A transformação digital na manufatura combina tecnologia emergente

A transformação digital na manufatura exige uma mistura de tecnologias emergentes que atendam a antigos objetivos industriais: aumentar a produção, melhorar a qualidade e reduzir o tempo de inatividade do equipamento.

IoT, computação em nuvem e borda, redes 5G e IA estão entre os desenvolvimentos de TI que os fabricantes esperam aproveitar. As empresas geralmente implantam novas tecnologias em combinação, em vez de se concentrar em um único campo como resposta às suas necessidades.

"Não é possível escolher apenas uma pequena lista de tecnologias e declará-las como a próxima grande novidade", disse Max Ivannikov, consultor de soluções da DataArt, uma empresa de engenharia de software com sede em Nova York. "Qualquer projeto de inovação é sempre uma combinação de diferentes tecnologias e processos minuciosamente desenhados visando atingir os objetivos do negócio."

Chegar lá pode ser difícil para empresas de manufatura, que tendem a ter recursos de TI limitados em comparação com outros setores. Os provedores de serviços de TI procuram preencher essa lacuna, oferecendo serviços de consultoria e implementação para ajudar as organizações a adotar tecnologias emergentes. Os parceiros oferecem experiência em áreas como ciência de dados e gerenciamento de mudanças.

No entanto, a natureza distribuída da manufatura complica seu trabalho. Uma grande empresa industrial pode abranger várias fábricas, inúmeras linhas de produção e diversas pilhas de tecnologia. Além disso, os centros de fabricação individuais operam com alto grau de autonomia. Essas características do setor dificultam o dimensionamento de uma implantação local em uma organização, apresentando aos parceiros um desafio técnico e cultural.

Tecnologias emergentes na manufatura: IIoT, nuvem e borda

Os fabricantes, embora sejam um grupo variado, apresentam alguns pontos em comum no uso da tecnologia. A IoT geralmente serve como base para projetos de transformação. Sensores IoT industriais (IIoT) conectados a máquinas de chão de fábrica geram uma grande quantidade de dados sobre temperatura, vibração, tensão, acústica e tempo de ciclo, entre outros fatores.

Como resultado, as empresas industriais se encontram "em cima de uma enorme quantidade de dados", disse Özgür Kaynar, gerente geral da Analythinx, uma empresa de ciência de dados e serviços gerenciados em Istambul, Turquia.

Tecnologias adjacentes, como 5G, serão adicionadas a esses armazenamentos de dados. Ivannikov disse que o 5G fornece a densidade do sensor, baixa latência e velocidade de conexão que os fabricantes desejam, disponibilizando quantidades ainda maiores de dados de dispositivos IIoT.

Os fabricantes usam outra tecnologia, a computação em nuvem, para coletar e armazenar esses dados para análise e IA.

"As tecnologias de nuvem facilitam muito a coleta de dados do sensor", disse Kaynar. A nuvem também pode armazenar dados de sistemas ERP, os principais aplicativos de negócios para empresas industriais. Com acesso a fontes de dados mais amplas na nuvem, os fabricantes podem passar da análise descritiva para a análise preditiva. Os benefícios resultantes incluem manutenção oportuna de equipamentos, otimização da cadeia de suprimentos e otimização da força de trabalho, acrescentou.

Os fornecedores de nuvem desenvolveram componentes capazes para cada fase da análise avançada, explicou Kaynar. Isso inclui integração de dados de sensores, relatórios de autoatendimento, painéis e aprendizado de máquina (ML).

Em um projeto, a Blue.cloud trabalha com uma grande empresa de manufatura na Turquia para coletar dados de sensores e disponibilizá-los na nuvem para painéis e aplicativos de business intelligence. Os dados coletados na nuvem ajudam a empresa a identificar anomalias nos processos de fabricação e, com base nessa percepção, aumentar a produção, disse Kaynar.

Embora a análise ocorra na nuvem, ela também ocorre na borda. A computação de borda acelera a análise para decisões baseadas em dados. Isso ocorre porque a abordagem de computação move o processamento para perto de onde os dados se originam no chão de fábrica. Além disso, os dados confidenciais permanecem no hardware local e não viajam para a nuvem, reforçando a segurança.

Os fabricantes estão começando a usar a borda e a nuvem para análise, usando a borda para obter uma melhor compreensão das condições locais e usando a nuvem para uma visão geral das operações nas fábricas, disseram executivos do setor. O continuum de análise de dados começa na borda mais distante, que inclui controladores lógicos programáveis ​​no chão de fábrica e uma miríade de sensores, continua até a borda próxima, onde os dados são agregados e avança para a borda macro, que inclui data centers locais, um site remoto ou a nuvem, disse Bruce McKinnon, arquiteto-chefe de estratégia da Insight, um integrador de soluções com sede em Chandler, Arizona. A nuvem representa o quarto nível nessa vantagem inteligente, oferecendo computação e armazenamento.

A nuvem é adequada para o alto volume de análise de big data, disse McKinnon. A nuvem, no entanto, tem latência mais alta do que a computação local local. Por esse motivo, os fabricantes devem usar o near edge para aplicativos de baixa latência. Ele citou o exemplo da segurança do trabalhador, que exige processamento quase instantâneo para traduzir um aviso de segurança em uma ordem de parada da máquina ou alerta de notificação.

IA ganha terreno

A adoção de IA e ML se tornou mais comum entre os fabricantes que têm mais dados para explorar. IA e ML permitem que as empresas automatizem processos e os tornem mais inteligentes, disse Ivannikov. "É difícil imaginar qualquer projeto hoje em dia sem usar AI/ML", observou.

