Automação e Indústria 4.0: como separar os bons sinais dos ruídos com a nuvem híbrida maio 5, 2022 145 visualizações 4 min de leitura Automação e Indústria 4.0: como separar os bons sinais dos ruídos com a nuvem híbrida E uma IA responsável é capaz ainda de dar “explicações”, ajudando o usuário a entender por que o sistema tomou determinada decisão *Por: Felippe Melo A inteligência artificial (IA) atingiu um nível de maturidade em que é possível alcançar muito mais automação do que temos atualmente. A IA já pode discernir, por exemplo, quando um comércio varejista precisa fazer um novo pedido e o que solicitar. Também tem a capacidade de alocar um orçamento otimizado para reparos de linhas de energia ou despesas de publicidade. E uma IA responsável é capaz ainda de dar “explicações”, ajudando o usuário a entender por que o sistema tomou determinada decisão. O desafio, no entanto, ainda é construir um modelo de IA robusto o suficiente para atingir essas capacidades em escala. Por exemplo: para treinar um modelo que seja capaz de decidir como enviar determinada encomenda de São Paulo a Salvador, é necessário fornecer um grande volume de dados sobre tempos de viagem, a carga, o clima, a disponibilidade de transporte, além de especificidades críticas para o cliente. Coletar todos esses dados é muito fácil através de RFID e até mesmo telefones celulares podem fazer isso, mas como separar o que é um sinal bom e útil do que é apenas um ruído? Conforme a implementação da IoT se torna mais robusta e incorpora dados visuais ou de imagem, ela gera um volume tão grande que a rede pode entrar em colapso ao tentar capturar todos os dados. A solução está em ser capaz de integrar a IA com antecedência suficiente nesse processo para que os modelos possam determinar autonomamente o que é sinal e o que é ruído. Em outras palavras, implementar automação em grande escala para aplicação em contextos mais complexos que geralmente envolvem intervenção humana é mais um problema de computação do que de IA. Quando a IA é aplicada onde os dados são coletados, o número de locais diferentes em que é necessário gerenciar aumenta drasticamente a necessidade de infraestrutura. Alguns modelos serão executados em dispositivos e beacons, que podem estar em telefones celulares ou em uma nuvem pública. Alguns dados serão marcados como potencialmente notáveis e enviados a um hub central ou analisados em um ambiente local. Nesse contexto, a nuvem híbrida oferece uma maneira comum de gerenciar tudo em ambientes diferentes, e isso significa que é possível fazer muito mais automação. Em um contexto como o de gerenciamento de ativos, a capacidade de reunir esse tipo de dados e de analisá-los de forma que faça sentido ao usuário torna-se particularmente poderosa. Para manter a infraestrutura crítica – desde usinas, barragens de energia até reatores nucleares -, inúmeras entradas de dados precisam ser rastreadas, desde a condição das linhas de energia, conexões e refrigeração até a inspeção mais recente de cada elevador. Integrar a automação nesse contexto requer toda a gama de tecnologias que compõem a Indústria 4.0, desde dispositivos de edge habilitados para IA, que podem coletar informações e analisar no local, até análises avançadas capazes de entender o quadro geral. Quando podemos reunir todas essas informações onde e quando precisarmos, e executar qualquer software ou modelo que quisermos, a difícil tarefa de inspecionar, manter e melhorar esses ativos se torna muito mais gerenciável. Podemos usar IA para avaliar a saúde e a segurança de um ativo e até automatizar o processo de tomada de decisão para determinar se algo precisa ser consertado. A capacidade de prever como um ativo se sairá em diferentes cenários e até quando deve ser inspecionado ou reparado tem implicações importantes, como evitar uma grande crise de manutenção ou reduzir drasticamente as pegadas de carbono e resíduos. Esse poder permaneceu por muito tempo inexplorado porque havia a impressão equivocada de que os modelos eram fracos ou de que a inteligência artificial ainda era imatura, quando na realidade a responsabilidade pode ser atribuída a problemas muito mais fáceis de resolver, como os gargalos que são gerados e que fazem com que os dados sejam divulgados como em um conta-gotas. A IA madura já está aqui. Mas é preciso que as organizações deem uma atenção especial à sua infraestrutura para que consigam realmente explorar todo o seu potencial. https://tecflow.com.br/2021/10/21/automacao-e-industria-4-0-como-separar-os-bons-sinais-dos-ruidos-com-a-nuvem-hibrida/ ← Google lança no Brasil cursos profissionalizantes em análise de dados, gestão de projetos e mais Instituto Federal abre inscrições para pós-graduação em Internet das Coisas → Você pode gostar também Editora Springer libera os 1.000 Livros Mais Vendidos para Download Gratuitamente durante quarentena maio 5, 2022 OLX Brasil tem mais de 150 vagas abertas maio 5, 2022 Jon Johansen, conhecido como o hacker DVD Jon – parte 1 maio 5, 2022 Leia a seguir O GitLab abordou uma vulnerabilidade crítica, rastreada como CVE-2022-1162 (pontuação CVSS de 9,1), que pode permitir que invasores remotos assumam contas de usuários maio 5, 2022 De quantos “nãos” é feito um vencedor? maio 5, 2022