Aquarela

Aquarela Analytics branco

Como a indústria chegou até as simulações industriais com IA?

simulações na indústria com IA

A Inteligência Artificial, criada na década de 60, vem evoluindo ao longo dos anos, mas somente agora se tornou uma tendência tecnológica. Os programas de Inteligência Artificial (IA) e aprendizado de máquina estão sendo utilizados em diversas áreas e fazem parte do nosso dia-a-dia, desde uma simples rede social ao nosso crédito bancário. Além disso, são empregados em soluções para a indústria. 

Atualmente, existem algoritmos e sistemas capazes de descobrir novas fórmulas químicas e novos materiais pela análise das características físico/químicas e biológicas. Eles também são utilizados, por exemplo, em modelos financeiros de precificação dinamizados e na virtualização de sensores que identificam o ponto ótimo de ignição do motor e até mesmo atuam no controle autônomo de veículos e robôs diversos.

Este artigo descreve a evolução dos métodos de simulação utilizados para criação de ativos para a indústria, desde a sua origem até os gêmeos digitais (Digital Twins), com apoio de Inteligência Artificial, visando à indústria 4.0.

A construção das máquinas artesanais

Desde as primeiras versões das máquinas de tecelagem, a humanidade procurou construir equipamentos que acelerassem o processo de produção da manufatura. Neste caminho, os artífices criaram seus aparatos desconstruindo o processo 100% manual em componentes ou operações unitárias, a fim de sistematizar o processo e obter um melhor resultado final na produção de um determinado item.

Segundo o escocês Adam Smith, o ganho imediato deste, então novo modelo, permitiu dividir tarefas e alocar trabalhos e pessoas em um processo de produção ampliado. Assim, a separação do trabalho, tanto entre homens como entre máquinas, gerou um aumento significativo da produtividade e a redução nos custos de produção.  

Como efeito colateral, por outro lado, este novo modelo diminuiu a capacidade de customização dos produtos dado a pouca liberdade no processo produtivo.

Do ponto de vista dos consumidores da época, menos exigentes, a decisão era relativamente simples:  

  • Ter um produto genérico a um custo acessível (manufaturado) ou 
  • algo personalizado a um custo e tempo muito alto (artesanal). 

A ciência, o raciocínio lógico e a curiosidade foram a base da mecanização e formação da primeira indústria. Nesse ambiente, sempre existiram cientistas/engenheiros (formados ou não) que estudavam e experimentavam a natureza dos insumos do processo, as combinações das peças, seja do produto final ou da construção das máquinas. Seus ensaios sempre foram bastante artesanais, guiados pela intuição e experiência de vida em um eterno ciclo de tentativa e erro.

As principais características desse período são:  

  • Separação do trabalho artesanal individual para processos em grupo.  
  • Produtos com custo de produção mais baixos em vista a quantidade produzida. 
  • Produtos com baixa personalização. 
  • Forte dependência de conhecimento tácito dos cientistas criadores das máquinas.
  • Matérias-primas pouco otimizadas para o processo produtivo.
  • Modelo de simulação e testes da produção 100% empíricos, alguns desenhados em papel. 

As novas dimensões a partir de simuladores

O início da computação surgiu da necessidade de decifrar mensagens cifradas do inimigo. Era uma máquina de calcular que logo foi aperfeiçoada para simular/calcular a rota de um míssil. Com o tempo, os computadores foram se modernizando e então seu acesso foi popularizado.

As simulações também avançaram para auxiliar nos afazeres do nosso dia-a-dia: desde uma simples planilha de cálculo do orçamento de casa, por exemplo, até grandes simulações computacionais para encontrar novos tipos de elementos em átomos e novas estrelas no espaço. 

Em simples termos, podemos dizer que as simulações geradas a partir da digitalização ou virtualização de experimentos nos permitem trabalhar as perguntas do tipo “SE” 

  • Se eu pagar mais agora, como ficará a conta daqui a 3 anos? 
  • Se a largura for um pouco menor, terá espaço para o outro móvel? 
  • Se aumentar a temperatura em X, o que acontecerá com Y e Z? 
  • Se aumentar o preço do produto X, qual a probabilidade de ganho de market share? 

