Como a inteligência artificial está transformando a estimativa de tempos de produção na indústria metalúrgica

A inteligência artificial e o aprendizado de máquina estão transformando a estimativa de tempos de produção de um trabalho intensivo baseado em suposições para previsões precisas. Ao combinar big data de máquinas conectadas, design de fábrica orientado a eventos (fábricas observáveis) e redes neurais, os profissionais da indústria metalúrgica agora podem usar sistemas de autoaprendizado contínuo que preveem tempos de produção de forma muito mais confiável do que os métodos tradicionais de estimativa baseados em Excel.

O que costumava ser adivinhação para os profissionais da indústria metalúrgica é hoje um trabalho intensivo: estimar tempos de produção na indústria metalúrgica. Mas a inteligência artificial e o aprendizado de máquina vão mudar isso. De verdade; estamos voltando a prever graças a esses desenvolvimentos. Com mais precisão e, portanto, mais confiabilidade do que nunca.

Primeiro, voltemos um pouco na história. Décadas atrás, os profissionais da indústria metalúrgica se especializavam em um pequeno número de operações, como corte a laser, soldagem ou serramento de vigas. Como especialistas, podiam estimar o tempo de produção desse trabalho no verso de um guardanapo. Ou seja, na base da adivinhação.

Ainda existe uma geração de profissionais da indústria metalúrgica dessa era. Eles têm uma admirável capacidade de determinar o tempo de produção associado ao processamento de uma certa quantidade de quilogramas de metal. No entanto, devido à crescente diversidade de operações, isso é quase impossível de fazer na prática. Considere o corte a laser: fazer muitas formas complexas é diferente de cortar um grande quadrado. Os quilos são os mesmos, mas os tempos de produção envolvidos são realmente diferentes.

A importância de estimar preços e prazos de entrega de forma confiável

Tornou-se cada vez mais importante na cadeia de suprimentos que os profissionais da indústria metalúrgica consigam estimar de forma confiável. Isso se deve principalmente às margens pequenas, que estão sob pressão devido à concorrência. A chave é oferecer preços cada vez mais competitivos. Nesse caso, não ajuda se você começar a superestimar.

A precisão também é necessária porque os tempos de produção que você estima têm implicações para o processo de produção subsequente. A estimativa de tempo determina qual máquina metalúrgica você reserva e quando. E se isso reduz a capacidade no chão de fábrica, tem um efeito prejudicial em cada nova solicitação que chega. Portanto, deve ser evitado.

Em terceiro lugar, há uma ênfase crescente em prazos mais curtos de lançamento no mercado na cadeia de suprimentos. Como resultado, há menos estoques no local e a entrega just-in-time é mais ou menos uma exigência. Isso significa que as estimativas que você faz como profissional da indústria metalúrgica afetarão seu prazo de entrega. Estimou errado? Então seu prazo de entrega pode facilmente se tornar longo demais. E isso impacta negativamente a cadeia de suprimentos. Devido a estimativas incorretas, os produtos também podem ficar parados no seu chão de fábrica esperando por você. Tudo isso é inconveniente.

Estimar não precisa ser trabalhoso

É por isso que é tão importante poder estimar com precisão. O tempo de adivinhação acabou. Em vez disso, outras técnicas assumiram o controle. Em parte, os sistemas CAM ajudam a estimar porque possuem conhecimento das especificações técnicas das máquinas e sabem quais tarefas as máquinas precisam executar. A partir daí, podem associar tempos a isso. Dessa forma, você pode obter estimativas muito precisas dos sistemas CAM.

A desvantagem disso: é muito trabalhoso. Pois as pessoas ainda estão no comando. Nesse processo, o orçamentista se tornou uma espécie de disc jockey. Ele navega por todos aqueles arquivos CAD para extrair tempos de produção deles. Em seguida, insere tudo no Excel e/ou no sistema ERP para que possa eventualmente produzir orçamentos. Um processo demorado, especialmente à medida que a diversidade de operações aumentou. Isso faz com que o orçamentista leve mais tempo para produzir um orçamento — e os clientes esperem mais pelos seus preços.

Ainda estamos falando em estimar em vez de prever. Enquanto a adivinhação e a intuição eram as formas mais úteis de fazer previsões com base em quilogramas, os orçamentistas agora precisam usar fórmulas complicadas para estimar os tempos das diversas etapas de produção.

