Como o aprendizado de máquina está transformando a produção industrial

De acordo com a Wikipedia, aprendizado de máquina “é o estudo científico de algoritmos e modelos estatísticos que os sistemas de computador usam para realizar um tarefa específica efetivamente sem usar instruções explícitas, confiando em padrões e inferência em vez disso. É visto como um subconjunto da inteligência artificial. ”

O aprendizado de máquina não é um dispositivo que você pode conectar a uma linha de produção e fazer a linha operar melhor do que antes. É um processo que precisa de entradas de vários dispositivos para alimentar dados para que os dados possam ser coletados, avaliados e usados ​​para desenvolver o conhecimento sobre como funciona a linha de produção.

Esse conhecimento pode então ser usado para determinar como a linha de produção pode ter um rendimento mais alto, operar a um custo mais baixo e operar de forma mais confiável. Dessa forma, o aprendizado de máquina transforma uma operação industrial em um sistema de sistemas que pode colocar os produtos no mercado mais rapidamente e a um custo menor para que a empresa possa se manter competitiva e manter seus clientes satisfeitos.

Aprendizado de máquina baseado em processo

Vamos adicionar um modificador à ideia de aprendizado de máquina e chamá-lo de "baseado em processo". Isso nos permite chegar ao cerne da questão ao identificar a tecnologia industrial que teve que ser criada ou modificada devido ao desejo de usar algoritmos de computador para permitir a era da manufatura inteligente.

O aprendizado de máquina usa dados de treinamento para ensinar seu algoritmo de computador sobre o que esperar das máquinas de produção que está monitorando para obter esses dados.

Ele deve se basear no reconhecimento de padrões e na inferência para desenvolver a capacidade do algoritmo de tomar decisões e fazer previsões sem ter que escrever código a ser explicitamente programado para executar essa tarefa. Os dados de treinamento são coletados, processados ​​e avaliados em uma sequência estruturada de etapas para preparar os dados para uso no algoritmo de aprendizado de máquina.



Essa sequência estruturada de etapas é um processo, e a criação desse processo introduz novas tecnologias na forma de dispositivos para criar os dados, redes para armazenar e processar os dados e computadores para processar e limpar os dados para precisão e relevância.

Esse é um sistema representado pela imagem acima. Mais importante ainda, esse diagrama é um sistema de sistemas (SoSe) devido à crescente complexidade de sua operação. Veremos o que essa tecnologia significa para o aprendizado de máquina em breve.

Aplicações industriais e transformações atribuídas ao aprendizado de máquina

A lista de novas tecnologias que podem ser atribuídas ao aprendizado de máquina é exaustiva e não pode ser abordada em sua totalidade neste artigo. Portanto, discutirei as questões de nível superior que são mais facilmente identificáveis.

Manutenção preditiva

A possibilidade de prever interrupções em uma linha de produção com antecedência pode ser inestimável para os fabricantes. Ele permite que o gerente programe o tempo de inatividade no momento mais vantajoso e elimine o tempo de inatividade não programado. O tempo de inatividade não programado atinge fortemente a margem de lucro e pode resultar na perda de sua base de clientes. Também interrompe a cadeia de abastecimento, causando o transporte de estoque em excesso.

A necessidade de trazer mão de obra adicional também pode custar muito dinheiro. Um estudo recente previu que a adoção do aprendizado de máquina para permitir a manutenção preditiva deve aumentar entre os fabricantes em 38 por cento devido à sua capacidade de melhorar a margem de lucro, eliminando interrupções de trabalho não programadas.

Convergência de TI / OT e segurança de rede

O desenvolvimento do aprendizado de máquina também levará a muitas modificações no modelo de negócios nos procedimentos operacionais padrão do fabricante. Isso é especialmente verdadeiro na composição organizacional de uma empresa. A rede de computadores, que é o terreno sagrado do departamento de tecnologia da informação (TI), deve ser co-localizada com os sensores operacionais nas máquinas de produção para que os dados possam ser coletados e enviados para o data warehouse como dados de treinamento para fins de aprendizado de máquina.

Provavelmente, será necessário derrubar a parede de silêncio que separa os dois grupos internamente para permitir a colaboração e a cooperação. Afinal, os operadores de chão e os técnicos serão significativamente afetados se a rede não for confiável ou for hackeada, o que pode interromper a produção. Os sensores e dispositivos de tecnologia operacional (OT) serão afetados tanto quanto a rede de TI e os computadores.

Desenvolvimento Digital Twin

O objetivo final da inteligência artificial e do aprendizado de máquina é permitir o desenvolvimento de um gêmeo digital do chão de fábrica. A criação de um gêmeo digital deve ocorrer sob um processo de engenharia de sistemas baseado em modelo usando algoritmos de aprendizado de máquina e conhecimento adquirido como base.

O gêmeo digital pode servir como uma plataforma para executar cenários hipotéticos para aprender o que não sabemos hoje. Ele também pode ser usado como um modelo para projetar peças de maior confiabilidade e ajustar as interações entre as máquinas da linha de produção para melhorar o desempenho. As possibilidades são infinitas.

Sobre o autor

Joseph Zulick é um escritor e gerente da MRO Electric and Supply .