Por Waldir Bertolino* 

 

Enquanto Hollywood retrata, por meio de filmes de ficção científica, a inteligência artificial (IA), com robôs humanoides dominando o mundo em um futuro distópico, na vida real a evolução da tecnologia se apresenta de forma mais amigável.

 

Algoritmos de machine learning (aprendizagem de máquina) que recomendam filmes e séries para os usuários de plataformas de streaming, com base no seu histórico de pesquisa, ou chatbots que ajudam na interação de clientes com bancos, ou ainda, ferramentas para análise de desempenho de jogadores de futebol e equipes por meio do aprendizagem de máquina, são alguns exemplos de como a inteligência artificial pode trazer benefícios para diferentes segmentos. 

 

Para a indústria de manufatura não poderia ser diferente. As fábricas podem obter valor com a inteligência artificial ao aproveitar os insights gerados por meio de dispositivos conectados a máquinas, seja para impulsionar a manutenção preditiva de equipamentos, para evitar interrupções na linha de produção e, com isso, eliminar um dos principais obstáculos ao crescimento do setor.

 

Segundo a Associação Brasileira de Manutenção e Gestão de Ativos (Abraman), 5% do faturamento bruto da indústria é consumido pela manutenção, sendo 50% desse valor gasto com a folha de pagamento de equipes envolvidas no processo. Portanto, habilitar a manutenção preditiva de ativos a partir de inteligência artificial é uma necessidade de primeira instância para as empresas da cadeia produtiva. 

 

Mas essa é só uma de várias transformações necessárias à reinvenção da indústria diante dos inúmeros desafios do setor. Felizmente, estamos vivenciando uma adoção maciça de inteligência artificial com o objetivo de melhorar a tomada de decisão de líderes e aperfeiçoar processos industriais. Portanto, é possível ir além da manutenção automatizada.

 

Menciono abaixo quatro aplicações de machine learning que podem contribuir para a otimização de processos e alavancar negócios na indústria de manufatura. 

 

Detecção de anomalias: a inspeção visual em processos industriais normalmente depende do olhar humano, o que pode ser inconsistente em muitos casos. Para melhorar o controle da qualidade, as empresas podem investir em visão computacional para fornecer maior velocidade e precisão na detecção de anomalias.

 

Essa solução se baseia em tecnologias de aprendizado de máquina e deep learning (aprendizado aprofundado) para identificar, reconhecer e analisar milhares de imagens em tempo real e, em seguida, relatar falhas de processos, o que podem ajudar as organizações a reduzir gargalos e custos operacionais. 

 

Previsão de demanda orientada por dados: as cadeias de suprimentos modernas requerem métodos sofisticados de previsão de demanda. Não prever algumas variáveis como, por exemplo, flutuações na disponibilidade de matéria-prima pode levar as empresas a terem gastos muito altos.

 

Para sanar esse problema os gestores podem usar sistemas de machine learning para analisar dados de séries temporais e, com isso, identificar o momento certo de comprar novos insumos, ou até saber quando um item estará em falta no estoque. Isso vai ajudar as organizações a reduzir drasticamente despesas desnecessárias e aumentar a eficiência operacional.

 

Gestão de estoque automatizada: excesso de estoque é outro gargalo da indústria. Uma pesquisa realizada pela Confederação Nacional das Indústrias (CNI), divulgada no final de 2021, mostrou que os níveis de estoque na indústria subiram para 50,6 pontos, o que representa um crescimento de 6,6 pontos na comparação com o ano anterior.

 

Por isso, é cada vez mais necessário investir no uso de machine learning para promover uma maior transparência no que tange aos dados obtidos, com a finalidade de melhorar o gerenciamento do processo logístico, por exemplo. 

 

Precificação eficiente: a quantidade de informações que precisam ser analisadas para se chegar à otimização de preços é cada vez maior. As soluções de machine learning resolvem essa questão. Por meio da customização de modelos de inteligência artificial em larga escala, ferramentas digitais conseguem cruzar e analisar diferentes indicadores, permitindo a detecção de tendências, antecipação de demandas, previsão de falta de insumos e outras situações que justifiquem a alteração da política de preços.

 

Como vimos, o machine learning, como uma tecnologia derivada da inteligência artificial, tem o papel de ajudar os gestores na tomada de decisão com base em dados precisos, e de contribuir para a otimização de processos industriais.

 

São vantagens que colocam as empresas em outro patamar de competitividade e sustentação de negócios no longo prazo. Isso também nos revela que, cada vez mais, a inteligência artificial deixa as telas do cinema para fazer parte da realidade.  

 

*Waldir Bertolino é country manager da Infor no Brasil

 

 

Imagem: Pixabay

Opinião

---