Máquinas metalúrgicas mais rápidas tornam a estimativa de tempo mais difícil

Há outro desenvolvimento que complica esse processo. As máquinas se tornaram cada vez mais rápidas. Por mais conhecimento e experiência que os orçamentistas tenham, isso torna cada vez mais difícil estimar os tempos de produção. Especialmente porque o gargalo, onde o processo de produção é mais lento, continua mudando. Por exemplo, o que está ocorrendo agora: as máquinas de corte podem cortar tão rápido que carregar uma chapa, ou retirar os produtos cortados, leva muito mais tempo do que o corte em si.

Você pode usar tecnologia para isso, mas uma vez feito, levar a chapa até a máquina é o fator mais lento do processo. Então isso não muda nada para o orçamentista. Às vezes ele está estimando em nível detalhado quanto tempo o corte leva, enquanto perde de vista o fato de que transportar os produtos para a próxima estação de trabalho pode levar de cinco a dez minutos.

Big data impulsiona melhorias de eficiência na indústria metalúrgica

Felizmente, mudanças estão acontecendo em ritmo acelerado. Comecemos pelas próprias máquinas metalúrgicas. No passado, elas trabalhavam "sozinhas" e forneciam pouco feedback sobre o processo produtivo. Agora estão compartilhando cada vez mais informações sobre o que estão fazendo; chamamos isso de eventos. Isso se deve em parte ao fato de que as máquinas hoje estão conectadas à rede de computadores da fábrica. Assim, elas podem não apenas receber dados de entrada, mas também enviar eventos que informam exatamente o que a máquina está fazendo.

Isso significa que o comportamento da máquina se tornou observável. Se você capturar eventos, pode usá-los muito bem para aprender cada vez mais sobre a velocidade de trabalho e o tempo de carregamento das máquinas. Mas também sobre a frequência com que uma máquina fica parada. Uma vez que capturamos esses eventos como informações importantes, o big data é criado. E quanto mais você tiver à disposição como profissional da indústria metalúrgica, mais valioso. Porque você pode então usar todas essas informações para uma nova geração de algoritmos.

Gêmeo digital proporciona otimização de processos no chão de fábrica

Isso alimenta outro desenvolvimento acelerado. À medida que a máquina está conectada à rede e transmite muitas informações, uma nova forma de software surgiu: o gêmeo digital. Esse gêmeo digital, uma representação virtual da realidade, roda no servidor e imita o comportamento da máquina no chão de fábrica. Todos os eventos que a máquina ‘produz', informações sobre o status atual do processo de usinagem, por exemplo, podem ser extraídos nesse ambiente virtual.

E assim, gradualmente, toda a planta metalúrgica está ganhando uma reprodução no mundo virtual — na forma de gêmeos digitais. Esses gêmeos podem ser sobre qualquer coisa: o status atual das máquinas, a localização de carrinhos autônomos e até os operadores no chão de fábrica podem ganhar um gêmeo digital graças a câmeras. Você pode então aplicar algoritmos a isso, que, por exemplo, monitoram continuamente a segurança dos operadores e disparam automaticamente um alarme se necessário. Até mesmo processos de negócios inteiros ou questões relativas à fábrica como um todo, incluindo transporte e consumo de energia, podem ser representados em um gêmeo digital.

Processos de negócios automatizados na indústria metalúrgica graças a dados na nuvem

Embora os gêmeos digitais sejam representações abstratas e, portanto, geralmente não visíveis em uma tela, eles são muito valiosos na comunicação entre diferentes máquinas — mesmo que pertençam a outras empresas na cadeia. Normalmente, essas máquinas conversam em seu próprio dialeto, mas os gêmeos digitais produzem eventos padronizados, criando "fluxos de eventos". O melhor é que você pode se inscrever nesses fluxos com outras partes do seu processo de produção. Ao capturar todos os eventos, você pode transmitir toda a planta ao longo do tempo. Exatamente como se estivesse reproduzindo música gravada.

O comportamento da planta em forma de reprodução é o futuro. E para ser ainda mais inventivo, processos de negócios podem se inscrever nesses fluxos como assinantes. Então, quando um evento ocorre, você pode automaticamente iniciar um novo processo ou tomar uma decisão em um determinado momento. Esses fluxos assim se tornam uma base importante para o desenvolvimento de processos de negócios e decisões automatizadas.

No momento, essas tecnologias, como gêmeos digitais ou assinaturas de eventos, operam principalmente em sistemas de computador dentro de uma fábrica. No entanto, os mesmos serviços agora estão disponíveis na nuvem. Isso permite que você envie eventos para a nuvem, inclua big data lá e automatize processos de negócios. Outra vantagem: você pode conectar fábricas na nuvem de forma muito mais fácil do que conectar à infraestrutura dentro das próprias paredes de uma fábrica.

