Com o início do “desconfinamento”, a reabertura das empresas fabris e a entrada faseada em produção, esta é também uma altura importante para pensarmos em como tornar as nossas empresas mais eficientes e em alavancar investimentos efetuados anteriormente. Numa fase em que ainda não estamos a produzir a 100%, a ideia é aproveitar os recursos existentes para investirmos na otimização dos processos de fabrico e aumento de eficiência das nossas empresas.

E a pergunta passa a ser: de que forma é que os sistemas de IoT (ou sensores…) implementados nas nossas empresas (ou máquinas…) e que permitem a recolha duma grande quantidade de dados, irão permitir a sua transformação em informação e factos, que possam servir de base às nossas decisões?

É aqui que entra o conceito de AIoT (Artificial Inteligence of Things): uma combinação de processos de Analítica e Inteligência Artificial aplicados aos dados recolhidos por IoT, por forma a transformá-los em informação, que sirva de base à tomada de decisões sustentadas. Surpreendentemente, no final de 2018, cerca de 20% de todos os dados recolhidos em sistemas IoT por empresas europeias não eram utilizados para se extrair valor. Ou seja, não eram transformados em “insights” que permitissem tomar as ações adequadas.

Esta é também uma situação que temos encontrado de forma frequente em ambientes industriais: máquinas de produção modernas e com grande recolha de dados de sensores, mas que depois ficam retidos nessas máquinas sem serem aproveitados.

Neste sentido, a IDC levou a cabo um estudo em colaboração com o SAS , a Intel e a Deloitte, em que entrevistou mais de 450 líderes de negócio, para perceber qual o estado de maturidade das empresas na adoção de AIoT: How IoT Leaders are Breaking Away*.

Assim, mais de 90% das empresas que têm implementado amplamente processos de Inteligência Artificial aplicada aos dados recolhidos por sensores e dispositivos IoT, reportaram um grande aumento de valor em relação àquilo que eram as suas expectativas. Na realidade, empresas que implementaram processos conjuntos de IA e IoT reportaram um aumento de competitividade de mais de 40% em relação a empresas que apenas implementaram processos de IoT sem IA (figura seguinte), em âmbitos tão diferentes como o aumento de velocidade de operações, o aumento da produtividade dos empregados ou a redução de custos/despesas!

Gap in Competitiveness Between AIoT and IoT

O que significa então a utilização de IA sobre dados recolhidos por processos de IoT?
Significa, por exemplo, numa empresa onde o SAS está a implementar processos de IA, conseguir analisar os dados dos 600 sensores de todas as máquinas das linhas de produção, juntar os dados de produção, tipicamente recolhidos de sistemas MES (Manufacturing Execution System), aos dados de laboratório provenientes dos sistemas LIMS (Laboratory Information Management System), assim como a informação de encomenda e logística fornecida pelo sistema de ERP (Enterprise Resource Planning).

Com base nestes conjuntos de dados díspares de diferentes fontes, e através de processos de analítica e IA, conseguem-se estabelecer correlações para que todos estes dados possam ser transformados em informação e “insights” que permitam definir e implementar ações de melhoria!

E que “insights” são esses? Numa primeira fase, trata-se de conhecer melhor o meu sistema fabril duma forma holística: passar do conhecimento individual de cada máquina duma linha de produção para o conhecimento de como estas máquinas interagem entre si dentro deste sistema. Adicionando a informação de produção e laboratório, importa depois analisar qual a causa raiz dos defeitos que possam ocorrer durante a produção. E tornar esta informação disponível em tempo real para que decisões imediatas de redução de defeitos possam ser tomadas. Reduzimos neste caso os custos associados ao desperdício ou reparação.

Se a estes dados, juntarmos os detalhes de intervenção e reparação das máquinas, será possível começar então a prever quando e em que condições essas máquinas irão avariar. Reduzimos neste caso os custos de paragens não programadas das nossas linhas de produção.

E finalmente, juntando informação que venha dos meus sistemas de ERP e logística, será possível pensar-se em modelos matemáticos que permitam a otimização do funcionamento de todo o ecossistema que é uma unidade de produção fabril. E neste caso reduzimos custos de planeamentos menos felizes e o time-to-market dos nossos produtos.

Este facto é demonstrado na figura abaixo, onde o estudo demonstrou quais as áreas mais utilizadas pela IA quando aplicada a sistemas de IoT:

Most Common Analysis Techniques Used with IoT Data

Conclusões: enquanto soluções de IoT permitem um aumento da competitividade duma empresa, o real valor dos dados recolhidos apenas emerge quando os juntamos com outras fontes de dados operacionais e se aplicam processos de Analítica e Inteligência Artificial! Estes processos irão permitir a recolha de “insights” em tempo real que podem levar à tomada de decisões e ações imediatas.

A nossa experiência, e conforme o estudo demonstra, é que as empresas mais ágeis já estão a fazê-lo, tendo encontrado um modelo de retorno do investimento que rapidamente lhes permite rentabilizar esse mesmo investimento!

O estudo disponível para download gratuito aqui.

Pedro Chaves
Senior Business Development Manager at SAS Portugal

 

 

Artigo originalmente publicado na Revista Indústria, número 123.