Enfrentando o desafio de fabricação com dados e IA

A fabricação deve progredir consideravelmente por meio de Big Data e IA, mas os complexos desafios da indústria retardaram a aceitação...
“Na fabricação, você está sob pressão para melhorar continuamente a qualidade, reduzindo custos e aumentando a produtividade”, diz o líder de soluções e software de análise SAS. Isso permanece tão verdadeiro como sempre na era digital, e os avanços tecnológicos conspiraram para enfrentar o desafio de forma mais eficaz do que nunca.

Mesmo um olhar superficial deixa claro que, de todas as indústrias a serem sacudidas pela transformação digital, poucas foram transformadas de forma mais visível e dramática nos últimos anos do que a manufatura. Essa jornada, das linhas de produção intensivas em mão de obra de Henry Ford aos ambientes cada vez mais livres de pessoas das fábricas modernas, foi fortemente acelerada pelo advento do Big Data. A coleta de informações de operações de fabricação, equipamentos e máquinas, padrões de vendas e flutuações de demanda permite que os líderes criem estratégias para maior eficiência, produção e segurança. A visão da Indústria 4.0 de fábricas inteligentes que funcionam com o mínimo de intervenção humana, ao mesmo tempo em que geram maior produtividade, lucratividade e confiabilidade é extremamente atraente, mas realizar esse objetivo traz desafios igualmente consideráveis ​​que devem ser superados.

A onda de dados

Em 2018, a Capgemini, provedora líder de serviços de consultoria e terceirização, identificou a manufatura como um dos maiores potenciais de melhoria operacional por meio de Big Data, chegando a dizer que sua adoção é vital para o sucesso contínuo dos negócios. “Com a análise de Big Data não sendo mais uma opção ‘bom de ter’, as empresas devem identificar as oportunidades certas para melhorar a eficiência da planta e gerar insights”, disse a Capgemini em uma postagem no blog de novembro de 2018. “A análise de big data forneceria a vantagem competitiva que as empresas precisam para ter sucesso em um ambiente cada vez mais complexo.”

Com grandes volumes de dados - uma massa que aumenta exponencialmente para operações que usam a tecnologia da Internet das Coisas (IoT) e as velocidades de transferência de gigabit por segundo do 5G - vem uma imensa complexidade. As organizações não apenas devem se concentrar no valor de um amplo conjunto de dados, mas também transformar esse valor nascente em insights acionáveis ​​antes que sejam substituídos por dados mais recentes e relevantes. Muitas vezes, os dados brutos devem ser casados ​​com a telemetria de outros sistemas para que seu valor seja extraído, e esse know-how em nível humano é difícil de obter.

O caso da IA

Em todo o mundo, cientistas de dados treinados estão em alta demanda e falta de oferta e, mesmo com uma frota dos melhores analistas de dados, o verdadeiro valor dos dados de uma organização está bloqueado por trás do longo tempo para que análises complicadas sejam realizadas, a probabilidade de erro humano , e a necessidade de estratégias de implementação de dados profundamente consideradas. A necessidade de imediatismo e precisão, particularmente com a ampla lacuna de habilidades de dados, pode ser respondida por outra tecnologia emergente:inteligência artificial (IA).

Seus cálculos algorítmicos e análises adaptáveis ​​às necessidades de operações específicas geram resultados mais precisos e rapidamente disponíveis, permitindo que as empresas transformem esses dados em ações informadas que melhoram a eficiência e a produtividade, dimensionam as operações para a demanda em tempo real e melhoram a segurança, desarraigando os problemas colocados por um défice de especialização ao mesmo tempo que cria valor. Ele pode até detectar problemas antes que eles surjam por meio de manutenção preditiva, algo que exigiria uma força de trabalho considerável e alocação de tempo sem a promessa de precisão que a IA oferece.

“A manutenção preditiva é uma área em que IoT, Big Data e análises estão causando um impacto significativo”, diz Debbie Heaton-Bowen, Sócia da Oliver Wight EAME. “Embora tenha se originado na década de 1990, o advento da tecnologia avançada significou que os recursos de manutenção preditiva foram recentemente ‘superalimentados’, principalmente no setor de manufatura, com fábricas inteligentes se tornando uma realidade. O tempo de inatividade não planejado e a manutenção deficiente podem custar milhões às empresas, mas os sensores habilitados para IoT podem detectar quando o maquinário precisa de uma verificação, evitando o desenvolvimento de uma falha mais grave que causaria interrupções dispendiosas. A manutenção preditiva não apenas identifica erros perdidos pelo olho humano, mas também toma decisões baseadas apenas em dados para melhorar a vida útil das máquinas, reduzir os custos de serviço e aumentar a eficiência operacional para lucros mais saudáveis.”

Em outros lugares, a robótica é outra tendência no setor que mostra uma promessa considerável, e a IA é vital para sua proposta de valor quando implantada em processos de fabricação. “Quando integradas corretamente, essas unidades robóticas podem ampliar as habilidades e os pontos fortes das pessoas para aumentar a eficiência no local de trabalho e melhorar a experiência dos funcionários”, diz Prasad Satyavolu, CDO de Manufatura e Logística da Cognizant, líder em serviços de TI. “Eles já estão sendo implantados em organizações de manufatura, desde a inserção de amortecedores ou corte de carne em uma linha de montagem tradicional, até drones atuando como os olhos dos agentes de segurança que patrulham um vasto pátio de contêineres. Ao fazer isso, a nova geração de colaboradores autônomos está liberando os humanos para assumir trabalhos de maior valor. Pesquisadores do MIT descobriram que as equipes de robôs humanos trabalhando para a BMW eram aproximadamente 85% mais produtivas do que humanos ou robôs trabalhando sozinhos”. A IA pode, assim, preencher simultaneamente as lacunas de habilidades e maximizar o tempo disponível para que os trabalhadores qualificados se concentrem em tarefas nas quais podem agregar mais valor.

