; Visualização de dados: foco em exposição clara de resultados e manejo intuitivo. 7 Figura 2 – Plataforma Big Data Fonte: RVLSOFT/Shutterstock. A Figura 2 tem por objetivo demonstrar o passo a passo da plataforma Big Data. Na primeira coluna, temos as fontes de dados que podem ser redes sociais, vídeos, planilhas, entre outros, lembrando que tais dados podem ser estruturados, não estruturados ou híbridos. Na segunda coluna, inicia-se de fato a plataforma com a coleta de dados com base na utilização, por exemplo, do software Apache Flume. Por sua vez, na terceira coluna, os dados serão armazenados num banco de dados como o Apache Cassandra, que reúne a arquitetura do DynamoDB, da Amazon Web Services e modelo de dados baseado no BigTable, do Google. Na sequência, na quarta coluna, tem-se o tratamento dos dados, como exemplo, o Hadoop, que é uma plataforma de software em Java de computação distribuída para processamento de grandes volumes de dados. Após esse procedimento, pode-se incluir a etapa de analitycs com a utilização do Apache Mahout, por exemplo. Por fim, na etapa de visualização, teremos um framework comum UI para facilitar o processo de tomada de decisão. 2.2 Desafios para o Big Data Após conceituar cada uma das etapas do Big Data, deve-se verificar a existência de alguns desafios que surgem naturalmente, como: Estratégia: adequação para aproveitar os benefícios do Big Data; Talento: desenvolver conjunto de habilidades necessárias; Analítica: aprimoramento dos algoritmos para melhorar a experiência do usuário; Fonte de dados Coleta de dados Armazenamento de dados Tratamento de dados Visualização 8 Qualidade dos dados: compromisso de qualidade perante volume de variedade de dados. Deve-se acrescentar ainda o custo de manutenção; Governança: desenvolvimento de estratégia apropriada. Privacidade: problemas relacionados ao uso direto e indireto de fontes de Big Data. TEMA 3 – O QUE É IOT (INTERNET OF THINGS)? POR QUE ELA É NECESSÁRIA? A Internet das Coisas ou IoT (Internet of Things) tem sido alvo de grandes investimentos, visto o porte da quebra de paradigma inserido nele. Inclusive, existem diversas startups destinadas às aplicações desta tecnologia. 3.1 O que é IoT (Internet of Things)? A Internet das Coisas (IoT), conhecida como um dos pilares da indústria 4.0, partiu inicialmente da ideia de conectar objetos em 1991. Por sua vez, em 1999, Kevin Ashton do MIT propôs o referido termo e dez anos depois escreveu o artigo intitulado A Coisa da Internet das Coisas para o RFID Journal. Segundo Lee e Lee (2015), a IoT representa um novo paradigma tecnológico concebido como uma rede global de máquinas e dispositivos capazes de interagir entre si. A IoT é reconhecida como uma das áreas mais importantes da tecnologia do futuro e está ganhando grande atenção de uma ampla gama de indústrias. O verdadeiro valor da IoT para empresas pode ser totalmente alcançado quando os dispositivos conectados podem se comunicar entre si e integrar-se a sistemas de inventário gerenciados por fornecedores, sistemas de suporte ao cliente, aplicativos de inteligência de negócios e análises de negócios. Em suma, a Internet das Coisas é uma rede de comunicação entre objetos, dispositivos e máquinas que estão interagindo entre si com o objetivo de realizar tarefas. Gartner (2014) prevê que a IoT chegará a 26 bilhões de unidades até 2020, ante 0,9 bilhão em 2009, e impactará as informações disponíveis para os parceiros da cadeia de suprimentos e como ela funciona. Desde a linha de produção e armazenamento até a entrega no varejo e as prateleiras das lojas, a IoT está transformando os processos de negócios, fornecendo uma visibilidade mais precisa e em tempo real do fluxo de materiais e produtos. As empresas investirão na IoT para redesenhar os fluxos de trabalho da fábrica, melhorar o rastreamento de materiais e otimizar os custos de distribuição. 