Podemos citar muitos exemplos de simulações computacionais determinísticos e/ou estocásticos que podemos chamar também de virtualizações e seus impactos, mas vamos nos ater a alguns básicos. 

Simulação Financeira

Atualmente, uma simples planilha nos permite simular um investimento e imaginar como será o futuro financeiro (valor das parcelas) a partir de algumas definições do cenário atual. Na imagem abaixo, está um exemplo de simulação de financiamento.

Fonte: Guia do excel

Muitos outros tipos de simulações básicas podem ser feitas em planilha. Muitas empresas globais de investimento ainda utilizam programação em Excel (VBA) para simulações mais avançadas e até investimentos na bolsa de valores. Anteriormente, escrevemos um artigo falando sobre O futuro das análises financeiras com a IA com alguns exemplos de simulações.

Simulações Estatísticas (Monte Carlo)

Em termos simples, uma simulação de Monte Carlo é um método estatístico para grandes amostras de dados aleatórios, atualmente utilizada em análise de risco e também para descobrir novas fases cristalinas em materiais. 

As empresas investem em simulações de Monte Carlo antes de implementarem um grande projeto ou mudança em um processo, como uma linha de montagem de manufatura, por exemplo. 

Construída em modelos matemáticos, as análises de Monte Carlo usam os dados empíricos das entradas e saídas do sistema real (por exemplo, entrada de suprimento e rendimento de produção). Em seguida, identificam incertezas e riscos potenciais por meio de distribuições de probabilidade.

Possíveis simulações este método são: 

A vantagem de uma simulação baseada em Monte Carlo é que ela fornece resultados não apenas do que pode acontecer em certas condições, como também mostra as probabilidades de que elas venham a acontecer, além de mostrar quais os fatores com maior impacto no resultado da análise. 

Uma demonstração bastante didática do funcionamento da simulação de Monte Carlo pode ser vista aqui

É possível implementar simulações de Monte Carlo para praticamente qualquer setor ou campo, incluindo petróleo e gás, manufatura, engenharia, gerenciamento da cadeia de suprimentos e muitos outros. 

Como principal desvantagem das simulações de Monte Carlo está a alta complexidade de desenho dos experimentos para cada cenário de negócio, o que demanda uma estruturação antecipada da análise. Então, para isso, recomendamos a utilização do Business Canvas Analytics, disponível gratuitamente. 

Simulações Tridimensionais

A partir da digitalização, hoje já é possível fazer desenhos que replicam a realidade e permitem desenhos 100% virtuais. Nesta área de modelagem 3D, podem ser criados ambientes, móveis, modelos de peças, máquinas completas e assim por diante. 

As simulações em 3D permitem planejar um ambiente e até visitá-lo virtualmente antes de investir nos móveis ou mudanças estruturais de um imóvel, por exemplo. 

Na figura abaixo, utilizamos o simulador Sweethome3d para virtualizar um ambiente que supostamente precisaria de mais claridade e espaço interno. Ajustamos algumas configurações e, em poucos minutos de processamento, temos um novo cenário que então poderá ser avaliado e validado pelo cliente. 

Simulação | Fonte: autores

As simulações digitais promovem um grande salto no nível de customização de projetos, redução de custos e tempo, mas vamos a algumas de suas limitações que demandam:

  • Grande poder computacional. 
  • Grande conhecimento técnico das ferramentas e noções de física.
  • Análises combinatórias para cada cenário baseadas na experiência do designer projetista e limitada apenas até 3 ou 4 dimensões.

Simulações Multi Físicas

As simulações computacionais vão além de ambientes com móveis, pintura, tipo de piso, etc. Por exemplo, hoje existem diversos fornecedores de softwares que permitem simular o fluxo de material polimérico em um processo de injeção, estimar o calor emanado no processo de queima de combustível em um foguete e até mesmo simplificar o formato de uma peça (otimização topológica) de forma integrada a sistemas do tipo:

Discretização de elementos finitos, tensões e deformações de um aro de roda em uma análise estrutural

Design do carro, em movimento, em relação aos gases externos.

