revista-automacao.com
15
'26
Written on Modified on
TRANSFORMANDO DADOS INDUSTRIAIS EM RESULTADOS COMPETITIVOS
Por John Nixon, Vice-Presidente Global de Indústrias de Processo, Siemens Digital Industries Software.
Os dados industriais se comportam como a entropia: crescem continuamente em volume e complexidade. Isso faz sentido intuitivamente; à medida que as organizações crescem, elas inevitavelmente implementam novos hardwares, softwares, fluxos de trabalho, processos e ferramentas. Esses sistemas, no entanto, muitas vezes permanecem isolados ou conectados a diferentes grupos de ativos físicos e digitais.
Sistemas isolados dificultam que seres humanos e a inteligência artificial industrial (IA industrial) obtenham insights operacionais. Afinal, como eles podem descobrir insights sobre o ciclo de vida se os dados que descrevem o estado desse ciclo de vida estão incompletos, são mal gerenciados ou estão espalhados por vários sistemas?
Considere a capacidade da IA industrial de reduzir o tempo de inatividade, aumentar a produção, prever problemas de manutenção e aumentar a lucratividade. Essas previsões tornam-se questionáveis se os dados que alimentam a IA estiverem incorretos ou incompletos.
A solução é desenvolver um Gêmeo Digital abrangente: uma representação conectada e executável dos produtos, processos e ambientes de produção que moldam um ciclo de vida industrial. Ao conectar dados de engenharia, operações e desempenho no mundo real dentro de seu contexto, o Gêmeo Digital abrangente fornece a base para uma IA industrial confiável. Ele ajuda as equipes das plantas industriais e os sistemas habilitados por IA a entender como os ativos e processos se comportam, onde o desempenho pode ser aprimorado e como os dados do ciclo de vida podem se transformar em impacto competitivo no mundo real.
Mas como uma organização passa de sistemas físicos e digitais isolados para um Gêmeo Digital abrangente? E como o Gêmeo Digital abrangente alimenta a criação de ferramentas de IA industrial precisas e exatas? A chave é implementar estratégias de dados localizáveis, acessíveis, interoperáveis e reutilizáveis (FAIR, na sigla em inglês) e definir as relações entre os dados por meio de ontologias.
Por que uma IA industrial confiável começa com dados contextualizados do ciclo de vida
Quando um Gêmeo Digital abrangente captura dados ao longo de todo o ciclo de vida, ele pode formar a espinha dorsal necessária para estudar o sistema e desenvolver ferramentas de IA industrial. Isso permite que pessoas e sistemas de diferentes áreas do ciclo de vida – seja engenharia, operações, qualidade, manufatura, serviços ou outras – trabalhem a partir das mesmas realidades físicas e digitais.
As estratégias de IA industrial dependem de dados FAIR e de gêmeos digitais abrangentes que coletam e contextualizam informações ao longo de todo o ciclo de vida de um sistema, desde as operações até a manutenção e a melhoria contínua (crédito da imagem: Siemens).
Um Gêmeo Digital abrangente é a base de um sistema que opera com dados FAIR. Ele reúne todas as informações disponíveis dentro do ciclo de vida de um sistema para tornar os dados mais fáceis de encontrar, acessar, interpretar e utilizar. Isso acontece porque os pontos de dados críticos estão contextualizados e associados a um momento, etapa, localização, geometria e fluxo de trabalho específicos.
Com esses dados de alta qualidade, as indústrias podem obter insights críticos para suas operações mais rapidamente, ao mesmo tempo em que melhoram a exatidão, a precisão, a capacidade de processamento, a eficiência, os custos operacionais e a confiabilidade de suas ferramentas físicas, digitais e de IA industrial.
Vale observar que as organizações precisam de dados FAIR para treinar suas ferramentas de IA industrial. Isso ajuda os modelos de IA a compreender melhor a realidade física que analisam. A IA industrial não consegue compensar de forma confiável dados de baixa qualidade, pois não pode criar contexto onde ele não existe.
Os seres humanos, porém, podem, em alguns casos, melhorar a qualidade dos dados. Mas esse não é um fluxo de trabalho fácil e simplificado, nem há garantia de sucesso. Trata-se de um processo que exige pesquisa e muito trabalho, além de bastante tempo para descobrir:
- De onde e quando vem cada ponto de dados
- Quem ou o que realizou a medição
- Como ou por que a medição é importante
- O que o valor representa
Como resultado, o primeiro passo em uma estratégia de IA industrial é consolidar a estratégia de dados de uma organização por meio de um Gêmeo Digital abrangente e de políticas de dados FAIR.
Por que a IA industrial precisa de ontologias e de um Gêmeo Digital abrangente
Não basta que seres humanos e a IA industrial tenham acesso a dados FAIR. Eles também precisam ser capazes de compreender como todas essas informações se relacionam. É aí que as ontologias se tornam importantes.
Os seres humanos tendem a compreender os dados industriais visualmente. É por isso que o chão de fábrica tradicionalmente está repleto de gráficos, diagramas e tabelas.
Agora, os seres humanos tendem a preferir o Gêmeo Digital abrangente. Eles o consideram mais natural e intuitivo devido aos seus modelos 3D interativos, fluxos de trabalho e bancos de dados que reproduzem a aparência e a experiência de sistemas físicos.
De muitas maneiras, é mais fácil transmitir dados industriais aos seres humanos do que à IA. Isso acontece porque os seres humanos podem usar sua experiência para compreender intuitivamente as interações entre diferentes sistemas físicos e digitais. Por exemplo, se uma coluna de destilação for desligada para manutenção, os seres humanos entendem que a produção será interrompida. Eles também compreenderão que esse período de inatividade resultará em perda de receita.
