| Ouça este artigo |
Automação em a era da convergência TI-OT
As empresas estão constantemente procurando melhores maneiras de aumentar suas cargas de trabalho operacionais existentes, otimizar os processos de produção e reduzir as emissões gerais de dióxido de carbono (CO2). O uso de Tecnologia Operacional (OT) e Tecnologia da Informação (TI) ajudou as empresas a controlar melhor suas operações, monitorando ativos valiosos, reduzindo tarefas repetitivas e rotineiras e aprimorando o controle de qualidade. No entanto, TI e OT têm sido tradicionalmente desenvolvidos separadamente, sem capacidade de explorar operações e dados de produção para tomar decisões mais informadas para um fluxo de trabalho mais otimizado e processos de produção e manutenção bem planejados.
O surgimento da Internet das Coisas (IoT) nos últimos anos dilui as fronteiras entre os dois sistemas, levando a uma solução mais convergente. Os dispositivos IoT pertencentes ao domínio de TI podem coletar dados operacionais e de produção do campo e comunicá-los aos sistemas OT.
A convergência de TI e OT permitirá que os trabalhadores façam mais e vão mais longe com suas melhorias, atingindo o equilíbrio certo entre o custo do negócio e o investimento estratégico em tecnologia. Além disso, essa convergência permitirá que as empresas acelerem sua transformação digital e otimizem seus fluxos de trabalho existentes, tudo sem a necessidade de escalar rapidamente.
As Unidades de Processamento Gráfico (GPUs) têm se mostrado ideais para executar o processamento de dados baseado em algoritmos de Aprendizado de Máquina (ML), permitindo que robôs realizem reconhecimento de objetos e fusão de sensores. Avanços adicionais vieram do desenvolvimento de circuitos integrados específicos de aplicativos (ASIC) que se destacam em aplicativos de ML específicos, como processamento de vídeo e reconhecimento de fala.
Automação Robótica
Uma das tecnologias que melhor representam a convergência TI-OT é o gerenciamento de operações por meio da automação robótica. Com processos automatizados, as empresas podem analisar dados, obter informações valiosas e obter maior visibilidade do desempenho de seus locais de produção, ajudando-as a tomar decisões baseadas em dados. No entanto, o desenvolvimento da robótica tem sido tradicionalmente muito complexo e desafiador. Como a demanda por robôs deve aumentar rapidamente, a atual taxa de inovação pode ser acelerada com as ofertas adequadas de hardware e software.
A ascensão da robótica
Em geral, a implantação de robôs levou esses dispositivos a hospedar novas funções com o objetivo de aumentar a segurança da força de trabalho, reduzir tarefas extenuantes e perigosas para funcionários humanos, acelerar o e- atendimento e entrega de comércio e aumentar a flexibilidade e resiliência de negócios. Essas novas funções exigem a implementação de sensores de alta precisão que atendam aos requisitos funcionais de segurança e prevenção de riscos, câmeras para detecção, localização e navegação e middleware de robótica para integração de aplicativos. Nos últimos anos, os principais avanços no hardware de robótica permitem que os Fabricantes de Equipamentos Originais (OEMs) de robótica desenvolvam robôs que podem ver e sentir seus ambientes:
Ao mesmo tempo, os avanços em software e serviços também merecem muita atenção:
Através desses avanços importantes, os robôs agora podem trabalhar ao lado de um ser humano com segurança e confiabilidade. Além dos braços robóticos industriais, mais fatores de forma surgiram nos últimos anos, como Robôs Colaborativos (cobots), AGVs, AMRs, Sistemas Automatizados de Armazenamento e Recuperação (ASRS) e Veículos Aéreos Não Tripulados (UAVs).
Um denominador comum entre todos esses robôs é a capacidade de perceber e entender o ambiente ao seu redor. Essa autonomia é possibilitada por vários modelos de ML encontrados nos robôs, como detecção e segmentação de objetos, localização e prevenção de colisões, planejamento de movimento para navegação e manipulação, estimativa de pose e integração de sensores.
O Edge ML permite que os usuários de robótica entendam a montanha de dados que coletam de seus ativos e tomem decisões de negócios muito melhores com base na operação diária, tendências de uso e comportamentos do cliente.
