Automação e Indústria 4.0: como separar os bons sinais dos ruídos com a nuvem híbrida
Por Felippe Melo, vice-presidente de tecnologia da IBM Brasil
A inteligência artificial (IA) atingiu um nível
de maturidade em que é possível alcançar muito mais automação do que temos
atualmente. A IA já pode discernir, por exemplo, quando um comércio varejista
precisa fazer um novo pedido e o que solicitar. Também tem a capacidade de
alocar um orçamento otimizado para reparos de linhas de energia ou despesas de
publicidade. E uma IA responsável é capaz ainda de dar "explicações",
ajudando o usuário a entender por que o sistema tomou determinada decisão.
O desafio, no entanto, ainda é construir um
modelo de IA robusto o suficiente para atingir essas capacidades em escala. Por exemplo:
para treinar um modelo que seja capaz de decidir como enviar determinada
encomenda de São Paulo a Salvador, é necessário fornecer um grande volume de
dados sobre tempos de viagem, a carga, o clima, a disponibilidade de
transporte, além de especificidades críticas para o cliente. Coletar todos
esses dados é muito fácil através de RFID e até mesmo telefones celulares podem
fazer isso, mas como separar o que é um sinal bom e útil do que é apenas um
ruído? Conforme a implementação da IoT se torna mais robusta e incorpora dados
visuais ou de imagem, ela gera um volume tão grande que a rede pode entrar em
colapso ao tentar capturar todos os dados. A solução está em ser capaz de
integrar a IA com antecedência suficiente nesse processo para que os modelos
possam determinar autonomamente o que é sinal e o que é ruído.
Em outras palavras, implementar automação em
grande escala para aplicação em contextos mais complexos que geralmente
envolvem intervenção humana é mais um problema de computação do que de IA.
Quando a IA é aplicada onde os dados são coletados, o número de locais
diferentes em que é necessário gerenciar aumenta drasticamente a necessidade de
infraestrutura. Alguns modelos serão executados em dispositivos e beacons, que
podem estar em telefones celulares ou em uma nuvem pública. Alguns dados serão
marcados como potencialmente notáveis e enviados a um hub central ou
analisados em um ambiente local. Nesse contexto, a nuvem híbrida oferece uma
maneira comum de gerenciar tudo em ambientes diferentes, e isso significa que é
possível fazer muito mais automação.
Em um contexto como o de gerenciamento de ativos,
a capacidade de reunir esse tipo de dados e de analisá-los de forma que faça
sentido ao usuário torna-se particularmente poderosa. Para manter a
infraestrutura crítica - desde usinas, barragens de energia até reatores
nucleares -, inúmeras entradas de dados precisam ser rastreadas, desde a
condição das linhas de energia, conexões e refrigeração até a inspeção mais
recente de cada elevador.
Integrar a automação nesse contexto requer toda a
gama de tecnologias que compõem a Indústria 4.0, desde dispositivos de edge
habilitados para IA, que podem coletar informações e analisar no local, até
análises avançadas capazes de entender o quadro geral. Quando podemos reunir
todas essas informações onde e quando precisarmos, e executar qualquer software
ou modelo que quisermos, a difícil tarefa de inspecionar, manter e melhorar
esses ativos se torna muito mais gerenciável. Podemos usar IA para avaliar a saúde
e a segurança de um ativo e até automatizar o processo de tomada de decisão
para determinar se algo precisa ser consertado.
.jpg)
.jpg)
Nenhum comentário