9 Por exemplo, a John Deere e a UPS já estão usando tecnologias de rastreamento de frota habilitadas para IoT para reduzir custos e melhorar a eficiência do fornecimento. A adoção dessa tecnologia está rapidamente ganhando força, à medida que pressões tecnológicas, sociais e competitivas pressionam as empresas a inovarem e se transformarem. À medida que a tecnologia da IoT avança e um número crescente de empresas adota a tecnologia, a análise de custo-benefício da IoT se tornará um assunto de grande interesse. Devido aos benefícios potenciais, porém incertos, e aos altos custos de investimento da IoT, as empresas precisam avaliar cuidadosamente todas as oportunidades e desafios induzidos pela IoT para garantir que seus recursos sejam gastos criteriosamente (Lee; Lee, 2015). 3.2 Funcionamento da Internet das Coisas Para entender o funcionamento da IoT, é necessário nos remetermos a como a internet funciona, sendo que sua base está na teoria matemática da comunicação, desenvolvida por Claude Shannon e Warren Weaver em 1949. Figura 3 – Elementos básicos da comunicação Fonte: Sacomano et al., 2018. Também segundo Sacomano et al (2018), Essa teoria estabelece que toda comunicação tem, essencialmente, uma fonte e um destino separados espacialmente. A fonte tem a intenção de passar uma mensagem ao destino e, para isso, necessita de um meio de comunicação que permita que a mensagem chegue até ele. A fonte aciona o elemento emissor, que tem como função colocar a mensagem no formato adequado (processo de codificação) ao meio físico de comunicação (chamado de canal) que trafegará a mensagem até o 10 receptor, que cumpre o papel inverso ao emissor, decodificando a mensagem para entendimento do destino. Algo fundamental para que a comunicação seja efetivada é que tanto o emissor quanto o receptor devem estar submetidos ao mesmo código e protocolo. Seguindo a teoria matemática da comunicação, no caso da internet, o emissor é um computador que codifica a mensagem na forma de pacotes de dados digitais, sendo estes transmitidos para outro computador que funciona como receptor (Sacomano et al., 2018). Figura 4 – IoT entre máquinas Fonte: Sacomano et al., 2018. Quando tratamos de máquinas, há diversos protocolos (MQTT, AMPQ e CoAP), sendo que a adoção de cada um deles depende de diversos fatores, como performance, limitação de dispositivos, segurança etc. Criado pela IBM e pela Eurotech, o MQTT é um protocolo aberto projetado com características adequadas para dispositivos embarcados com recursos de memória e/ou processamento limitados. O pequeno overhead de transporte faz do MQTT uma solução interessante para redes não-confiáveis com recursos limitados como largura de banda e alta latência (Frigieri; Parreira, 2017). O protocolo CoAP foi projetado pelo Grupo de Trabalho para Ambientes RESTful Limitados (CoRE), da Força-Tarefa deEngenharia da Internet (IETF). Adaptado do HTTP, foi otimizado para dispositivos com potência e capacidade de processamento limitado, além de grande aplicação em ambientes IoT. Por sua vez, o protocolo AMPQ é uma especificação de padrão aberto de mensagens de middleware, baseado no paradigma de filas de mensagens orientadas a tópicos, em que produtos escritos para diferentes plataformas e em 11 diferentes linguagens podem trocar mensagens. Esse protocolo é suportado por empresas como Cisco Systems e JPMorgan Chase Bank (Frigieri; Parreira, 2017). 