Edge ML em robótica
Os OEMs de robótica incorporaram o edge ML em seus robôs para ajudar na execução de funções críticas, incluindo processamento de sensor, odometria, localização e mapeamento, visão e percepção, e planejamento de caminhos. Esses modelos de ML hospedados em robôs processam automaticamente os dados coletados pelos robôs e geram uma saída que determina as ações dos robôs. O Edge ML possui várias vantagens importantes sobre sua contraparte na nuvem:
O Edge ML permite que os usuários de robótica entendam a montanha de dados que coletam de seus ativos e tomem decisões de negócios muito melhores com base na operação diária, tendências de uso e comportamentos do cliente. Para obter uma implantação de ML de borda perfeita, os OEMs de robótica exigem o tipo certo de processadores para resolver questões relacionadas à privacidade de dados, eficiência de energia e baixa latência, ao mesmo tempo em que fornecem forte desempenho de computação no dispositivo. Além disso, os OEMs contam com o suporte de software edge ML desses fornecedores de processador para acelerar a implantação de edge ML. Uma solução abrangente de edge ML de fornecedores estabelecidos pode reduzir a complexidade e acelerar o design e as operações de edge ML, além de fornecer orquestração de carga de trabalho, simulação de treinamento e teste e suporte de retreinamento de modelo.
Dito isso, a implantação de edge ML em robôs continua complexa. Maior capacidade computacional por si só não é suficiente. As empresas precisam de modelos pré-treinados, desenvolvimento e otimização de aplicativos e aplicativos de ML para usuários finais mais práticos.
Ferramentas e serviços que aceleram o desenvolvimento da robótica
A robótica industrial avançada contém vários recursos capazes de executar várias funções de missão crítica. A execução e a orquestração dessas funções exigem soluções de processamento altamente sofisticadas, densificadas e escaláveis que podem processar vários aplicativos simultâneos, cargas de trabalho e pipelines de inferência de IA sem a dependência constante de recursos de computação em nuvem. Essas soluções também devem oferecer suporte a interfaces de alta velocidade para lidar com os vários sensores apresentados em robôs industriais modernos.
A NVIDIA é um dos principais fornecedores de plataforma de processador a dedicar atenção especial a esta área. Na GTC 2022, a NVIDIA lançou o kit de desenvolvedor Jetson AGX Orin e System-on-Module (SOM) baseado na arquitetura Ampere GPU com até 2.048 núcleos CUDA paralelos, até 64 Tensor Cores e até para 2 motores Deep Learning Accelerator (DLA). Essa solução foi projetada para lidar com a carga de trabalho cada vez maior e as demandas de multisimultaneidade, permitindo até 275 Tera de Operações por Segundo (TOPS) de poder de processamento, 8 vezes mais do que o Jetson AGX Xavier, seu antecessor.
Para acelerar o tempo de lançamento no mercado, a NVIDIA também oferece o Isaac Nova Orin, que apresenta dois SOMs Jetson AGX Orin que fornecem até 550 TOPS de computação de IA e um conjunto de sensores composto por até seis câmeras, três sensores LiDAR e oito sensores ultrassônicos. Isso fornece um design de referência para empresas que desejam que seus robôs aproveitem todos os recursos do Jetson AGX Orin.
Dito isso, a implantação de edge ML em robôs continua complexa. Maior capacidade computacional por si só não é suficiente. As empresas precisam de modelos pré-treinados, desenvolvimento e otimização de aplicativos e aplicativos de ML para usuários finais mais práticos. Lançado pela primeira vez em 2018, o NVIDIA Isaac foi projetado para oferecer suporte ao desenvolvimento de robótica por meio de uma estrutura de aplicativo, pacotes de software com algoritmos de ML, uma plataforma de simulação de robótica atualizada e vários designs de referência. Em setembro de 2021, a NVIDIA e a Open Robotics, desenvolvedora do ROS, firmaram um contrato que permite a interoperabilidade entre o Open Robotics’ Ignition Gazebo e o NVIDIA Isaac Sim. Além disso, para desenvolvedores que procuram modelos existentes para simplificar o processo de desenvolvimento de modelos, o NVIDIA TAO Transfer Learning Toolkit facilita a adaptação de modelos de ML pré-treinados pela NVIDIA para casos de uso específicos.
