Quebrando os mitos sobre a inteligência artificial

Os fabricantes enfrentam uma tarefa difícil de fazer malabarismos com a atual “agenda de inovação”. Hoje, a Internet Industrial das Coisas (IIoT), a automação robótica e a inteligência artificial (IA) estão prontas para serem a próxima grande novidade. Mas aqueles que estão na linha de frente da manufatura são cautelosos em adotar a inovação – e com razão. Muitas vezes as expectativas não são cumpridas, os investimentos de capital são feitos em vão e a experimentação não se traduz positivamente em lucros.

Em vez disso, muitas empresas adotam uma abordagem de esperar para ver. Eles esperam que as empresas líderes, com orçamentos maiores, descubram como viabilizar essas novas tecnologias, educando o restante do mercado. Mas a IA é diferente. A IA industrial está focada no uso de dados de equipamentos e sensores para fazer previsões inteligentes e automatizar a tomada de decisões operacionais. Os fabricantes não podem esperar para implementar a IA industrial – as recompensas são muito grandes. Apesar dos mitos sobre isso, a IA Industrial é um caso raro de inovação acessível sem falhas inerentes. Vamos percorrer os mitos um por um.

Mito nº 1:IA é cara

Embora todas as inovações tenham o potencial de melhorar a fabricação, elas geralmente exigem grandes investimentos. Mas a IA pode alcançar resultados tangíveis sem investimento significativo. O segredo está em saber aplicá-lo e aproveitar os esforços de P&D já realizados por empresas baseadas na internet. De fato, os algoritmos usados ​​pela Amazon e Netflix agora podem ser transferidos para implementações offline de chão de fábrica. Para os fabricantes, o trabalho pesado – desenvolver e testar a tecnologia principal – já foi realizado e pago.

No entanto, os fabricantes devem entender onde a IA do chão de fábrica será melhor aplicada. Não se deixe enganar pela ideia futurista de “fábricas conectadas”. A IA pode vir em um formato muito menos extravagante e muito prático:otimizar processos existentes com dados existentes. Dados os processos tradicionais de fabricação – fluxos de trabalho estabelecidos, operações 24 horas por dia, 7 dias por semana e longos ciclos de vida de equipamentos – a IA tem muito com que trabalhar.

Esta será em breve a IA que conhecemos. Invisivelmente integrado, ele melhorará áreas como gastos com matérias-primas, eficiência energética e rendimento com tomadas de decisão mais precisas em cada etapa. Além disso, nenhuma despesa de capital ou novo hardware será necessário.

Mito nº 2:a IA só oferece resultados reais a longo prazo

O custo inicial não é o único medo que os fabricantes têm ao investir em inovação. A preocupação com o tempo necessário para o retorno do investimento (ROI) também pode ofuscar as ambições tecnológicas. Na fabricação, a implantação de tecnologia inovadora pode levar anos, com o ROI às vezes medido em décadas. Outras prioridades intervêm e os gestores podem ficar menos incentivados quando os resultados finais não são garantidos.

A situação é diferente com a IA industrial. Construir modelos baseados em IA leva meses, não anos. O teste para medir os resultados da IA ​​em processos contínuos requer apenas dias ou semanas. Uma vez aplicado o modelo, ele imediatamente gera valor ao produzir resultados que orientam outras mudanças estratégicas.

Mito nº 3:a IA atrapalha os processos existentes

As pessoas ficam naturalmente apreensivas com a mudança, especialmente quando envolve alterar um processo que já funciona. Uma mudança geralmente leva a outra e, como gerentes experientes sabem, mesmo quando a tecnologia funciona, o processo de integração e adoção pode ser desafiador. No entanto, quando a IA é usada para otimizar processos, nada disso se aplica.

Onde a IA é usada para otimização, não há necessidade de reformar a linha de produção ou treinar a equipe para usar novos controles de processo. Tampouco são necessários projetos complexos de integração de TI – muitas vezes a causa de reclamações entre CIOs e usuários finais. Em vez disso, os mesmos processos de negócios são realizados pelos mesmos meios, mas de uma maneira muito mais eficiente. Por exemplo, a IA pode sugerir os melhores modos de operação do equipamento ou a quantidade exata de matéria-prima necessária, tudo na mesma interface que seus operadores já usam. A única coisa afetada pela IA é o resultado final do fabricante.

A IA está no radar da manufatura há muito tempo. Mas hoje, com poder computacional suficiente e dados críticos disponíveis, a IA pode ser efetivamente buscada. Existem poucas razões para atrasar um projeto de IA; a tecnologia já está aqui e os medos sobre inovação não se aplicam. No caso da IA, realmente não há tempo como o presente.