As principais caracterizações da Indústria 4.0 – manufatura e processo digital – é permitir a customização em massa e a massificação da personalização na linha de produção.
Para que isso seja possível, um novo modelo de tomada de decisões entra em cena: a conexão completa e total do processo produtivo através da Internet das Coisas (IoT) e a Internet Industrial das Coisas (IIoT), permitindo a aquisição de dados de uma forma nunca antes visto, com dados em alto volume, alta velocidade e grade variedade.
Neste caso, devendo serem analisados através de um Big Data, entregando uma estrutura de tomada de decisões em tempo real e sem intermediários, além de possibilitar ações autônomas no processo. Sem interferência humana, através do aprendizado de máquina (machine learning).
Em nossos textos anteriores, explicamos que a construção das rodovias (redes), colocação de sinalização (cibersegurança) e interconexão de elementos e serviços (IoT) levarão estas informações a um grande sistema de análise de dados (Big Data), onde o resultado final é apontar os melhores caminhos dentro deste ecossistema produtivo.
Desta forma, vamos delimitar nosso tema, dentro da visão da automação industrial, e escrever sobre:
- Como unir das informações da produção e cadeia logística para tomada de decisões
- Como funcionam os sistemas de armazenagem e tomada de decisões em Cloud
- Qual o conceito de Mineração de Dados e Aprendizagem de Máquina (Machine Learning)
Cenários para utilização de Big Data na Indústria 4.0
Em relação aos cenários encontrados para utilização do Big Data na Indústria 4.0, podemos deparar com as seguintes situações comuns, que nos levam aos seguintes questionamentos:
- Como entender melhor minha produção e cadeia de fornecimento e melhorar meu planejamento e controle produtivo
- Como entender o funcionamento da planta no aspecto manutenção de modo a estruturar um sistema de prognóstico industrial
- Como utilizar recursos de Machine Learning para servir de apoio a tomada de decisões na operação
A evolução nas tomadas de decisões na indústria, mostram que no início, os primeiros controles apenas apoiavam a tomada de decisões do operador, uma vez que ele é quem tinha o conhecimento do processo e atuava diretamente. Todo o conhecimento era dele.
Com a evolução das redes, podemos agora gravar estes dados, analisá-los, e tomar decisões baseado em informações e análise local do processo. Ainda é necessário o conhecimento do operador e sua experiência no processo, todavia, as indústrias estão vivendo uma grande questão que é a grande capacidade de aquisição e armazenamento de dados.
Isso é algo que já existe, mas não sabem o que fazer com todas estas informações.
Agora, com a Indústria 4.0, o Big Data dá um novo formato a estas informações através das redes convergentes. O sistema aprende conforme o processo ocorre, não há o meio da informação e o resultado é a tomada de decisões em tempo real, com dados relacionados fora no processo local, enxergando toda a cadeia de produção e do negócio.
Principais desafio na implementação de Big Data na Indústria 4.0
Quando pensamos na colocação destes dados no Big Data, muitos são os desafios. Podemos eleger alguns que são comuns neste tipo de projeto e implantação, que nos fazem questionar:
- Como levar dados da unidade produtiva para um sistema de Cloud Computing e usar um Big Data
- Como criar modelos de Big Data para apoio em tomada de decisões, tanto em planejamento, como em Operação e Manutenção
- Como repensar a unidade produtiva a partir de dados e decisões que são aprendidas de acordo com as operações reais
O objetivo de toda esta tecnologia e sua evolução é a tomada de decisões na planta produtiva, mas isso já é existente. De forma geral, isso acontece da seguinte maneira:
- A todo momento, tomamos decisões
- Os gestores têm a função de tomar decisões
- Os gestores intermediários, consolidam dados para outros gestores tomarem decisões
- As vezes estas decisões são programadas a partir de ferramentas de gestão
- Outra vezes ocorrem de situações não previstas, baseado em dados existente e expertise
A estrutura decisória de uma indústria hoje segue uma regra muito parecida. Nos setores, há os procedimentos de produção e os líderes de processo.
Os supervisores de produção consolidam dados destes setores, analisam de forma intermediária de acordo com o planejado e enviam informações em forma de desvios, ações ou tarefas para os seus gerentes.
E os gerentes, por sua vez, entregam estas informações aos diretores, em forma de metas, resultados ou soluções de problemas encontrados durante a produção.
Vamos entender então como seria uma estrutura decisória da Indústria 4.0.
Para isso, vamos conceituar o Big Data, que nada mais é do que um sistema de armazenamento de dados – estruturados ou não – que tenham (necessariamente os três) volume, velocidade e variedade de informações.
Isto permite, através de modelagem, entregar resultados, baseado em estatística, mineração e aprendizado, de acordo com as ferramentas disponíveis na sua plataforma, interagindo com o homem ou com a máquina.
Desta forma, podemos entender uma nova forma de estrutura decisória na indústria, onde os setores, subsetores, departamentos e toda a cadeia produtiva, esteja conectada a um Cloud de serviços.
Isto é, que esteja na internet, dentro de uma plataforma onde todos os dados são gravados e, dentro deste Big Data, podemos fazer todas as ações intermediárias: análise de dados, cenários, projeções, planejamento, análise de qualidade, prognóstico, etc.
Tudo que permita tomar decisões e até mesmo ações automáticas no processo, utilizando o aprendizado de máquina.