Os desafios da adoção da IA

Apesar das oportunidades claras que apresenta, a consultoria de gestão McKinsey observa que a aceitação da IA ​​tem sido notavelmente lenta na indústria manufatureira. “Embora as tecnologias de IA tenham feito melhorias tangíveis nas cadeias de suprimentos e nas funções administrativas, até agora elas tiveram pouca presença na produção”, diz McKinsey, observando que essa adoção lenta foi desencadeada em parte por uma forte dependência de especialistas e forças de trabalho experientes, que é um tanto irônico, dada a capacidade da IA ​​de redirecionar esse conhecimento para processos menos repetitivos. A dependência de forças de trabalho qualificadas por si só é motivo para acelerar a integração da IA ​​no setor.

“Como as variações nas qualificações dos operadores podem afetar não apenas o desempenho, mas também os lucros, a capacidade da IA ​​de preservar, melhorar e padronizar o conhecimento é ainda mais importante”, diz McKinsey. “Além disso, como pode tomar decisões operacionais complexas por conta própria, a IA é capaz de fornecer resultados previsíveis e consistentes de maneira confiável em mercados que têm dificuldade em atrair e reter o talento dos operadores.”

Juntamente com essa dependência do capital humano, muitas fábricas contam com máquinas legadas que antecedem até a Internet, e aquelas introduzidas nas últimas duas décadas exigem alguma medida de modificação para torná-las compatíveis com a tecnologia de coleta de dados de hoje. Enquanto isso, as questões de obtenção dos conjuntos de dados mais impactantes, a melhor forma de interpretá-los e implementar as descobertas variam não apenas por empresa, mas também por departamentos e equipes.

A empresa de pesquisa NelsonHall observa que a adoção de MES (Manufacturing Execution Systems) aumenta ainda mais essa complexidade. O MES tem permitido que as empresas digitalizem suas operações e acessem dados com mais facilidade há anos, mas a profunda personalização do próprio MES de cada instalação significa compatibilidade e integração com outras tecnologias, como o software de análise que reúne e analisa dados de inúmeras fontes, é um desafio considerável. “A dificuldade que o MES traz é que é difícil e caro atualizar, dado o nível de personalização”, diz NelsonHall. “Além disso, o MES governa a produção de uma planta, portanto, são sistemas críticos e, portanto, exigem desenvolvimento e implementação rigorosos, testes e implantação. Em outras palavras, eles são comparáveis ​​aos aplicativos de mainframe:enquanto estiverem em execução, ninguém realmente quer tocá-los profundamente.” Contornar esse problema é muitas vezes feito através da adição de sistemas complementares, como os fornecidos pela Dassault, Siemens, PTC e similares, adicionando ainda mais complexidade onde muitas operadoras estão buscando otimizar e reduzir sua infraestrutura tecnológica para aumentar a flexibilidade e agilidade .

Enfrentando o desafio hidra

Claramente, os desafios de aproveitar com sucesso os conjuntos de dados de fabricação são enormes:estratégia, telemetria, integração, conhecimento e infraestrutura herdada devem ser abordados para facilitar uma mudança perfeita para a Indústria 4.0. A IA sozinha, infelizmente, não pode resolver as dores de cabeça de implementar com sucesso as tecnologias baseadas em dados que impulsionarão a fabricação para a Indústria 4.0. IoT industrial, robótica, gêmeos digitais e manutenção preditiva ganharam força rapidamente como poderosas ferramentas de modernização para fabricação, cada uma possibilitada por Big Data e IA, mas, assim como seus antepassados, cada uma delas exige considerável consideração estratégica para ser realmente bem-sucedida. O toque humano e o alinhamento operacional são fundamentais.

“Uma estratégia de transformação orientada a dados bem-sucedida precisa considerar uma visão abrangente de vários fatores, incluindo cultura organizacional, clientes, funcionários e tecnologia. Isso não pode ser alcançado por meio de iniciativas isoladas e, em vez disso, precisa de foco concentrado, planejamento de médio a longo prazo, patrocínio e investimento diretamente de líderes empresariais”, diz Rohit Gupta, vice-presidente e chefe de manufatura, logística, energia e serviços públicos da Cognizant. “Os fabricantes precisam avaliar seu nível atual de maturidade digital, entender os desafios comerciais e técnicos e vislumbrar claramente um roteiro para prosperar nesse paradigma digital. Essa deve ser uma abordagem iterativa, trabalhando para desenvolver uma base que possa apoiar o crescimento escalável e sustentável e criar recursos de dados dentro da organização com marcos claros.”

A ajuda externa é um grande acelerador, e SAS, McKinsey e Capgemini, para citar apenas alguns, fizeram muito para preencher as lacunas tecnológicas e estratégicas de empresas e potências de manufatura que buscam dar o salto para o futuro inteligente. Afinal, os ecossistemas de tecnologia de hoje são baseados em um foco maior na terceirização e no conhecimento de que a experiência externa geralmente é superior em um espaço de tecnologia que se torna mais granular a cada dia. A fabricação é profundamente complexa e um tamanho nunca pode servir para todos, mas alavancar a experiência dos líderes nos espaços de dados e IA certamente superará os desafios apresentados e liberará o enorme potencial da Indústria 4.0.