3.3 Aplicações e desafios da IoT As aplicações de IoT geralmente estão centradas em monitoramento e controle, Big Data e análise de negócios e, por fim, compartilhamento e colaboração de informações. Alguns exemplos práticos seriam QR Codes, sistema de identificação automática de veículos e celulares com NFC. Os desafios inerentes a uma tecnologia disruptiva como a IoT promovem certas barreiras para a adoção de empresas. Tal fato representa uma grande oportunidade de criação de novos negócios no intuito de promover soluções para tópicos como gerenciamento de dados, mineração de dados, privacidade, segurança e caos. Um exemplo que temos referente ao gerenciamento de dados vem a ser os sensores e dispositivos de IoT, uma vez que estes estão gerando grandes quantidades de dados que precisam ser processados e armazenados. A arquitetura atual do Data Center não está preparada para lidar com a natureza heterogênea e o grande volume de dados pessoais e empresariais (Gartner, 2014). Ao considerarmos o grande volume de dados para processamento e análise, a utilização de ferramentas de mineração de dados se torna indispensável. Elas podem ter uma variedade considerável, contemplando inclusive dados de streaming, como localização, movimento, vibração, temperatura, umidade, entre outros. Além da excessiva quantidade de dados, as técnicas tradicionais de mineração não são diretamente aplicáveis a imagens e vídeos de origem não estruturada. Vale acrescentar aqui a escassez de analistas de dados para esse fim. Por sua vez, em relação à privacidade de dados, temos, por exemplo, o caso de equipamentos de saúde inteligentes e serviços de emergência de carros inteligentes. Os dispositivos da IoT podem fornecer uma grande quantidade de dados sobre a localização e movimentos dos usuários da IoT, condições de saúde e preferências de compra — todos os quais podem provocar importantes preocupações com a privacidade (Lee; Lee, 2015). Ao abordarmos sobre segurança, devemos analisar e/ou refletir que à medida que a quantidade de dispositivos, bem como sua variedade, é introduzida 12 nas redes IoT, a ameaça potencial à segurança aumenta. Embora a IoT promova melhoras como na produtividade e até mesmo na qualidade de vida, ela também aumentará as possíveis interfaces de ataque de hackers e outros criminosos cibernéticos. Por fim, em relação ao caos, o mesmo ocorre como consequência dos fatores anteriores, uma vez que o ciclo de inovação está muito acelerado do que os típicos produtos de consumo. Ainda, os problemas com segurança, privacidade e qualidade do produto prevalecem. TEMA 4 – IOT – CENÁRIO BRASILEIRO E VALOR AGREGADO À INDÚSTRIA 4.1 Cenário brasileiro Conforme apontado em temas anteriores, a IoT possui um grande potencial no que tange à criação de novos negócios para esse fim, bem como para empresas em busca de competitividade no mercado. Segundo Silva et al. (2018), o Banco Nacional de Desenvolvimento Econômico e Social (BNDES) e o Ministério da Ciência, Tecnologia, Inovações e Comunicações (MCTIC) verificam na IoT as seguintes potencialidades: Estimular o crescimento econômico por meio da melhoria de produtividade; Criar novos modelos de negócios e empregos; Estimular a gestão de recursos das cidades e serviços prestados aos cidadãos. O BNDES realizou um estudo no intuito de planejar um modelo de negócios destinado a novos produtos com o foco em IoT que identificou três nichos: Industrial: o uso da tecnologia no ambiente industrial para fins de aumento de competitividade; Sociedade: melhoria da qualidade de vida; Empregabilidade: reposicionamento de oportunidades. Além do estudo do BNDES, podem-se averiguar outras ações para fomentar o uso da internet na indústria. Como exemplo, temos a Associação Brasileira de Internet Industrial (ABII), criada em 1996, para estimular trocas de experiências. 13 4.2 Valor agregado à indústria Segundo Silva et al. (2018), a Internet das Coisas proporciona inúmeros benefícios, entre eles: Aumento da eficiência dos equipamentos; Aumento na produtividade; Aumento na qualidade de vida; Monitoramento do meio ambiente; Otimização de serviços; Transparência no uso de recursos; Aumento na segurança; Rastreabilidade. TEMA 5 – ESTUDO DE CASO Diversos estudos de casos poderiam ser aqui descritos para trazer um bom norte da utilização dos conceitos abordados em aula. Contudo, eles não atenderiam ao apelo tecnológico do momento. Para tanto, foi pesquisado algo que realmente chama a atenção por ser a tecnologia de ponta no momento, que vem a ser os