30 INTELIGÊNCIA ARTIFICIAL sensores nos processos, instalar uma infraestrutura que permita a recolha e armazenamento de dados]. Salvo poucas exceções, como as indústrias automóvel ou de semicondutores, a maioria das indústrias em Portugal ou no resto da Europa não estão digitalizadas. Quando uma maior porção da indústria o estiver, a aplicação de IA vai naturalmente acelerar”. E vai no bom caminho, “as plataformas de hardware e software estão mais poderosas, conferindo maior poder de computação e transmissão de dados, o que permite uma rápida análise de grandes volumes de informação gerados numa fábrica, para identificar tendências e padrões que podem ser utilizados para tornar, por exemplo, os processos de produção mais eficientes ou reduzir o consumo de energia”, explica João Queiroz, coordenador digital enterprise na Siemens Digital Industries. PARA QUE SERVE A IA Quando democratizadas, as ferramentas e soluções desenvolvidas no campo da IA trarão oportunidades de produção flexível e eficiente, mesmo em produtos pequenos, complexos, personalizados ou em pequenos lotes, exemplifica João Queiroz. Acrescenta que se poderão criar competências para a tomada de decisão automatizada. Na prática “reduz o tempo total de produção, as paragens para manutenção e o tempo de colocação de novos produtos no mercado”, explica o responsável da Siemens. Daniel Pina explica que há aplicações já com alguma adoção como a utilização de IA com vídeo para deteção de defeitos à saída da produção, além de se começarem a ver soluções de manutenção preditiva. O responsável da INEGI chama a atenção para uma questão de fundo: os desafios na aplicação [de IA] vão depender da tecnologia. “Para conseguirmos usar IA na otimização de produção e manutenção preditiva, precisamos de primeiro guardar uma grande quantidade de dados. Significa que, à partida, só conseguimos aplicar a linhas de produção com uma cadência alta e depois de estas já estarem digitalizadas”. Além de otimizar processos em ferramentas e máquinas, pode usar-se a IA para proporcionar melhor informação aos trabalhadores. “Por exemplo, podemos treinar um Chatbot LLM (como o ChatGPT) para aprender um manual de instruções de utilização de uma máquina ou de um processo industrial. Isto permitirá ao trabalhador fazer perguntas, em linguagem natural, sobre o conteúdo do manual, as quais serão respondidas pelo Chatbot”, diz Daniel Pina. Na prática “isto poderá reduzir o tempo de treino dos trabalhadores e acelerar a sua requalificação”. CASOS DE APLICAÇÃO DE IA NA INDÚSTRIA O INEGI tem em curso, “na área de processo da metalomecânica, o desenvolvimento de sistemas de IA para otimização de corte e soldadura laser e para fabrico aditivo em metal via DED (Direct Energy Deposition)”, diz Daniel Pina. Está também “a recorrer à captura de imagens/vídeo de ambos os processos para treinar uma IA, que depois poderá prever o comportamento do processo de acordo com leituras e alterações de parâmetros em tempo real”. Na Bosch já são poucos os produtos produzidos sem recurso a uma qualquer forma de IA. Tiago Sacchetti fala de “algoritmos utilizados frequentemente na indústria, como por exemplo, a definição da posição de embalagens com diferentes dimensões numa galera de um camião”. Tiago Sacchetti explica que “a identificação do gargalo (bottleneck) mais frequente numa linha de montagem é um bom exemplo da aplicação de IA na indústria metalomecânica que permite a alocação de recursos no posto de trabalho que trará maior benefício. É uma forma de melhorar a eficiência dos processos e das equipas de suporte indiretas”. Já João Queiroz, da Siemens, assinala que a IA permite fazer “a análise de qualidade da pré-forma de garrafas, analisando desvios para detetar precocemente perdas de qualidade e indicando medidas de correção, evitado desperdício de material, tempo e energia”. É possível a “redução dos consumos de energia através da aplicação de IA à análise contínua e cruzada dos consumos, dos processos e da produção, aferindo a relação entre os custos globais de produção e os diferentes interlocutores responsáveis pela produção de cada produto final”, disse João Queiroz. Para serem soluções vantajosas, são necessárias “equipas qualificadas e competentes para elaborar os algoritmos e modelos de aprendizagem adaptados a cada processo, bem como um grande volume e qualidade de dados para a análise inicial dos padrões do processo”. O lugar do ser humano está, pelo menos para já, longe de ser ocupado pelas máquinas. n Um Chatbot pode aprender um manual de instruções de uma máquina. Ao trabalhador caberá fazer perguntas em linguagem natural para obter as respostas
RkJQdWJsaXNoZXIy Njg1MjYx