É possível, até mesmo, estimar via simulações os efeitos dinâmicos que as peças sofrem durante o processo de fabricação. Assim, nesse tipo de simulação, é possível combinar mais de um fenômeno físico e estudar como acontece a união e a interação dessas condições. 

Por exemplo, é possível estudar o aumento de calor em um transformador submetido a um campo elétrico e como o campo magnético atua nessa combinação. Apesar de ser uma grande ferramenta que permite ganhar tempo e reduzir custos, existem diversas limitações, citaremos algumas abaixo:

  • A digitalização é uma simplificação do mundo real.
  • Os sistemas não estão preparados para simular novos materiais (usam tabela conhecida de materiais).
  • Não é possível / impraticável computacionalmente simular interação entre as moléculas do material nesse modelo.
  • Simulações de grande peças ou máquinas tomam muito tempo computacional.
  • Requer grande capacidade/infraestrutura computacional.
  • Resultados são aproximações da realidade. 
  • Complexidade matemática para resolver a solução multifísica.

Acoplamento de Simulações – Digital Twin

A combinação de simulações tridimensionais com multi-físicas permite um elevado grau de complexidade e oportuniza resultados mais precisos. Isso possibilita, a partir do desenho da peça ou do equipamento em 3D, simular fenômenos complexos em processo estacionário ou dinâmico, contribuindo, assim, para a criação de um digital twin, ou seja, um gêmeo digital da peça ou do equipamento original. 

“Os digitais twin permitem uma redução importante nos custos de desenvolvimento, nos testes e na produção final”. 

Por meio deles, é possível testar grande parte das variáveis de um processo sem gastar com matéria-prima e com grande redução de mão-de-obra direta. Essa técnica já é aplicada em diversos setores, por exemplo: na construção de motores a combustão, equipamentos subsea de O&G e até mesmo em cidades inteiras, simulando saneamento básico, rede elétrica, tráfego de carros, fluxo de pacientes em um hospital, etc.

Simulações na Indústria – Conclusões e recomendações

Como vimos, as simulações evoluíram com a indústria, apresentando diversas oportunidades e limitações.

Os projetos de digitalização, como o de simuladores, são uma grande área a ser explorada, sobretudo onde há uma grande complexidade de dados e requisitos de homologação dos clientes que, por sua vez, demandam produtos cada vez mais especializados e otimizados.

Os impactos da evolução (sofisticação) das simulações no processo de desenvolvimento inteligente de produtos trazem novas dimensões para a indústria, por exemplo: redução de tempo e de custo; e aumento da qualidade do resultado final de cada item manufaturado, seja ele um novo material baseado em novas regras físico/químicas.

A inteligência artificial, por sua vez, é uma grande tendência no mercado, pois permite encontrar padrões em grande volume de dados de ensaios técnicos e simulações virtualizadas. 

As novas gerações de softwares de simulação terão que incorporar cada vez mais IA (Como escolher o melhor fornecedor de IA?) a fim de poder aprender a ler as entrelinhas das decisões de design, levando à descoberta de conexões complexas (combinações) em sistemas que ainda não são evidentes ao olho humano ou mesmo possíveis de encontrar a partir de simuladores estáticos.  

Quem é a Aquarela Analytics?

A Aquarela Analytics é vencedora do Prêmio CNI de Inovação e referência nacional na aplicação de Inteligência Artificial Corporativa na indústria e em grandes empresas. Por meio da plataforma Vorteris, da metodologia DCM e o Canvas Analítico (Download e-book gratuito), atende clientes importantes, como: Embraer (aeroespacial), Scania, Mercedes-Benz, Grupo Randon (automotivo), SolarBR Coca-Cola (varejo alimentício), Hospital das Clínicas (saúde), NTS-Brasil (óleo e gás), Auren, SPIC Brasil (energia), Telefônica Vivo (telecomunicações), dentre outros.

Acompanhe os novos conteúdos da Aquarela Analytics no Linkedin e assinando a nossa Newsletter mensal!

Autores

   

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Send this to a friend