O Uso de Dados na Indústria 4.0
por Renato Azevedo Sant Anna - Consultor de Transformação Digital & Insights | Parceiro Regional e Mentor na FasterCapital
As organizações industriais têm visto o volume de dados gerados no processo produtivo e posteriormente pelos produtos que são produzidos crescer a cada dia devido à coleta de informações do ambiente por meio de sensores que são incorporados a fim de diagnosticar possíveis erros e as condições atuais de operação e a fim de promover a manutenção preventiva e preditiva.
Por exemplo: um carro moderno é um verdadeiro computador sobre rodas, com alguns modelos mais avançados tendo a função de direção assistida, ou seja, semiautônomo, realizando funções de estacionamento e detecção de colisão, são dotados de diversos sensores que geram tal volume informações a cada momento, que ao final do dia podem atingir a ordem de várias centenas de megabytes.
A questão é decidir se esses dados serão armazenados para análise posterior ou não, o que, se a resposta for positiva, exigiria a coleta, processamento e posterior envio dessas informações para que possam ser agregadas de forma a permitir a identificação de padrões nos dados para eventuais detecções de anomalias.
Essas informações, quando analisadas com avançados sistemas analíticos de Inteligência Artificial, permitem a geração de insights e subsidiam o processo de tomada de decisão de forma baseada em dados, fornecendo recomendações que uma vez implementadas são capazes de proporcionar melhorias de processo, que além de melhorar o resultados alcançados, proporcionam mais eficiência e redução de custos.
Diferentemente dos dados que permeiam a Internet, os dados dos sistemas industriais tendem a ser estruturados, ou seja, seguem uma regra pré-estabelecida que permite seu tratamento sem grandes alterações por sistemas analíticos avançados de forma mais fácil. Com exceções para sistemas industriais que por exemplo fazem uso de visão computacional e, portanto, precisam lidar com dados provenientes de sensores que captam imagens de objetos reais e pessoas e que devido à dinâmica caótica da realidade podem ter grande variabilidade, apresentando-se com formas irregulares e complexas.
3 V's de Big Data aplicados à indústria
O conceito inicial aplicado ao Big Data dos 3V's aplica-se aos dados gerados pelas máquinas utilizadas nos parques industriais modernos, uma vez que existem cada vez mais sensores e sistemas digitais embarcados com os seus respectivos logs em toda a sua diversidade.
O primeiro componente dos 3Vs do Big Data na indústria, é sobre volume, para designar o grande aumento na quantidade de dados gerados que tem crescido exponencialmente, sendo o segundo componente a variabilidade, visto que existem fontes de dados geradas por várias fontes diferentes e cada um utilizando padrões próprios muitas vezes, o que aumenta a dificuldade no processamento desses dados, e por último o fator de velocidade, que máquinas em produção geram dados em tempo real que precisam ter um tratamento especial no seu monitoramento, para que possa ocorrer o adequado processamento para extrair o valor dos dados.
Com a introdução de sistemas digitais como PLCs (controladores lógicos programáveis) e sistemas SCADA (sistemas de controle de supervisão e aquisição de dados) nas indústrias, para a medição e controle de processos industriais com seus diversos sensores e atuadores que compõem o ecossistema da cadeia de valor, a expressão que “o dado é o óleo novo” passou a fazer muito sentido, pois passou a ser possível ter uma série de indicadores que permitem uma tomada de decisão mais informada sobre a produção e todos os maquinários que ela suporta, que serão necessários para atender a demanda que também varia, em função da sazonalidade de várias regiões com seus respectivos mercados consumidores.
Bem como, cada vez mais, os próprios produtos fabricados, quando equipados com sistemas digitais embarcados, como no exemplo citado acima de veículos que possuem um elevado componente tecnológico, com sensores que captam informações em forma de registros com carimbo de data e hora e que até permitem suporte remoto do fabricante para diagnóstico de erros na forma de relatórios.
Indústria 4.0 e o conceito de “Fábrica Inteligente”
O grande fator que tornou viável a chamada “Indústria 4.0” foi o custo acessível de tecnologias que antes eram restritas apenas aos grandes conglomerados industriais devido ao seu alto custo até então.
O avanço da tecnologia tem a característica de que, uma vez coberto o seu custo de P&D (Pesquisa & Desenvolvimento), e dado o aumento da escala de sua adoção, haja uma diminuição do seu custo unitário, o que acaba permitindo a massificação do seu uso.
