Fabricantes Abraçam IoT Aprimorado por IA para Cadeia de Suprimentos, Produção e Inovação

IoT estendido com IA traz três principais benefícios para fabricantes: otimização de cadeia de suprimentos, manufatura inteligente e inovação de produto ou serviço.

Há uma riqueza de dados agora fluindo das numerosas bordas de IoT, então é natural começar a pensar em maneiras de aplicar inteligência artificial (IA) para entregar insights valiosos ao negócio. Para fabricantes, isso pode ser um divisor de águas, cortando custos dramaticamente e acelerando sua entrada em negócios de serviços. No entanto, muitos estão apenas no início desta jornada.

A iminente convergência entre IoT e IA foi explorada em um painel na recente conferência AI World em Boston, moderada por Les Yeamans, editor executivo da RTInsights.

Veja também: Alemanha Transforma Manufatura em uma Forma de Arte IoT

O potencial para IoT estendido com IA traz três principais benefícios para fabricantes neste momento — otimização de cadeia de suprimentos, manufatura inteligente e inovação de produto ou serviço, disse Reid Paquin, diretor de pesquisa com IDC. Atualmente, ele adicionou, "manufatura inteligente é onde a maioria das empresas está começando e focando seus investimentos. Isso é particularmente verdadeiro com manufatura de processo, especificamente gerenciamento de ativos." No lado da manufatura discreta, ele diz, "a grande oportunidade é produtos e serviços — muitos fabricantes estão tentando lançar produtos mais rápido, mas também tentando mudar suas misturas de produto para serviço, movendo-se para servitização."

Mover-se para uma empresa orientada a dados e IA pode levar tempo para muitos fabricantes, painelistas concordaram. "Em qualquer projeto de ciência de dados ou IA, o primeiro passo é coletar e organizar seus dados," disse Zachariah Eslami, líder de entrega, especialista em dados e laboratórios de IA e aprendizado para IBM. O desafio é reunir dados de partes díspares da empresa, ele observou. "A questão é a entrada de dados e coletas de dados, warehouses frequentemente são distribuídos entre diferentes grupos de TI, diferentes times que estão usando sem um único repositório ou catálogo de conhecimento, que você pode pegar e distribuir os dados e manipulá-los, extrair estes insights deles."

Outro desafio para projetos IoT-IA é uma falta geral de habilidades, Eslami continuou. "Isso é tanto no sentido de ser capaz de se adaptar a ciência da computação, entendimento, e aprender e usar notebooks Python ou R, e realmente obter um entendimento claro do que é limpar dados, prepará-los, e então começar a fazer análise neles, para que você possa construir modelos de machine em cima disso."

Quando se trata de começar a jornada de IA, "onde você está depende de onde você senta," disse Ryan Martin, analista principal com ABI Research. "Se você possui uma planta de manufatura que é de tamanho decente — um par de centenas de milhares de pés quadrados — comece com monitoramento de condição ou rastreamento de ativos, Rastreamento de ativos vai ser de longe o mais relevante, pois ajuda os custos, ajuda a empresa a se manter organizada." Manutenção preditiva é outro ponto de partida, pois "não faz sentido mandar alguém inspecionar todos os diferentes extintores de incêndio que estão lá fora mensalmente se apenas quatro deles precisam ser substituídos."

Paquin concordou que gerenciamento de ativos é um bom ponto de partida para IA aprimorada por IoT, junto com sistemas de qualidade baseados em visão. Além disso, "todos os grandes provedores de ERP estão tentando tecer IA em suas aplicações, especialmente no lado financeiro e de planejamento."

Painelistas também discutiram o emprego de gêmeos digitais para manufatura, seja implementando um gêmeo digital para uma peça, para uma máquina, para uma fábrica inteira, para os produtos em uma fábrica. "Manufatura é um espaço muito grande para gêmeos digitais," disse Eslami. "NASA começou a implementar primeiro, GE faz para motores a jato, Siemens faz para energia alternativa, Chevron faz para distribuição de campos de petróleo. "A grande coisa sobre gêmeos digitais é que subjacente a todos eles está um modelo, que pega dados e pode testar várias circunstâncias e situações. Com IA, você pode inserir e testar múltiplas variáveis em tempo real, e ajustar performance, e ver como isso reagirá ao longo do tempo. É uma enorme economia de custos."

A iminente chegada de redes 5G — que melhor facilitarão redes máquina-a-máquina em tempo real — também foi examinada. "5G vai acontecer como 4G saiu mais rápido que 3G, 5G virá mais rápido que 4G," Martin previu. "O que é interessante sobre 5G são as capacidades que vêm com ele — redes determinísticas. Isso quer dizer, 'ok, é mais importante dizer para aquele robô parar do que ter o sensor de vibração continuar rodando.' Isso virá com a especificação 5G lá na linha, no período 2021-2025."

Martin adicionou que "vai demorar um pouco antes de você realmente começar a ver coisas, mas os testes iniciais que estamos vendo com 5G são incrivelmente convincentes, a tecnologia está fazendo o que dizem que vai fazer, é apenas uma questão de embrulhar os padrões certos ao redor e levar ao mercado."