Duas formas de usar IA na fábrica
| IA na máquina (edge AI) | Análise de dados de produção | |
|---|---|---|
| O que faz | Decide durante o ciclo: aprova, rejeita ou ajusta | Encontra padrões em semanas ou meses de dados |
| Tempo de resposta | Milissegundos, dentro do ciclo da máquina | Horas ou dias |
| Onde roda | PC industrial junto à máquina | Servidor da fábrica ou nuvem |
| Exemplos | Inspeção visual por deep learning, ajuste de parâmetros de processo | Causas de refugo, análise de paradas e microparadas, previsão de falhas |
Exemplos de aplicação
- Inspeção de defeitos de aparência com deep learning (ver visão industrial).
- Ajuste automático de parâmetros de processo a partir de medições feitas na própria linha.
- Análise de paradas e microparadas para encontrar o gargalo real da linha.
- Correlação entre variáveis de processo e refugo, para descobrir o que causa peça ruim.
- Detecção de anomalias em sinais da máquina, base da manutenção preditiva.
Por onde começar
Projetos de IA que dão resultado começam por uma pergunta de negócio, não pela tecnologia: “por que o refugo sobe no segundo turno?”, “qual máquina limita a linha?”, “dá para inspecionar 100% das peças?”. A partir dela verificamos se os dados necessários existem e fazemos um piloto em uma máquina ou linha, com uma métrica de sucesso definida antes de começar.
O que é necessário
- Sinais do CLP e de sensores, registrados com data e hora.
- Contexto de produção: produto, lote, turno, receita.
- Resultado conhecido para o modelo aprender: peça boa ou ruim, motivo de parada, falha ocorrida.
- Infraestrutura para coletar e guardar os dados, que podemos implantar junto.
A IA não substitui o controle da máquina. O CLP continua responsável pelo comando e pela segurança; o modelo sugere ou ajusta parâmetros dentro de limites definidos.
Como funciona
- DiagnósticoPergunta de negócio, dados disponíveis e métrica de sucesso.
- Coleta e preparaçãoCaptura dos sinais necessários, limpeza e organização dos dados.
- PilotoModelo desenvolvido e testado em uma máquina ou linha.
- ValidaçãoResultado medido contra a métrica combinada, com a produção real.
- Implantação e acompanhamentoIntegração com CLP, IHM ou supervisório e monitoramento do desempenho do modelo ao longo do tempo.