Mais recentemente, surgiu o conceito de “Smart Factory” que designa precisamente a utilização de dados para a gestão de toda a cadeia de valor, aproveitando a interoperabilidade e integração de diferentes sistemas, IIoT, visão computacional e Inteligência Artificial, de forma otimizada para maximizar os resultados da unidade fabril, com maior visibilidade da operação para tomada de decisão em tempo quase real, abrangendo toda a cadeia de suprimentos e a logística necessária para atender os pedidos que entram em produção.
A disponibilização de reais “cockpits” de tomada de decisão através de sistemas em nuvem, onde através do acesso web, é possível acessar painéis com dashboards contendo informações sobre diversos indicadores do setor, permitindo um incrível ganho de agilidade nas operações industriais de forma a se adaptar às mudanças que se apresentam em todos sua complexidade.
Dentro de uma “Fábrica Inteligente”, cada nova solicitação de pedido que entra em produção requer que toda a cadeia de eventos seja reprocessada a fim de se adaptar e sincronizar todas as etapas da cadeia de abastecimento para atender a nova demanda no tempo esperado.
Em outras palavras, significa que “lotes” de pedidos quando entram em produção, cada um com suas características de customização, acionam um processo integrado de diferentes sistemas responsáveis pelos processos de planejamento e programação, que são ERP (Enterprise Resource Planning) e MES ( Sistemas de Execução de Fabricação), de forma a prover os recursos necessários para atender de forma adaptativa e dinâmica as solicitações de pedidos enfileiradas a serem executadas no menor tempo possível e buscando sempre otimizar a alocação de recursos para maximizar os resultados.
Governança de dados da indústria
E nessa complexa cadeia de eventos que são interdependentes, cada um com seu grau de importância e dependências, um erro em algum estágio de um processo tem o potencial de causar grandes problemas operacionais.
Por isso, para que tudo funcione de forma integrada, os diferentes sistemas devem ter os dados necessários validados, para que não ocorram erros durante a execução de um pedido de encomenda para entrar em produção, o que levaria à paralisação com o atraso de toda a produção, e causaria prejuízos para a organização.
Assim, o correto tratamento de toda esta informação em toda a sua variabilidade e complexidade, com a criação de políticas de Governança de Dados, valendo-se da padronização das técnicas de Qualidade de Dados e da formatação dos dados, é imprescindível para que esta informação possa ser considerada consistente para servir como entrada para o processo de fabricação e para o processo de tomada de decisão, a fim de extrair o valor na forma de insights acionáveis.
Por exemplo, em processos industriais críticos, onde eventuais falhas podem produzir resultados catastróficos, a segurança e a confiabilidade dos dados obtidos por telemetria são fatores determinantes para uma operação adequada e dentro de padrões operacionais seguros.
Assim, ser capaz de identificar possíveis riscos de forma preventiva, o uso de manutenção preditiva por meio de dados é vital para o sucesso da organização. Para além de permitir a gestão dos riscos da melhor forma possível, evita a potencial perda de vidas por eventual falta de manutenção.
Decisões baseadas em dados como uma vantagem competitiva
De acordo com um artigo da Harvard Business Review dos autores (McAfee, A. e Brynjolfsson, E.; 2012) sobre o tema “Big Data: The Management Revolution”, mostrou que as empresas que se classificaram como orientadas a dados tiveram um desempenho melhor em termos de resultados operacionais e financeiros, sendo respectivamente 5% mais produtiva e 6% mais lucrativa que seus concorrentes.
O mesmo artigo (McAfee, A. e Brynjolfsson, E.; 2012) ainda menciona de forma interessante que o papel de pessoas mais seniores, que têm conhecimento sobre o negócio, tende a mudar, tornando-se mais focado nas perguntas a serem feitas, para que os dados podem ser usados para mostrar as respostas mais adequadas, por meio de insights acionáveis.
Além disso, os dados são essenciais como entradas nos processos colaborativos de geração de ideias e prototipagem de novos produtos nos ciclos de experimentação das indústrias que usam dados como ativos intangíveis na cadeia de valor da organização para obter resultados escaláveis.
O avanço da presença de sistemas celulares móveis e pontos de acesso / roteadores Wifi em ambientes industriais também tem contribuído para o uso generalizado de dados como um diferencial competitivo para operações industriais, em um ecossistema complexo que se retroalimenta e que, ao fornecer um grau superior de consciência informacional permite maior visibilidade de todas as operações, permite maior agilidade nas decisões e responsividade nas ações a serem realizadas, reduzindo o chamado time to value, ou seja, o tempo necessário para a geração de valor, mesmo em ambientes de negócios complexos.