Os seres humanos conseguem compreender intuitivamente que, se um equipamento parar de funcionar, a produção será interrompida e as receitas diminuirão. A IA precisará que isso seja explicado por meio de ontologias (crédito da imagem: Shutterstock / nostal6ie).
A IA, porém, precisa que o contexto seja explicitamente definido. Ela não compreenderá de forma inata as relações entre os sistemas de dados, a menos que os seres humanos forneçam essas informações. Por exemplo, se um sistema de manutenção mostrar que uma coluna de destilação está parada, a IA pode não ser capaz de conectar instantaneamente essa informação a uma perda de receita caso não disponha desse contexto.
Para que a IA compreenda melhor o mundo físico, os seres humanos precisam definir o contexto e as relações entre os dados quando eles são interdependentes na realidade. Se a IA não tiver contexto por trás de seus dados, poderá inferir relações incorretamente. Se essa inferência estiver errada ou ligeiramente incompleta, o risco de alucinações aumenta.
Depois que as organizações mapeiam seu ecossistema de dados físicos e virtuais e como todas as informações se relacionam com o mundo físico, elas podem criar uma base de dados industriais reutilizável para ferramentas de IA industrial mais confiáveis.
Como as indústrias de processo se digitalizam para a IA industrial
Quando os especialistas do setor adotam tanto os princípios de dados FAIR quanto as ontologias, eles criam a proveniência que garante que o Gêmeo Digital abrangente permaneça sincronizado com sua realidade física. Mas seu valor vem das informações que ele conecta e aplica. Ao reunir dados do ciclo de vida, conhecimento de domínio e automação, as organizações podem construir o contexto industrial necessário para implementar IA com maior confiança.
Com essa base estabelecida, as equipes podem utilizar o Gêmeo Digital abrangente para identificar oportunidades, treinar ferramentas de IA industrial mais confiáveis e apoiar casos de uso destinados a reduzir o tempo de inatividade, melhorar a capacidade de produção, aumentar a eficiência, fortalecer a segurança e promover a sustentabilidade.
A IA industrial é tão forte quanto o contexto industrial que existe por trás dela. O Gêmeo Digital abrangente fornece esse contexto, ajudando as indústrias de processo a transformar dados complexos em insights confiáveis e em impacto competitivo no mundo real.
www.siemens.com
Por que a IA industrial precisa de ontologias e de um Gêmeo Digital abrangente
Não basta que seres humanos e a IA industrial tenham acesso a dados FAIR. Eles também precisam ser capazes de compreender como todas essas informações se relacionam. É aí que as ontologias se tornam importantes.
Os seres humanos tendem a compreender os dados industriais visualmente. É por isso que o chão de fábrica tradicionalmente está repleto de gráficos, diagramas e tabelas.
Agora, os seres humanos tendem a preferir o Gêmeo Digital abrangente. Eles o consideram mais natural e intuitivo devido aos seus modelos 3D interativos, fluxos de trabalho e bancos de dados que reproduzem a aparência e a experiência de sistemas físicos.
De muitas maneiras, é mais fácil transmitir dados industriais aos seres humanos do que à IA. Isso acontece porque os seres humanos podem usar sua experiência para compreender intuitivamente as interações entre diferentes sistemas físicos e digitais. Por exemplo, se uma coluna de destilação for desligada para manutenção, os seres humanos entendem que a produção será interrompida. Eles também compreenderão que esse período de inatividade resultará em perda de receita.
Os seres humanos conseguem compreender intuitivamente que, se um equipamento parar de funcionar, a produção será interrompida e as receitas diminuirão. A IA precisará que isso seja explicado por meio de ontologias (crédito da imagem: Shutterstock / nostal6ie).
A IA, porém, precisa que o contexto seja explicitamente definido. Ela não compreenderá de forma inata as relações entre os sistemas de dados, a menos que os seres humanos forneçam essas informações. Por exemplo, se um sistema de manutenção mostrar que uma coluna de destilação está parada, a IA pode não ser capaz de conectar instantaneamente essa informação a uma perda de receita caso não disponha desse contexto.
Para que a IA compreenda melhor o mundo físico, os seres humanos precisam definir o contexto e as relações entre os dados quando eles são interdependentes na realidade. Se a IA não tiver contexto por trás de seus dados, poderá inferir relações incorretamente. Se essa inferência estiver errada ou ligeiramente incompleta, o risco de alucinações aumenta.
Depois que as organizações mapeiam seu ecossistema de dados físicos e virtuais e como todas as informações se relacionam com o mundo físico, elas podem criar uma base de dados industriais reutilizável para ferramentas de IA industrial mais confiáveis.
Como as indústrias de processo se digitalizam para a IA industrial
Quando os especialistas do setor adotam tanto os princípios de dados FAIR quanto as ontologias, eles criam a proveniência que garante que o Gêmeo Digital abrangente permaneça sincronizado com sua realidade física. Mas seu valor vem das informações que ele conecta e aplica. Ao reunir dados do ciclo de vida, conhecimento de domínio e automação, as organizações podem construir o contexto industrial necessário para implementar IA com maior confiança.
Com essa base estabelecida, as equipes podem utilizar o Gêmeo Digital abrangente para identificar oportunidades, treinar ferramentas de IA industrial mais confiáveis e apoiar casos de uso destinados a reduzir o tempo de inatividade, melhorar a capacidade de produção, aumentar a eficiência, fortalecer a segurança e promover a sustentabilidade.
A IA industrial é tão forte quanto o contexto industrial que existe por trás dela. O Gêmeo Digital abrangente fornece esse contexto, ajudando as indústrias de processo a transformar dados complexos em insights confiáveis e em impacto competitivo no mundo real.
www.siemens.com
