Inteligência Artificial: indústria dá primeiros passos na adoção de tecnologia com potencial

Estamos a viver, enquanto sociedade, a 4.ª revolução industrial. A conectividade entre equipamentos e agentes produtivos, a transmissão e processamento de informação ao longo da cadeia de valor e muito mais permitem a otimização e automatização dos processos produtivos, aumentando o controlo de qualidade, a eficiência e eficácia da produção.

Uma das componentes deste processo de mudança é a inteligência artificial (IA). O mercado de IA Industrial valerá, em 2026, cerca de 80 mil milhões de euros, com uma taxa de crescimento composta anual de 35% (2021-26). As regiões da Europa, Ásia-Pacífico e América do Norte representavam mais de 80% do mercado global, em 2021, com destaque para as aplicações industriais relacionadas com o design do produto, a inspeção de qualidade e a otimização de processos, revela o “Industrial AI and AIoT Market Report 2021–2026”, da IOT Analytics.

As tecnologias IA contribuem para o desenvolvimento e implementação de sistemas de computação ou máquinas capazes de realizar tarefas até exclusivas da inteligência humana (aprendizagem, avaliação e resolução de problemas). Há cerca de três décadas que se faz investigação e desenvolvimento de IA. Veio para ficar. Podemos encontrá-la integrada em equipamentos fabris utilizados nas indústrias metalomecânica e de moldagem de plásticos.

Os sistemas de IA incluem desde engenharia IA ou centrada em dados, aprendizagem automática (em inglês, machine learning), a sistemas operativos, robôs Inteligentes, Edge IA, ética digital, veículos autónomos entre muitas outras. Se algumas destas tecnologias já são realidade, outras, como os veículos autónomos, ainda levarão mais de 10 anos a cruzar as estradas, explica o Gartner.

Como qualquer tecnologia pouco madura, o crescimento é acentuado, mas não há massa crítica o que significa que, na prática, a adoção de IA pela indústria é ainda lenta. “O nível de maturidade e robustez da nova solução tecnológica tem sempre de ser bastante alto, para que as empresas se sintam confiantes em arriscar parte do seu CAPEX nessa solução”, explica Daniel Pina, especialista em Indústria 4.0 e Digitalização, no INEGI. Continua: “no caso da IA, em muitos casos, precisamos primeiro de digitalizar o processo industrial [incluir sensores nos processos, instalar uma infraestrutura que permita a recolha e armazenamento de dados]. Salvo poucas exceções, como as indústrias automóvel ou de semicondutores, a maioria das indústrias em Portugal ou no resto da Europa não estão digitalizadas. Quando uma maior porção da indústria o estiver, a aplicação de IA vai naturalmente acelerar”.

E vai no bom caminho, “as plataformas de hardware e software estão mais poderosas, conferindo maior poder de computação e transmissão de dados, o que permite uma rápida análise de grandes volumes de informação gerados numa fábrica, para identificar tendências e padrões que podem ser utilizados para tornar, por exemplo, os processos de produção mais eficientes ou reduzir o consumo de energia”, explica João Queiroz, coordenador digital enterprise na Siemens Digital Industries.

Quando democratizadas, as ferramentas e soluções desenvolvidas no campo da IA trarão oportunidades de produção flexível e eficiente, mesmo em produtos pequenos, complexos, personalizados ou em pequenos lotes, exemplifica João Queiroz. Acrescenta que se poderão criar competências para a tomada de decisão automatizada. Na prática “reduz o tempo total de produção, as paragens para manutenção e o tempo de colocação de novos produtos no mercado”, explica o responsável da Siemens.

Daniel Pina explica que há aplicações já com alguma adoção como a utilização de IA com vídeo para deteção de defeitos à saída da produção, além de se começarem a ver soluções de manutenção preditiva. O responsável da INEGI chama a atenção para uma questão de fundo: os desafios na aplicação [de IA] vão depender da tecnologia. “Para conseguirmos usar IA na otimização de produção e manutenção preditiva, precisamos de primeiro guardar uma grande quantidade de dados. Significa que, à partida, só conseguimos aplicar a linhas de produção com uma cadência alta e depois de estas já estarem digitalizadas”.

Além de otimizar processos em ferramentas e máquinas, pode usar-se a IA para proporcionar melhor informação aos trabalhadores. “Por exemplo, podemos treinar um Chatbot LLM (como o ChatGPT) para aprender um manual de instruções de utilização de uma máquina ou de um processo industrial. Isto permitirá ao trabalhador fazer perguntas, em linguagem natural, sobre o conteúdo do manual, as quais serão respondidas pelo Chatbot”, diz Daniel Pina. Na prática “isto poderá reduzir o tempo de treino dos trabalhadores e acelerar a sua requalificação”.

O INEGI tem em curso, “na área de processo da metalomecânica, o desenvolvimento de sistemas de IA para otimização de corte e soldadura laser e para fabrico aditivo em metal via DED (Direct Energy Deposition)”, diz Daniel Pina. Está também “a recorrer à captura de imagens/vídeo de ambos os processos para treinar uma IA, que depois poderá prever o comportamento do processo de acordo com leituras e alterações de parâmetros em tempo real”.

Na Bosch já são poucos os produtos produzidos sem recurso a uma qualquer forma de IA. Tiago Sacchetti fala de “algoritmos utilizados frequentemente na indústria, como por exemplo, a definição da posição de embalagens com diferentes dimensões numa galera de um camião”.

Tiago Sacchetti explica que “a identificação do gargalo (bottleneck) mais frequente numa linha de montagem é um bom exemplo da aplicação de IA na indústria metalomecânica que permite a alocação de recursos no posto de trabalho que trará maior benefício. É uma forma de melhorar a eficiência dos processos e das equipas de suporte indiretas”.

Já João Queiroz, da Siemens, assinala que a IA permite fazer “a análise de qualidade da pré-forma de garrafas, analisando desvios para detetar precocemente perdas de qualidade e indicando medidas de correção, evitado desperdício de material, tempo e energia”.

É possível a “redução dos consumos de energia através da aplicação de IA à análise contínua e cruzada dos consumos, dos processos e da produção, aferindo a relação entre os custos globais de produção e os diferentes interlocutores responsáveis pela produção de cada produto final”, disse João Queiroz. Para serem soluções vantajosas, são necessárias “equipas qualificadas e competentes para elaborar os algoritmos e modelos de aprendizagem adaptados a cada processo, bem como um grande volume e qualidade de dados para a análise inicial dos padrões do processo”.

O lugar do ser humano está, pelo menos para já, longe de ser ocupado pelas máquinas.