36 TRANSFORMAÇÃO DIGITAL a partir do planeamento do programa de produção. As necessidades secundárias são tanto as matérias-primas quanto as peças e conjuntos para a produção de produtos acabados. Após calcular as necessidades brutas e líquidas, considerando os stocks planeados e reais, é atribuído o tipo de fornecimento. O resultado dessa atribuição é uma proposta de fornecimento externo e/ou produção interna. A procura pode ser determinada através de vários métodos. Estes métodos incluem a estimativa determinística da procura, métodos heurísticos e métodos estocásticos. A previsão determinística é adequada para ambientes de produção estáveis e previsíveis, onde existe pouca incerteza. Os métodos heurísticos, baseados na experiência e na estimativa, são úteis quando os dados são limitados ou são necessárias decisões rápidas. As técnicas estocásticas utilizam modelos estatísticos e distribuições de probabilidade para prever a procura. As previsões baseiam- -se em dados históricos e em modelos matemáticos que estimam a procura futura com base em probabilidades e tendências. As técnicas estocásticas são úteis quando a procura é imprevisível ou altamente volátil. Um grande desafio na aplicação de métodos estocásticos é a modelação de relações estocásticas. Na realidade, as relações estocásticas podem ser muito complexas. Podem estar envolvidas várias variáveis e fatores que interagem e se influenciam mutuamente. A modelação de relações tão complexas exige, portanto, um grande esforço. A aplicação de métodos de IA pode resolver este problema. Uma das principais vantagens é o facto de os métodos de IA poderem analisar grandes quantidades de dados e identificar padrões, tendências e relações que podem não ser evidentes para os analistas humanos. Utilizando algoritmos avançados de aprendizagem automática, a IA pode extrair elementos (características) relevantes dos dados e incorporá-los na modelação. Isto ajuda a criar modelos mais precisos, melhorando a exatidão da previsão da procura e aumentando a eficiência do PPP. CONTROLO DA PRODUÇÃO COM A AJUDA DE AGENTES INTELIGENTES O controlo da produção é responsável pelo envio das ordens de produção e pelo seu controlo durante o processo de produção. O principal objetivo é concluir o processamento das ordens de produção de acordo com o plano de produção existente, tendo em conta quaisquer alterações devidas a ajustes. Para atingir este objetivo, as ordens devem ser expedidas de acordo com uma lógica uniforme e colocadas numa sequência com sentido.Neste processo, além dos fatores de produção, económicos e logísticos, é essencial ter em conta os fatores ambientais, já que estes podem representar verdadeiros desafios para as empresas e, inclusive, condicionar a sua sobrevivência a longo prazo. A IA oferece uma variedade de métodos que têm o potencial de abordar a complexidade acima descrita. Os métodos de controlo da produção estabelecidos baseiam-se frequentemente em conhecimentos especializados, heurísticas ou modelos de investigação operacional. Uma vantagem dos novos métodos de IA reside na consideração simultânea de um grande número de características com grandes conjuntos de dados. Para além do princípio GIGO explicado acima, deve notar-se que os dados de feedback e, especialmente, o número de pontos de medição de dados têm um impacto significativo na precisão dos resultados da análise de IA. No decurso da Indústria 4.0 e dos desenvolvimentos tecnológicos associados, como a identificação por radiofrequência (RFID), foi criada uma base essencial para a recolha de dados com uma boa relação custo-eficácia e, por conseguinte, para as aplicações de IA. A utilização da aprendizagem por reforço é uma dessas abordagens inovadoras para lidar com a complexidade do processo de controlo da produção. Trata-se de uma técnica de aprendizagem automática em que um agente inteligente aprende a tomar decisões sequenciais através de interações. Com a ajuda de Q-learning ou de gradientes de política, o agente pode ser treinado para o controlo holístico da autoprodução, tendo em conta as restrições existentes e novas (económicas, logísticas, ambientais). As primeiras análises mostram que estas novas abordagens podem satisfazer melhor os requisitos do que as normas industriais estabelecidas, melhorando assim o desempenho logístico do controlo da produção. n
RkJQdWJsaXNoZXIy Njg1MjYx