De fábricas metalúrgicas orientadas a dados para orientadas a eventos

A despedida do pensamento convencional, em termos de sistemas ERP, é iminente. A centralização de dados ainda está na liderança hoje, tornando esses dados reutilizáveis nas fábricas. Isso certamente tem seu valor, mas cria principalmente processos orientados a dados. Esse paradigma deixará rapidamente a indústria.

Em vez de serem orientados a dados, os profissionais da indústria metalúrgica vão configurar suas fábricas de forma orientada a eventos. A grande vantagem? Ao inscrever múltiplos processos de negócios em eventos, uma planta pode responder a incidentes de forma muito mais próxima do tempo real, e ao fazer isso, ficam menos dependentes do banco de dados central. Afinal, o evento já contém os dados necessários.

Onde anteriormente o sistema ERP tinha um papel importante, outra tecnologia está assumindo: o Enterprise Service Bus. Essa construção arquitetônica de software permite capturar eventos, observá-los e permitir que processos se inscrevam nesses eventos. Isso permite configurar processos de negócios de forma muito mais robusta e em tempo real. Tudo o que acontece na sua fábrica se torna observável no mundo digital.

De estimar para prever graças a cobots e IA

Isso é o que a tecnologia atual torna possível. Esta é a base que permite passar de estimar para prever como profissional da indústria metalúrgica. Mesmo que as máquinas estejam se tornando mais capazes, mais rápidas, e o gargalo esteja mudando como resultado. Mesmo que os cobots estejam cada vez mais assumindo parte do trabalho dos operadores, de modo que a velocidade do processo muda e a estimativa realista dos tempos de produção se torna ainda mais difícil. Mas no novo mundo digital, os cobots também estão conectados à rede, e eles também têm um gêmeo digital, o que significa que seu trabalho também pode ser observado e estimado com mais precisão ao longo do tempo.

É o poder da inteligência artificial. Como humanos, não podemos vencer o computador. E isso porque podemos fazer o computador aprender como os humanos aprendem, porém mais rápido. Para isso, precisamos treiná-lo. De preferência continuamente. Isso requer muitos dados. Então, como ensinamos um computador a jogar xadrez? Digitalizando todas as partidas de xadrez já jogadas e alimentando o computador com elas. Assim ele aprende xadrez passo a passo. Isso é ainda mais rápido se você colocar dois computadores para jogar xadrez um contra o outro; assim, algoritmos incrivelmente confiáveis são criados em um tempo relativamente curto. Essa é a grande vantagem: o computador aprende muito mais rápido que os humanos. Você pode treiná-los 24 horas por dia, 7 dias por semana, sem que fiquem cansados.

Isso cria uma rede neural — uma imitação de como o cérebro humano funciona — sincronizada em software. Treinar esse processo é chamado de aprendizado de máquina. Usando big data, é possível hoje treinar adequadamente essas redes neurais. E à medida que é melhor treinada, ela produz previsões cada vez melhores. Não chamamos mais essas de estimativas porque não usamos mais fórmulas. Em vez disso, prevemos o futuro com base no passado. Porque os dados com os quais você treina o modelo são sempre sobre o passado. Então agora estamos aplicando essa poderosa tecnologia moderna à indústria metalúrgica.

Sistema de autoaprendizado contínuo em vez de planilhas Excel

Existem três tecnologias diferentes que permitirão aos profissionais da indústria metalúrgica passar de estimar para prever: big data, design de fábrica orientado a eventos (fábrica observável) e inteligência artificial. Quando se trata de orçamentos e preparação de trabalho, esses três desenvolvimentos significam que nós, como humanos, não precisamos mais trabalhar com planilhas Excel para estimar tempos de produção.

Em vez disso, podemos configurar um sistema de autoaprendizado contínuo, que permite ao orçamentista prever tempos de produção de forma muito mais confiável. Os profissionais da indústria metalúrgica não dependem mais da disponibilidade do conhecimento e habilidades das pessoas. Todo o passado e presente de sua fábrica estão contidos em big data, que podem sempre ser usados no futuro para melhorar algoritmos e até fazer novas descobertas.

Isso completa a história. Porque a forma como o mundo digital funciona permanece semelhante a como os especialistas costumavam determinar os tempos de produção de suas operações. Ainda é uma previsão, só que a adivinhação foi substituída por um computador que usa muito mais dados. A diferença? Precisão muito alta — e é isso que o profissional da indústria metalúrgica deseja.