Por que os fabricantes devem adotar IA e Big Data?

Manufacturing Global fala com líderes executivos da EY, Infor e GE Digital para chegar ao fundo desta questão
Embora o impulso para transformar digitalmente o setor de manufatura tenha sido um tópico de conversa na última década, os eventos recentes apenas aumentaram a necessidade de agilidade, escalabilidade e resiliência que os recursos de manufatura inteligente da Indústria 4.0 podem fornecer. Falando com Cobus Van Heerden, gerente sênior de produtos digitais da GE Digital, Mark Powell, sócio da EY (UKI Consulting), e Phil Lewis, vice-presidente de consultoria de soluções EMEA da Infor Manufacturing Global analisa como as tecnologias que aproveitam a IA e o Big Data podem ajudar os fabricantes a obter visibilidade operacional em tempo real para obter maior confiabilidade e desempenho do processo.

Quais são as aplicações atuais de inteligência artificial (IA) e Big Data na indústria de manufatura?

CVH: A IA industrial usa uma combinação de tecnologias de IA direcionadas, dados, física e conhecimento de domínio profundo para resolver os principais desafios de negócios industriais. A IA tradicional imita a inteligência humana, enquanto a IA industrial se baseia nela para desbloquear insights e determinar o conhecimento causal em ambientes industriais de alto risco, dinâmicos e variáveis. Na manufatura, a IA industrial pode ser usada para detectar e prever os principais problemas de processos e ativos para ajudar as empresas a otimizar suas operações, incluindo capacidade, qualidade e estruturas de custo.

PL: As definições de IA ou Big Data nos livros didáticos perdem o ponto de que as indústrias diferem e terão demandas drasticamente diferentes para a tecnologia. Trata-se da aplicação de uma determinada tecnologia a um problema específico que uma empresa pode estar enfrentando. Esse problema pode ser um 'padrão da indústria' ou algo que surge na configuração da tecnologia. Mas há mais valor na aplicação de ferramentas como Big Data e IA para os 10% críticos de um negócio que é verdadeiramente idiossincrático. Classificamos isso como uma divisão 60/30/10 e é assim que procuramos aplicar essas tecnologias para gerar valor máximo.

Para os fabricantes que desejam adotar a Indústria 4.0, recursos de fabricação inteligente, por que os fabricantes devem usar IA e Big Data para fazer isso?

CVH: A manufatura inteligente implementa análises industriais avançadas para prever o desempenho futuro de ativos e processos usando dados históricos e em tempo real e otimizando em um ciclo fechado. Isso envolve o uso de IA e aprendizado de máquina para permitir que engenheiros de processo combinem dados em fontes de dados industriais e identifiquem rapidamente problemas, descubram as causas-raiz de problemas na planta, prevejam o desempenho futuro dos ativos e automatizem ações que os funcionários podem tomar para melhorar a qualidade , produtividade e operações.

MP: A digitalização está forçando os fabricantes a reimaginar suas cadeias de suprimentos. Por exemplo, a maioria das empresas usa dados internos para rastrear os saldos de oferta e demanda e é um desafio para elas prever eventos externos que afetam suas cadeias de suprimentos. Usando técnicas de IA que entendem conjuntos de dados externos não estruturados, como mídias sociais e outros dados sobre eventos, os fabricantes podem planejar interrupções na cadeia de suprimentos muito mais cedo.

Além disso, os fabricantes podem usar IA e Big Data para criar réplicas digitais de suas operações de fabricação e explorar possibilidades transformadoras de reduzir o tempo de ciclo na produção, adicionar capacidade de fabricação e prever atividades de manutenção não planejadas, etc.

PL: Algumas das estatísticas do garoto-propaganda para IA e Big Data simplesmente exigem atenção. Recentemente, a Siemens automatizou uma de suas fábricas na Alemanha, com 75% dos processos digitalizados ou com maior automação. A produtividade melhorou em 1.400%. Isso é uma mudança de jogo para qualquer negócio. Isso significa que muitos fabricantes estão agora analisando como eles conectam IA e Big Data em seus planos para o futuro.