wearables. Para o presente caso, temos uma empresa norte-americana desenvolvedora de softwares IoT que teve o desafio de unir três vertentes fundamentais de nosso ecossistema: biológico, físico e digital, sendo que o objetivo era construir roupas conectadas. O desafio dessa empresa era coletar dados de saúde e bem-estar do consumidor e exibi-los em um dispositivo de forma segura. Para tanto, o impasse, neste caso, vem a ser a capacidade de conectar esses dispositivos vestíveis a uma nuvem segura e escalável o que, frequentemente, está fora do escopo dos fabricantes de dispositivos. A empresa propôs, então, uma plataforma IoT que fornece conectividade abrangente para dispositivos, nuvem e aplicativos móveis. Dessa forma, permitiu que os fabricantes de dispositivos vestíveis criassem versões conectadas à nuvem, tornando os produtos conectados mais seguros, confiáveis e econômicos. Atrelado à solução proposta, a empresa obteve alguns benefícios, entre eles: Coletar dados médicos anonimizados para fins de pesquisa; 14 Permitir que os fabricantes melhorem futuras versões de seus dispositivos vestíveis com base no conhecimento do mundo real e produtos atuais; Relatórios e análises aprofundadas para permitir mudanças no estilo de vida. Como resultados, a empresa obteve a possibilidade de: Monitorar remotamente os sinais vitais de pessoas afins; Configurar prompts com base nos níveis de atividade; Comparar estatísticas de bem-estar com outras pessoas/gamificação; Exibir alertas dos dispositivos, usando e-mail e SMS; Sincronizar automaticamente com o dispositivo quando estiver dentro do alcance; Integra-se a Uis baseadas em fala, como a Siri da Apple. 15 REFERÊNCIAS ALALWAN, A., et al. Social media in marketing: A review and analysis of the existing literature. Telematics and Informatics, 34, n. 7, 1177-1190, 2017. BATTY, M. Smart cities, Big data. Environment and Planning B: Planning and Design, 39, n. 2, 2012. BERTINO, E. et al. Challenges and opportunities with Big data, 2011. CHEN, Y.; ARGENTINIS, E.; WEBER, G. IBM watson: How cognitive computing can Be applied to Big data challenges in life sciences research. Clinical Therapeutics, 38, n. 4, 688-701, 2016. DEMIRKAN, H, et al. Innovations with smart service systems: Analytics, big data, cognitive assistance, and the internet of everything. Communications of the Association for Information Systems, 37, n. 1, 2015. FRIGIERI, D. M.; PARREIRA, L. F. C. G. Protocolos M2M para Ambientes Limitados no Contexto do IoT: Uma Comparação de Abordagens. Santa Rita do Sapucaí/MG, 2017. Disponível em: <https://www.inatel.br/smartcampus/imgs/protocolos-para-iot-pt.pdf>.Acesso em: 15 dez. 2019. GANDOMI, A.; HAIDER, M. Beyond the hype: Big data concepts, methods, and analytics. International Journal of Information Management, 35, n. 2, 2015. GARTNER. Gartner Says the Internet of Things Will Transform the Data Center. Disponível em: < https://iot.do/gartner-says-internet-things-will-transform- data-center-2014-03l>. Acesso em: 15 dez. 2019. GUPTA et al. Big data with cognitive computing: a review for the future. Elsevier, 2018. HURWITZ, J. S.; KAUFMAN, M.; BOWLES, A. Cognitive computing and Big data analytics. Estados Unidos: John Wiley & Sons, Inc, 2015. I. LEE; K. LEE. The Internet of Things (Iot): Applications, investments, and challenges for enterprises. Elsevier, 2015. ORACLE. O que é big data? Disponível em: <https://www.oracle.com/br/bigdata/guide/what-is-big-data.html>. Acesso em: 15 dez. 2019. 16 SABERI, M.; HUSSAIN, O. K.; CHANG, E. Past, present and future of contact centers: A literature review. Business Process Management Journal, 23, n. 3, 574-597, 2017. SACOMANO, J. B. et al. Indústria 4.0: Conceitos e Fundamentos. São Paulo: Blucher, 2018. SILVA, E. et al. Automação & Sociedade: Quarta Revolução Industrial, Um Olhar Para O Brasil. 1. ed. São Paulo: Brasport, 2018. TAURION, C. Big data. 1. ed. Rio de Janeiro: Brasport, 2013.
Compartilhar