Com o suporte de software da NVIDIA, os OEMs de robótica e os usuários finais treinam e otimizam os robôs para uma variedade de tarefas virtualmente. Isaac Sim fornece um ambiente realista para treinar modelos de navegação e manipulação. Nos casos em que os dados do mundo real são raros e difíceis de obter, os dados precisos podem ser aumentados com dados sintéticos para reduzir o tempo de treinamento do modelo. As empresas que operam uma grande frota de AMRs em locais de produção podem usar o Kit de desenvolvimento de software (SDK) baseado em nuvem da plataforma NVIDIA DeepMap para acelerar o mapeamento de robôs de extensas instalações de semanas a dias, NVIDIA cuOpt Application Programming Interface (API) para permitir quase realismo otimizações de roteamento de tempo e plataforma NVIDIA Metropolis para integrar câmeras de vídeo e sensores disponíveis no mercado com análise de vídeo habilitada para IA.
Além disso, a NVIDIA construiu um ecossistema crescente que possui experiência de domínio na construção de robôs com a plataforma Jetson. Isso inclui 105 empresas especializadas em software de AI, hardware e serviços de design de aplicativos, sensores e periféricos, ferramentas de desenvolvimento, sistemas de desenvolvimento e muito mais, fornecendo soluções e serviços complementares e de valor agregado. Os principais parceiros incluem SICK, LIPS, FRAMOS, Universal Robots e e-con Systems. Por meio desse ecossistema, os OEMs de robótica e os usuários finais podem esperar experiências de ponta a ponta, integradas e personalizadas com base em uma compreensão profunda de suas necessidades.
Espera-se que o mercado de intralogística para robôs móveis cresça de US$ 9 bilhões em 2022 para US$ 36 bilhões em 2030. Ambos AGVs e AMRs são implantados em armazéns brownfield e greenfield para manuseio de materiais .
Oportunidades comerciais abundantes
Embora ainda fortemente centralizadas no setor, as inovações tecnológicas em hardware, software e modelos de negócios aceleram a implantação robótica em todos os principais mercados verticais. Como resultado, espera-se que o mercado de intralogística para robôs móveis cresça de US$ 9 bilhões em 2022 para US$ 36 bilhões em 2030. Ambos AGVs e AMRs são implantados em armazéns brownfield e greenfield para manuseio de materiais.
Agora, AMRs e empilhadeiras são usados para manuseio de materiais e manipulação móvel na fabricação, que deve passar de US$ 2,3 bilhões em 2022 para US$ 36,4 bilhões até 2030. No futuro, espera-se que AMRs e robôs quadrúpedes se tornem mais proeminentes na entrega, coleta de dados, segurança e limpeza. Espera-se que o mercado de entrega de última milha e robótica de varejo cresça de menos de US$ 1 bilhão e US$ 1,3 bilhão em 2022 para US$ 16,2 bilhões e US$ 8,4 bilhões até 2030, respectivamente.
Robótica e ML
À medida que as empresas continuam a digitalizar e automatizar seus fluxos de trabalho atuais, elas não devem ignorar a importância da robótica e da automação baseada em ML. O surgimento de um ambiente de negócios orientado a dados, tecnologias de ML de ponta, plataforma dedicada de desenvolvimento de robótica e ecossistema de parceiros robusto está criando novas oportunidades para aceitar e adotar robôs em vários mercados.
Sem dúvida, a adoção atual e imediata da robótica é fortemente voltada para empresas maiores. Ainda assim, as tecnologias emergentes apresentam uma oportunidade para os fornecedores de robótica reduzirem com sucesso a barreira de adoção para pequenas e médias empresas. Uma solução abrangente de hardware e software, como a oferecida pela NVIDIA, torna essas tecnologias mais acessíveis para OEMs de robótica e usuários finais. Além disso, a parceria com uma empresa experiente com um ecossistema de robótica adequado, ou seja, desde a camada de chipset ML de borda até a camada de software e aplicativos, permite que os OEMs de robótica se concentrem no aperfeiçoamento de seu design de hardware e na expansão de sua presença no mercado.
Sobre o autor
Lian Jye Su, analista principal da ABI Research, é responsável por orquestrar pesquisas relacionadas à robótica, inteligência artificial (IA) e aprendizado de máquina (ML). Ele lidera pesquisas sobre tendências emergentes e importantes nesses setores, mergulhando profundamente nos avanços em componentes-chave, dinâmica regional em robótica e adoções de IA e seus impactos e implicações futuras.
Conteúdo relacionado