Qual ​​é a melhor estratégia para os fabricantes que se esforçam para perceber o valor da IA ​​e do Big Data em suas operações?

CVH: Os engenheiros de processo têm experiência de domínio excepcional para montar modelos de processo – ou Process Digital Twins – e ser capazes de interpretar os modelos. Essa é a base para melhorar a vantagem competitiva e o sucesso com a análise. Para impulsionar a análise e melhorar os processos, os fabricantes devem montar uma estratégia que possa alinhar o conhecimento do domínio a cinco recursos:Análise - a identificação automática da causa raiz acelera a melhoria contínua; Monitoramento – avisos antecipados reduzem o tempo de inatividade e o desperdício; Previsão – ações proativas melhoram a qualidade, estabilidade e confiabilidade; Simulação – simulações hipotéticas aceleram decisões precisas a um custo menor; e Otimização – os pontos de ajuste ideais do processo melhoram o rendimento com qualidade aceitável em até 10 por cento.

Todos os engenheiros de processo podem e precisam desenvolver recursos em análise e aprendizado de máquina para se manterem competitivos. Com o tempo, os engenheiros podem ir de pequenos projetos a pilotos e otimização de várias plantas com aplicação profunda de análises. Sua profunda experiência de domínio fornece uma base para processos de modelagem e desenvolvimento de análises que mudam o jogo em aplicativos muito específicos.

Mais importante ainda, comece com a análise. “Trystorm” alguns projetos; coloque suas ideias intuitivas à prova e coloque dados e análises por trás delas. Não espere para se tornar um especialista em ciência de dados. Isso não é necessário. Aproveite as ferramentas de análise industrial comprovadas e fáceis de usar, alimentadas com sua experiência no domínio. Isso vai gerar grandes melhorias rapidamente.

PL: As empresas - incluindo fabricantes - tendem a avaliar projetos digitais com foco no cliente, na cadeia de suprimentos, na eficiência interna ou nas pessoas - esses são os quatro principais impulsionadores de qualquer incursão no digital. Estes são muitas vezes orgânicos e surgem de uma atitude contínua de “como podemos fazer melhor”. Isso foi acelerado por preocupações com a concorrência, pois as empresas agora têm medo de serem deixadas para trás da concorrência e de entrantes disruptivos. Há um medo palpável de ser digitalmente relevante e isso está promovendo muito investimento.

No entanto, vale a pena notar que muitos fabricantes já investiram pesadamente em tecnologia (mesmo antes de o COVID forçar uma mudança para a digitalização), então o primeiro ponto de definição é alinhar IA e Big Data à tecnologia existente. Quando as empresas avaliam sua tecnologia em uso hoje, elas precisam ter em mente não apenas uma perspectiva de curto prazo de como a tecnologia lidará com os processos atuais, mas também fornecerá uma plataforma para o futuro? Esta última perspectiva é construída sobre dados. Ambos os elementos são igualmente importantes, mas a segunda “perspectiva de plataforma” exige big data. Não é mais suficiente escolher uma plataforma que apenas suporte/ajuste os processos em andamento – deve haver recursos futuros integrados.

Há, então, a necessidade de garantir que essa tecnologia seja implantada da melhor maneira possível. Isso exige um cenário de aplicativos aberto e baseado em nuvem para que uma empresa possa aproveitar novas oportunidades, como Big Data ou IA, sem ter que passar por uma integração complicada e um processo parafusado. Isso torna a organização mais ágil, focando na aplicação criativa da tecnologia às necessidades do negócio, como identificar novas oportunidades de receita.

Quais são os desafios quando se trata de adotar a IA e a análise de Big Data nas operações de fabricação?

CVH: Os fabricantes são desafiados a reduzir desperdícios, custos e riscos enquanto atendem à demanda dos clientes. A combinação de IA e dados fornece aceleração da digitalização por meio de soluções baseadas em análise que capacitam os funcionários com dados em contexto para que pessoas, ativos e processos trabalhem juntos com eficiência.