Um número crescente de projetos se enquadra na categoria de hiperautomação. A hiperautomação descreve um conjunto de tecnologias usadas para dimensionar a automação dentro de uma empresa. AI, ML e IoT alimentam essa tendência entre os fabricantes, disse Paul Lewis, CTO da Pythian, uma empresa de serviços de TI com sede em Ottawa.

A hiperautomação abrange desde a automação de tarefas simples para trabalhadores da linha de frente até a automação de processos para linhas de produção e operação de negócios em várias fábricas, observou ele.

Este campo também inclui mineração de processos, que ajuda as empresas a descobrir gargalos em suas operações. A Accenture, por exemplo, está usando a oferta de mineração de processo baseada em IA da Celonis para melhorar os processos da Mann+Hummel, uma empresa alemã que fabrica tecnologia de filtragem. Accenture e Celonis firmaram parceria em janeiro de 2022.

O aspecto da visão computacional da IA ​​desempenha um papel na fabricação, com o gerenciamento de qualidade como o caso de uso principal. A visão computacional, usada com realidade aumentada e ML, pode detectar anomalias entre os itens que saem de uma linha de produção com maior precisão do que os inspetores humanos de garantia de qualidade, disse McKinnon, citando taxas de precisão na faixa de 90% para o método.

"O verdadeiro empate é melhorar a precisão", observou ele.

A visão computacional permite que os fabricantes comparem uma peça com um registro bom conhecido, que pode ser uma imagem, um desenho de montagem ou uma lista de materiais. Os cientistas de dados criam um modelo de ML para cada caso de uso para fazer essa comparação.

Serviços prestados

Os provedores de serviços ajudam os clientes a navegar na web de tecnologias inter-relacionadas, fornecendo conhecimento complementar para organizações que não possuem habilidades de transformação digital.

"Muitas vezes, a transformação digital não é uma habilidade essencial para empresas de manufatura", disse Ivannikov.

As equipes de TI também podem não ter habilidades em tecnologias específicas. Um fabricante pode não ter pessoal dedicado a análises avançadas ou engenharia de dados, disse Kaynar. Um banco de primeiro nível, em contraste, pode atrair de 100 a 150 especialistas em ciência de dados e engenharia, disse ele.

Os parceiros podem resolver o déficit de talentos com transformação digital e habilidades tecnológicas. Mas eles também ajudam os clientes a construir seus próprios grupos de especialização. A Blue.cloud oferece um serviço Analytical Center of Excellence Enablement, que trabalha com os clientes para identificar candidatos entre a equipe interna de TI para funções de ciência de dados ou engenharia de IA e, em seguida, fornece dois meses de treinamento.

O serviço também estabelece uma estratégia de dados e análises, que identifica problemas de negócios a serem resolvidos com análises e determina os tipos de componentes de dados e tecnologia para resolvê-los. A Blue.cloud também oferece suporte de longo prazo, complementando a equipe do cliente com seus engenheiros de nuvem/analítica e cientistas de dados.

Pythian, por sua vez, trabalha com clientes de manufatura para obter o máximo de seus dados, disse Lewis. Isso pode significar ajudá-los a tomar as decisões corretas sobre como usar dados e tecnologia, observou ele. Ou, a Pythian pode colaborar com um fabricante para descobrir percepções do cliente que gerem vantagem competitiva.

Serviços de consultoria - desenvolvimento de roteiros para a estratégia digital de um cliente - e orientação técnica tipificam as ofertas da indústria de manufatura dos parceiros. Além disso, os parceiros traduzem a estratégia em um projeto arquitetônico, criam processos ágeis e fornecem serviços de implantação. O gerenciamento de mudanças - ajudando os funcionários de um fabricante a adotar os processos digitais recém-criados - também se torna importante à medida que a transformação começa a acontecer.

"Quando você muda o processo, precisa retreinar as pessoas sobre ele", disse McKinnon.

Escalonando o sucesso em ambientes distribuídos

Um projeto inicial de transformação digital geralmente tem escopo limitado dentro de uma única fábrica ou linha de produção. Os benefícios da tecnologia avançada se multiplicam se puderem ser ampliados além do ponto de apoio inicial. Isso é mais fácil dizer do que fazer, no entanto.

"O processo de transformação digital pode diferir até mesmo entre duas fábricas da mesma empresa, fabricando os mesmos produtos", disse Ivannikov. As diferenças podem não ser dramáticas, mas os parceiros podem esperar encontrar algo único onde quer que estejam, acrescentou.

Uma grande empresa de manufatura pode ter 40 fábricas, uma variedade de ambientes internos de TI e produtores de máquinas, três ou quatro provedores de nuvem e diferentes ferramentas de BI e análise, observou Kerem Koca, cofundador e coCEO da Blue.cloud, um provedor de soluções de transformação digital com sede em Tampa, Flórida. Dado esse nível de diversidade, a Blue.cloud cria uma arquitetura de referência para uma fábrica e depois a replica em outras fábricas. A arquitetura de referência inclui blocos de construção de tecnologia, padrões e código reutilizável.

A abordagem permite que fábricas individuais comprem produtos de diferentes fornecedores - desde que sigam a arquitetura, disse Koca.

O McKinnon da Insight também incentiva a visão arquitetônica de longo prazo, com os fabricantes implantando gradualmente tecnologias dentro dessa estrutura. O dimensionamento torna-se uma conversa contínua entre o parceiro e o cliente à medida que buscam vitórias individuais ao longo do tempo.

"Você não precisa de uma transformação digital de ponta a ponta para ver uma melhoria realmente significativa", disse ele.