|
Abstract:
|
Este trabalho é parte do projeto PROPHECY, uma pesquisa que busca ensinar sistemas de inteligência artificial a prever falhas em máquinas de fábrica antes que elas aconteçam, e a organizar automaticamente a produção e a manutenção de forma mais eficiente. O caso de aplicação industrial é no Brasil, e a pesquisa reúne pesquisadores brasileiros, de Santa Catarina, do Rio Grande do Sul e de Manaus, em parceria com pesquisadores alemães, do instituto BIBA.
A contribuição relatada aqui está ligada ao caso de aplicação brasileiro: uma linha de produção de placas eletrônicas de uma fábrica de manufatura em Manaus (AM). O trabalho não envolveu o desenvolvimento do algoritmo de inteligência artificial em si, mas uma etapa igualmente essencial para o sucesso do projeto: a organização e validação dos dados que alimentam o modelo de simulação da fábrica. Diferente da etapa anterior do projeto, que seguiu pacotes de trabalho formalmente definidos, esta fase não teve uma divisão fixa em subpacotes, sendo conduzida como uma atividade contínua, adaptada às necessidades que foram surgindo ao longo do período.
Ao longo do período de bolsa, foram recebidas informações de diversas origens: atas de reunião, e-mails trocados com a equipe da empresa parceira, planilhas de engenharia de processos, dados de erros e falhas de máquina, cronogramas de manutenção e apresentações internas sobre a produção. Um desafio recorrente foi que essas fontes, frequentemente, traziam informações que não coincidiam entre si sobre o mesmo aspecto do processo produtivo. O trabalho consistiu em comparar essas fontes, identificar divergências, buscar resolvê-las sempre que possível e, quando isso não fosse viável, registrar de forma transparente o ponto em aberto, em vez de assumir uma versão como correta sem evidência suficiente.
Também foram acompanhados testes da plataforma de simulação em desenvolvimento, comparando seus indicadores com as métricas reais de desempenho da linha de produção, monitoradas pela empresa por meio de painéis de acompanhamento.
Como resultado principal, foi produzida uma documentação técnica consolidada sobre o caso de aplicação brasileiro, reunindo em um só lugar o processo produtivo, os tempos de cada etapa, as rotinas de manutenção e os pontos ainda não confirmados com a empresa parceira. Essa documentação foi pensada para servir como material de estudo para os próximos integrantes da equipe, permitindo que eles comecem o trabalho a partir de uma base já organizada, em vez de precisarem revisar individualmente a grande quantidade de arquivos dispersos acumulados ao longo do projeto.
De forma mais ampla, este trabalho evidencia um aspecto pouco discutido em projetos de inteligência artificial aplicada à indústria: por melhor que seja um algoritmo, seus resultados dependem diretamente da qualidade e da confiabilidade dos dados que o alimentam. Organizar e validar esses dados é, portanto, uma etapa tão importante quanto o desenvolvimento do próprio modelo. |
