Gebhardt Integra AIoT e Análise de Edge para Harmonia Operacional Perfeita

IoT e IA são tendências tecnológicas separadas que estão fazendo ondas na indústria. O IoT pode conectar dispositivos juntos, dando e recebendo sinais como um sistema nervoso. Em contraste, a IA pode atuar como um cérebro, usando dados para tomar decisões informadas que controlam o sistema geral. Quando unidos, os dois são capazes de entregar sistemas inteligentes e conectados que podem se auto-corrigir e se auto-curar — formando o que denominamos Inteligência Artificial das Coisas (AIoT).

Tecnologias IoT convencionais como computação em nuvem e comunicação máquina-a-máquina (M2M) permitiram que fabricantes completassem três tarefas-chave: conectar máquinas, armazenar dados e tornar esses dados significativos. Agora, com a introdução do AIoT, eles podem se beneficiar de uma quarta capacidade — a de agir.

No entanto, para tornar o AIoT viável, fabricantes precisam de um sistema de gestão de dados que suporte tomada de decisão rápida. Embora armazenamento em nuvem seja possível, analisar dados mais próximo de sua fonte — na edge — leva o AIoT ao próximo nível.

Produção Simplificada

Para desbloquear o poder da IA, decisões precisam ser tomadas com a menor latência possível. Se o sistema de IA recebe um alerta de que há uma falha na máquina, ou a velocidade ou padrão de movimento de uma máquina deve ser alterado para operações mais produtivas, ele pode agir sobre esses insights imediatamente e interromper ou alterar a produção. Integrando o sistema de IA na edge, em vez da nuvem, fabricantes podem desbloquear o valor de latência ultra-baixa, permitindo que máquinas sejam desligadas o mais rápido possível e menos produtos sejam danificados ou defeituosos.

Para integrar AIoT na edge, líderes da indústria devem primeiro construir um modelo de IA offline. Eles devem então treinar o modelo usando conjuntos de dados armazenados anteriormente até que atenda aos requisitos antes de exportá-lo e aplicá-lo online com novos dados ao vivo.

No entanto, aplicar o modelo a dados em tempo real em um cenário online é muito diferente de testá-lo em dados armazenados que já foram classificados na fase de treinamento. Dados em tempo real não foram filtrados ou categorizados, e cada conjunto pode chegar em momentos diferentes, criando um caos de informações para o AIoT.

Entram as Análises de Edge

Para dar sentido aos dados, eles devem ser processados antes de poderem ser usados pelo AIoT. É aí que entram as análises de edge. Como exemplo, a plataforma Crosser é uma plataforma de software low-code para análises de streaming, automação e integração para qualquer edge, on-premise ou nuvem. O objetivo é remover complexidade, simplificar desenvolvimento e permitir que não programadores inovem mais rápido com um custo total de propriedade dramaticamente menor.

Um sistema como a plataforma Crosser pode ajudar a preparar os dados de várias maneiras antes que cheguem ao AIoT. Por exemplo, pode harmonizar dados da ampla variedade de máquinas no chão de fábrica, que podem estar em formatos diferentes pois vieram de múltiplas fontes.

Dados de diferentes fontes e formatos são agregados pela plataforma em intervalos regulares. Além disso, se as fontes de dados têm taxas de amostragem diferentes, a plataforma pode preencher valores intermediários para que os modelos possam ser atualizados com novos dados de todos os sensores em cada atualização. Também pode criar diferentes tipos de janelas sobre dados de séries temporais.

A plataforma também pode ser usada para extração de características. Dependendo do modelo sendo usado, características adicionais podem precisar ser criadas a partir dos dados brutos. Isso poderia ser, por exemplo, pegar dados de vibração e convertê-los do domínio do tempo para o domínio da frequência. Todos esses passos simplificam os dados antes que cheguem ao AIoT.

O Exemplo da Gebhardt

É assim que a plataforma da Crosser permitiu que a fabricante de soluções de automação de armazém Gebhardt Intralogistics Group, Sinsheim, Alemanha, implementasse uma estratégia AIoT. A Gebhardt produz shuttles inteligentes para mover contêineres rapidamente por um armazém. Estava procurando uma solução de detecção de anomalias para identificar falhas operacionais causadas por vibrações no shuttle para minimizar custos de manutenção.

Usando o Flow Studio da Crosser, a Gebhardt foi capaz de processar, harmonizar e filtrar dados em tempo real na edge e então usar IA para aprender com os dados coletados a fim de implementar manutenção preditiva para maior disponibilidade de máquina e vida útil estendida de ativos.

É verdade que a inteligência de máquina tem grande poder, mas outras tecnologias de suporte podem ajudar a descobrir seu potencial total. Líderes da indústria que integram o AIoT na edge podem colher os benefícios de um sistema de controle eficiente e reativo — otimizando processos, rápido.