O desafio de obter insights acionáveis sobre os fluxos de dados gerados por todos os componentes da IIoT (Industrial Internet of Things), dos vários dispositivos de ponta que capturam dados por meio de sensores, é um dos fatores diferenciadores de desempenho ao longo do tempo, sendo fundamental o utilização de sistemas analíticos avançados de IA dentro de um ambiente seguro de Cloud Computing, uma vez que todas as informações são coletadas, para processar e por meio de análise, identificar padrões nos dados a fim de gerar recomendações para o negócio.
Obs .: Este artigo é uma versão traduzida para o inglês do meu artigo original de 2021 em português.
Referências
- Artigo: McAfee, A. e Brynjolfsson, E .; 2012; Big Data: The Managemente Revolution - Harvard Business Review; Outubro de 2012 - Link: Big Data: a revolução da gestão (hbr.org)
- Site: O que é fábrica inteligente? - Definição de WhatIs.com (techtarget.com)
Papéis:
- Miguel Oliveira, Daniel Afonso; 2019; Indústria com foco na coleta de dados: como a indústria 4.0 é tratada pelo big data. In Proceedings of 2019 2ª Conferência Internacional sobre Ciência de Dados e Tecnologia da Informação (DSIT'19). Seul, República da Coréia, 7 páginas. https://doi.org/10.1145/3352411.3352414 - Link: Indústria com foco na coleta de dados (acm.org)
- M. Berndtsson, D. Forsberg, D. Stein e T. Svahn, "Becoming a data-driven organization", na 26ª Conferência Europeia sobre Sistemas de Informação: Além da Digitalização - Facetas de Mudança Sócio-Técnica, ECIS 2018, 2018, doi : 10.1007 / 978-3-662-60304-8. Link: Tornando-se uma organização orientada a dados (diva-portal.org)
- Shuai Zhao, Piotr Dziurzanski, Michal Przewozniczek, Marcin Komarnicki e Leandro Soares Indrusiak. 2019. Otimização Distribuída Dinâmica baseada na nuvem de Planejamento e Programação Integrada de Processos em Fábricas Inteligentes. In Genetic and Evolutionary Computation Conference (GECCO '19), 13–17 de julho de 2019, Praga, República Tcheca. ACM, New York, NY, USA, 9 páginas. https: // doi. org / 10.1145 / 3321707.3321826 - Link: Otimização distribuída dinâmica baseada em nuvem de planejamento e programação de processos integrados em fábricas inteligentes (acm.org)
- KDD '15: Procedimentos da 21ª Conferência Internacional ACM SIGKDD sobre descoberta de conhecimento e mineração de dados - Agosto de 2015, páginas 2311–2312 https://doi.org/10.1145/2783258.2789994 - Link: Inovação de produtos baseada em dados | Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
- ICISS 2019: Procedimentos da 2ª Conferência Internacional sobre Ciência e Sistemas de Informação de 2019 - Março de 2019, páginas 93–98 https://doi.org/10.1145/3322645.3322667 - Link: Data Analytics e BI Framework baseado em Inteligência Coletiva e na Indústria 4.0 | Anais da 2ª Conferência Internacional sobre Ciência e Sistemas da Informação de 2019 (acm.org)
- MobiCom '15: Procedimentos da 21ª Conferência Internacional Anual sobre Computação Móvel e Redes - Setembro de 2015, páginas 550–551 https://doi.org/10.1145/2789168.2802150 - Link: Big Data, IoT,…. Palavras da moda para academia ou realidade para a indústria? | Anais da 21ª Conferência Internacional Anual sobre Computação Móvel e Redes (acm.org)
- KDD '16: Procedimentos da 22ª Conferência Internacional ACM SIGKDD sobre descoberta de conhecimento e mineração de dadosAgosto de 2016, páginas 2119–2120 https://doi.org/10.1145/2939672.2945385 - Link: IoT Big Data Stream Mining | Procedimentos da 22ª Conferência Internacional ACM SIGKDD sobre descoberta de conhecimento e mineração de dados
Sobre o Autor - Renato Azevedo Sant Anna
Consultor de negócios e percepções digitais, Pensador e Curador sobre o Mundo VUCA, com uma curiosidade natural pelo Mundo e sua complexidade, conhecimento multidisciplinar e capacidade de produzir recomendações e percepções viáveis sobre o cenário competitivo.
Também é um mentor, produtor de conteúdo (redator de conteúdo), instrutor e palestrante em tópicos relacionados a A era digital, Inovação, Empreendedorismo, Tecnologia, Futuro do Trabalho, Aplicações de Inteligência Artificial para Negócios e Comportamento do Consumidor em canais digitais.
Visto em boletins informativos do LinkedIn