O Big Data é então um serviço dentro da Indústria 4.0, compondo um cibersistema, onde é necessário a aquisição de todos os dados da indústria e serem levados a esta plataforma em Cloud, utilizar ferramentas mineração de dados, aprendizado de máquinas e outras e criar um framework de resultados, com KPI, sistemas de decisões e M2M.
Benefícios na utilização de Big Data na Indústria 4.0
Na utilização do Big Data na indústria, como um novo modelo de tomada de decisões, são esperados diversos benefícios. Entre eles, podemos destacar:
- Diminuição de operadores – o sistema tomará decisões – operações de melhor desempenho, segurança de planta e economia de energia
- Fim do planejamento reativo – o sistema que será virtualizado, realimentará o processo que sempre estará em tempo real dos indicadores para tomada de decisões (mineração)
- Todo o sistema será preditivo – manutenção, risco e aproveitamento (mineração) e atuará no processo como conhecimento (machine learning)
Apesar de estarmos falando em Indústria 4.0, algumas indústrias ainda tomam decisões baseadas em informações empíricas e de experiencia operacional.
Porém é de grande importância entender o valor de um sistema de apoio a tomada de decisões, pois este sistema permitirá saber:
- Quando ocorre algo na planta diferente do esperado ou planejado – então eu tenho um problema e preciso fazer uma correção (decidir)
- Quando há uma circunstância na planta que me permite ter uma oportunidade de ultrapassar meu objetivo planejado, elevando uma meta de produção ou redução de custos
O Big Data pode ser programado para diversas funções de análise de dados, na indústria podemos usá-lo para as principais funções:
- Tomada de decisões – as informações analisadas, darão um resultado baseado em cenários e do comportamento de toda a cadeia produtiva, apoiando diretamente os gestores da planta
- Aprendizado de máquina – as informações do processo são aprendidas, e levam a atuação diretamente nas ações de planta, por exemplo, através de M2M
- Prognóstico – as informações analisam todos o comportamento causal das variáveis, deixamos de tomar ações baseado em diagnóstico que emite o efeito, e o sistema faz uma análise de cenários e comportamentos
Dentro de uma plataforma de Big Data há diversos serviços disponíveis para análise de dados para tomada de decisões, os princípios fundamentais são:
Mineração de Dados
São modelos de análise de alto nível de abstração de dados, onde a informação não é conhecida, o sistema retorna por cenários e probabilidades, apoiando o tomador de decisões, sendo:
- Quando você quer uma informação, mas ela é desconhecida, alto nível de abstração;
- São usados ferramentas de estatística dentro do banco de dados, pela dinâmica da informação o sistema propõe um resultado;
- Exemplo de uso, identificação de rosto, elementos na produção, probabilidade de decisões.
Aprendizado de Máquina (Machine Learning)
São modelos que se baseiam em informações conhecida ou processo definido. O sistema faz a aquisição e acumula dados analisando o comportamento, com isso aprende dentro de uma curva de tempo, entregando resultados de forma automática e replicante, sendo:
- Quando você tem uma informação conhecida, isto é, você sabe o comportamento do resultado
- O sistema é programado e grava as informações (acumula aprendizado), analisa o comportamento e vai criando resultados típico
- A expertise é transferida para o sistema, ele aprende e melhora a tomada de decisões, pode replicar e tomar ação autônoma
- Exemplo, carros autônomos, controle de produção automático e flexível com rearranjo
O Big Data é um serviço, normalmente uma plataforma, que permite desde a conexão das informações com o mundo físico, até toda a modelagem.
Exemplos de Plataforma de Big Data
Atualmente existem diversas plataformas comerciais para Big Data. As mais conhecidas e utilizadas são a IBM BlueMix, Google Cloud Plataform, Microsoft Azure, Amazon Web Service.
Todas possuem as seguintes características em comum:
- Paga-se pelo “consumo” do processamento
- Não tem infraestrutura local
- Inicia com dispositivos iniciais e escala a aplicação, crescendo de acordo com necessidade
- Não interfere na operação local, apenas acrescenta funções
- Tecnologia que agrega a decisão (humana ou de máquina)
- Pode ser criado na infraestrutura da própria empresa com seus próprios modelos
Uma dúvida que ocorre normalmente nas aplicações atuais, sobre sempre usar Cloud e Big Data, podemos comentar as principais, quando se questiona a necessidade de seu uso:
- Enviar dados para Cloud facilita uso de ferramentas disponíveis para análise de dados e criação de indicadores para acesso remoto
- Caso os seus dados não tenham juntos (volume, velocidade e variedade) que caracteriza um Big Data, não é necessário adotar este modelo, um sistema em Cloud de armazenamento e modelagem atende o projeto
- Usar infraestrutura e plataformas de serviços (Azure, AWS, BlueMix) simplificam aplicação e seus custos são baseados em serviços, mas não impede que uma empresa “monte” seu próprio sistema de análise
Conclusão
Concluímos que o Big Data na Indústria 4.0 gera o principal impacto esperado com esta revolução, que é o tempo e o erro, mudando a forma de lidar com as tomadas de decisões, desde situações de exploração na produção, com vistas a melhorias, até o controle do processo via função de Machine Learning de forma autônoma.
1 comentário
Para se tornar um profissional de Big data, quais os curso que devem ser feitos?