Por Adalberto Rezende, da redação da MM

 

 

Como implementar sistemas de machine learning no chão de fábrica e como usar inteligência artificial na prática? Essas são algumas das principais dúvidas de profissionais do setor de manufatura que pretendem modernizar seus parques fabris de acordo com os conceitos da indústria 4.0. Isso inclui fabricantes de máquinas e equipamentos para usinagem, além de prestadores de serviços para esta área.

 

Neste sentido, as recomendações para a implantação de machine learning abrangem planejamento e submissão de lotes específicos a ensaios, o que pode ser feito usando peças e/ou componentes que apresentem anomalias. Dessa forma, sistemas de inteligência artificial podem aprender a distinguir produtos com boa qualidade daqueles defeituosos.

 

 

Um exemplo disso vem do segmento de fixadores industriais. Leandro Lopes, CEO da Latam Fastener Solutions, empresa que comercializa equipamentos automáticos de inspeção e seleção de produtos para fixação com sede em São Paulo (SP), comentou que a companhia utilizou parafusos e anéis retentores que apresentaram trincas ou imperfeições superficiais para ensinar os seus sistemas de machine learning a reprovar peças desse tipo.

 

Ainda sobre este assunto, o executivo salientou que “foi necessário submeter um grande número de peças ruins à avaliação de nossos sistemas de inteligência artificial para que o processo de inspeção se tornasse eficiente”. Ele complementou sugerindo que as empresas interessadas em implementar machine learning em suas linhas de produção priorizem projetos que possibilitem a customização de processos produtivos, tendo em vista as necessidades específicas de cada setor e a adoção de procedimentos que promovam a continuidade da aprendizagem no que se refere ao uso de inteligência artificial e manufatura inteligente.

 

“Limpeza” de dados é fundamental

 

A aquisição e o processamento eficiente de uma grande massa de dados provenientes do chão de fábrica também deve ser considerada pelas equipes que estão iniciando a implementação de machine learning em fábricas. No entanto, é recomendável que o planejamento neste sentido inclua uma “limpeza” de dados, ou seja, a seleção de informações que possam ser úteis para a resolução de problemas específicos.

 

Em outras palavras, isso significa otimizar a utilização de dados provenientes de linhas de produção, conforme foi exemplificado por Guilherme Cittolin e Daniel Michalichyn, co-fundador e Head de desenvolvimento, respectivamente, da ST-One, companhia especializada em sistemas inteligentes indicados para a indústria de manufatura situada em Curitiba (PR). 

 

A submissão de peças e/ou componentes defeituosos ao tryout de processos que envolvam inteligência artificial também é uma das recomendações dos especialistas. Mas, ainda de acordo com eles, é necessário “tomar cuidado para não ser movido pelo “hype” de querer participar dessa onda de indústria 4.0, de estar conectado, de se modernizar, pois isso pode induzir ao erro”.

 

Isso quer dizer que, antes do entusiasmo diante da possibilidade de se aproximar da indústria 4.0, é importante analisar quais demandas devem ser atendidas e quais sistemas e processos serão realmente úteis para o bom andamento da produção. Sem esquecer do investimento necessário à implementação de machine learning.

 

 

Imagem: Freepik

 

 

Leia também:

 

Máquinas multitarefa, automação e conectividade na IMTS

 

Espaço on-line está aberto para testes gratuitos

 

#MachineLearning #LatamFastenerSolutions #ST-One #MM

Chão de fábrica Indústria 4.0 Tecnologia

---