Baixe o app para aproveitar ainda mais
Prévia do material em texto
INTELIGÊNCIA ARTIFICIAL APLICADA A INDÚSTRIA 4.0 & COMPUTAÇÃO QUÂNTICA MAURO C. ANDREASSA mandreas . Graduado em Física pela Pontifícia Universidade Católica de São Paulo – PUC-SP. . Pós-graduado em Administração de Empresas pela Escola de Comércio Alvarez Penteado com ênfase em Marketing e pela Faculdade de Economia e Administração da USP. . Professor associado de Graduação do Instituto Mauá de Tecnologia de 1999 à 2020 – nos temas Administração de Empresas, Indústria Automobilística, Física e Processos Especiais. . Professor de Pós-Graduação do SENAI, Fatec-SP e IMT nos temas Manufatura Enxuta, Inteligência Artificial para a Indústria 4.0, Qualidade e Confiabilidade. . 42 anos de Indústria Automobilística atingindo a posição de Gerente Sênior para Desenvolvimento da Cadeia de Suprimentos na América do Sul – Ford Motor Company. . Instrutor do Sindipeças e Instituto da Qualidade Automotiva (IQA). . Conselheiro da SAE Brasil (Sociedade dos Engenheiros da Mobilidade) em Educação da Mobilidade. . Membro da Associação Brasileira de Internet das Coisas – ABINC. . Embaixador da F1 in Schools – atividade STEM (Science, Technology, Engineering & Mathematics). . Fundador da Consultoria Big Learning. Mauro C. Andreassa O que veremos hoje: Indústria 4.0 Inteligência Artificial Algoritmos & Multidisciplinaridade Uso industrial da IA A importância do Ambiente Lean Manutenção Corretiva, Preventiva, Preditiva & Prescritiva – casos! Computação Quântica Fonte: https://www.ironhack.com/br/data-analytics/o-que-e-machine-learning Acesso: 10 out. 2020 https://www.ironhack.com/br/data-analytics/o-que-e-machine-learning Fonte: https://www.ironhack.com/br/data-analytics/o-que-e-machine-learning Acesso: 8 out. 2020 https://www.ironhack.com/br/data-analytics/o-que-e-machine-learning Fonte: https://www.kdnuggets.com/2016/10/battle-data-science-venn-diagrams.html Acesso: 24 set. 2020 https://www.kdnuggets.com/2016/10/battle-data-science-venn-diagrams.html Fonte: https://www.google.com.br/search?q=AI+%2B+probability+%2B+algorithm+%2B+algebra&tbm=isch&h l=en&hl=en&sa=X&ved=2ahUKEwiR5rXc3YLsAhVlBdQKHa- _DukQBXoECAEQKQ&biw=1349&bih=576#imgrc=Bvr_qoEPnt_ngM Acesso: 24 set.2020 https://www.google.com.br/search?q=AI+++probability+++algorithm+++algebra&tbm=isch&hl=en&hl=en&sa=X&ved=2ahUKEwiR5rXc3YLsAhVlBdQKHa-_DukQBXoECAEQKQ&biw=1349&bih=576#imgrc=Bvr_qoEPnt_ngM Fonte: C. Okoh*, R. Roy, J. Mehnen - Predictive Maintenance Modelling for Through-Life Engineering Services Opportunity: é manutenção pela substituição de componente s de equipamento s que ainda não falharam com base nos recursos de manutenção disponíveis Condition-based: conceito de necessidade é determinado pela avaliação do estado de sanidade do equipamento de forma continua e extrapolando para um limite de falha predefinido. ? Fonte: https://www.iotco.com/predictive-analytics/ Acesso: 12 out. 2020 https://www.iotco.com/predictive-analytics/ Physics-Based Physics-Based: também conhecida como abordagem baseada em modelo físico. O modelo físico refere-se a uma compreensão da física para: a) Confiabilidade de estimativas, b) Física da Falha (PoF – Physics of Failure) ciência física de componentes e c) geração de equações empíricas. Por exemplo. uso de um modelo simples de crescimento de trincas/fissuras para prever RUL (Remaining Useful Life). A Física tira toda a graça de um jogo de futebol … Relation between the different type of models Coupling between usage parameters and input parameters of the wear model Physics based models for predictive maintenance of rail- infrastructure components Fonte: https://ris.utwente.nl/ws/portalfiles/portal/128327184/Poster_EM _2016_MeghoeA_UT.pdf Acesso: 8 out. 2020 https://ris.utwente.nl/ws/portalfiles/portal/128327184/Poster_EM_2016_MeghoeA_UT.pdf Fatigue strength and fracture mechanics - A general perspective Uwe Zerbst, Mauro Madia, M. Vormwald, T. Beier Engineering fracture mechanics, 2018, Volume 198 BAM Deprtment Component Safety, Division Service Loading Fatigue and Structural Integrity Public Domain File:Crater wear.png Uploaded: 29 October 2007 Model-Based Model-Based: abordagem baseada no conhecimento combina experiência E inteligência computacional, técnicas relativas a informações armazenadas de especialistas no domínio e conjuntos de regras para interpretação. Técnicas baseadas em conhecimento avaliam a semelhança entre uma situação temporária e um banco de dados de falhas anteriores e infere a expectativa de vida pelas ocorrências anteriores usando um sistema especialista. O conhecimento é baseado em uma vida inteira de acúmulo de dados de experiência com base em modelos a) estocástico e b) probabilísticos de degradação de peças. Em estatística, o filtro de Kalman é um método matemático criado por Rudolf Kalman. Seu propósito é utilizar medições de grandezas realizadas ao longo do tempo (contaminadas com ruído e outras incertezas) e gerar resultados que tendam a se aproximar dos valores reais das grandezas medidas e valores associados. O filtro de partículas é um método numérico de integração. É adequado para lidar com problemas não lineares e não Gaussianos. Desde a década de sessenta, grande atenção tem sido devotada a estes problemas. Entretanto somente com o aumento do poder computacional foi possível tornar o seu uso mais corrente. Data Driven Data-Driven: Técnicas derivadas da configuração, uso e dados históricos de ‘execução até a falha’ aplicável à tomada de decisão de manutenção. Baseado em dados técnicas são frequentemente usadas para estimativa, informando assim a decisão de manutenção com base no limite de falha. Casos Fusível de Areia de Quartzo Os fusíveis são preenchidos por areia de quartzo de alta pureza química e distribuição granulométrica controlada. Este material conduz parte do calor do elemento para o corpo e desempenha papel fundamental no processo de extinção do arco e partes metálicas a prova de corrosão. Epidemia de queima de fusíveis ma fábrica… Montagem de Hub to Knuckle Downtime todos os dias no mesmo horario… Finalmente, o mundo Quântico! Chegou a Computação Quântica! 1. Como funciona o código binário: Cada letra, número e símbolo da senha é representado por uma sequência diferente de oito dígitos, que podem ser 0 ou 1. Ou seja: uma senha de seis caracteres tem 48 no código binário. Para descobri-la, o computador precisa testar todos os jeitos possíveis de combinar 48 zeros e uns. 2. O jeito clássico: Um computador tradicional testaria as possibilidades uma a uma, até chegar à correta – o que pode arrastar bastante o processo. São 1,06 trilhão de combinações possíveis. 3. O jeito quântico: Os computadores quânticos driblam a lógica. Como os qubits são 0 e 1 ao mesmo tempo, é possível testar todas as possibilidades de uma só vez. O problema é que é difícil construir uma máquina com muitos qubits. Muito Obrigado! mandrea s
Compartilhar