Outro desafio para as empresas está apenas começando. Eles querem aprender mais sobre como usar a análise em suas operações, mas não veem isso como um trabalho para sua força de trabalho atual. Felizmente, as soluções de IA industrial podem ajudar e não exigir que os engenheiros de processo sejam cientistas de dados.

MP: O principal desafio na adoção da IA ​​se resume à capacidade dos fabricantes de estabelecer alinhamento em toda a organização em algumas das áreas de alto valor nas quais a IA causará impacto. Por exemplo, usando aprendizado de máquina e visão computacional para prever e identificar falhas em equipamentos antes que ocorram, reduzindo assim o tempo de inatividade da produção e diminuindo os custos de manutenção. Outro desafio é estabelecer uma cultura de infundir a IA em seus processos por meio de uma cultura de teste e aprendizado.

Por muito tempo, as organizações falaram sobre se tornarem “orientadas por dados” e isso geralmente não funcionou tão bem quanto se esperava. Os fabricantes precisam adotar uma abordagem diferente que começa com a compreensão de onde o valor pode ser gerado a partir de novos insights e, em seguida, se concentra nos dados necessários para gerar os insights que podem gerar valor comercial. As organizações precisam se tornar "orientadas por insights e habilitadas para dados" e não simplesmente "orientadas por dados" - só assim elas realmente aproveitarão o poder da IA ​​e do big data.

PL: É tudo sobre como as atitudes em relação aos dados mudaram. Anteriormente, era visto como um mal necessário, mas agora é o ativo número um em um negócio. Normalmente, isso gera uma obsessão por rótulos de big data, mas é o que você faz com os dados que importa – usar recursos como IA / BI / IoT etc. para transformar esses dados em um ativo verdadeiramente valioso. A indústria automotiva é o principal exemplo – usando e vendendo os dados produzidos por um carro. Curiosamente, agora quase tomamos a 'nuvem' como garantida - se tivéssemos respondido a essa pergunta 24 meses atrás, a nuvem teria sido a primeira consideração, mas agora é a aposta da mesa. Não é mais se uma empresa vai para a nuvem, mas mais uma questão de que tipo de nuvem/nuvem usa? – Fomos muito além da conversa sobre infraestrutura – o como e o quê – e o porquê uma empresa procura adotar o digital.

A inteligência artificial (IA) e o Big Data estão impulsionando a quarta revolução industrial (Indústria 4.0)?

CVH:  A combinação de IA industrial e dados produz o que chamamos de Process Digital Twin, que ajuda os fabricantes a solucionar rapidamente problemas de desempenho do processo de fabricação contínua, discreta ou em lote, extraindo informações a partir de dados de produção e sensores disponíveis. Essa tecnologia, que utiliza análises preditivas, permite que os usuários analisem cenários operacionais, qualificando o impacto que as mudanças operacionais terão nas principais métricas de desempenho e identificando as causas da variação de desempenho. Os Gêmeos Digitais inspiram a melhoria contínua, um objetivo fundamental do futuro do setor, analisando dados históricos e em tempo real para avançar rapidamente.

PL:  Vemos aumentos diários nos usos de IA/ML – otimização de estoque, manutenção, processos financeiros mais rápidos são áreas-chave que vemos surgir muitas vezes. Para que isso continue e o retorno do investimento continue, a IA precisa estar conectada e pronta para ser usada com outros sistemas, em vez de um parafuso, ou as empresas enfrentam um projeto de integração pesado e caro. Em termos da próxima tecnologia específica, isso realmente depende da maturidade da empresa ou projeto individual – as empresas estão apenas chegando ao ponto de um tecido digital, em vez de um monte de projetos digitais. O trabalho prescritivo, impulsionado pela IA e alimentado por grandes quantidades de dados de sensores, é uma grande promessa para os mercados B2B/industriais e vemos alguns lançamentos iniciais muito encorajadores na manutenção de ativos e serviço de campo.