A importância do assistente virtual de produção, WM, baseado em inteligência artificial

O assistente virtual inteligente possui a capacidade de monitorar, em tempo real, todos os fluxos de processo produtivo, bem como analisar os seus respectivos desempenhos e alertar sobre eventos desordenadores. As análises realizadas pelo assistente virtual baseiam-se nos conhecimentos de especialistas dos respectivos processos produtivos sobre os dados coletados das operações produtivas no presente e dos históricos de produção realizados.

Como o contexto produtivo é limitado no seu escopo de descrição, mas não limitante na diversidade de informações passíveis de serem geradas sobre esse contexto, a aplicação de uma abordagem baseada em um sistema especialista para o assistente virtual inteligente mostra-se adequada, sobretudo porque muitos conhecimentos especializados dos processos produtivos são mais simples de serem descritos e validados em uma linguagem de lógica simbólica e processada por um algoritmo de inferência lógica. Além disso, a resolução da máquina de inferência a ser apresentada para o usuário deve ser descrita em lógica simbólica, que é humanamente mais legível do que polinômios matemáticos correspondentes às redes neurais artificiais.

O modelo do Sistema Especialista se baseia no modelo criado pela psicologia sobre como a inteligência humana opera de forma centrada na mente humana, diferente da abordagem baseada em modelos conexionistas, como redes neurais artificiais, em que a inteligência humana se baseia no processamento que ocorre no cérebro e, nesse caso, utiliza modelos matemáticos semelhantes ao processamento eletroquímico do cérebro humano.

Vê-se, na Figura em destaque, uma arquitetura básica de um sistema especialista e, iremos descrever de forma superficial as funcionalidades das partes que o compõem. Começamos pela descrição do módulo de aquisição de conhecimentos do sistema especialista, cujos conhecimentos dos especialistas são obtidos e descritos pelo engenheiro de conhecimento.

Em geral, o engenheiro de conhecimento faz a tradução do conhecimento do especialista, descrito em linguagem natural para uma linguagem computacional baseada em lógica simbólica. Importante ressaltar que existe certa dificuldade de se extrair, codificar e validar os conhecimentos mais complexos numa linguagem de lógica simbólica. Possivelmente no futuro, com o a avanço da Aprendizagem Profunda, Deep Learning, na aplicação em NLP (Natural Language Processing- Processamento Natural de Linguagem), o próprio assistente virtual irá entrevistar os especialistas e extrair seus conhecimentos para compor a sua própria base de conhecimento.

A entrada de dados representa a leitura dos dados que contextualizam o problema sobre o qual o sistema especialista vai inferir uma resolução e, nela, a inferência é feita por um algoritmo denominado máquina de inferência. Os dados de entrada são armazenados na memória de curto prazo e serão utilizados pela máquina de inferência em conjunto com sua base de conhecimentos lógicos e os dados históricos de contextos semelhantes, que ficam armazenados na memória de longo prazo. O resultado da máquina de inferência é uma resolução que descreve o silogismo da interpretação do problema e as suas presumíveis causas. Essa resolução é o resultado do encadeamento de conhecimentos usados pela máquina de inferência e que podem ser apresentados através da sua interface com o usuário, para que ele possa analisar, criticar e aprender com a resolução apresentada. Além disso, a interface com o usuário permite que se faça consultas específicas da funcionalidade do sistema especialista.

Por outro lado, o sistema especialista do assistente virtual inteligente poderá analisar, permanentemente, os contextos dos processos produtivos críticos, de modo que a identificação de uma não conformidade observada pode levar a inferir uma resolução e ser enviada por mensagem eletrônica para os agentes produtivos, que deverão aplicar as ações relativas à resolução.

Um mapa de fluxo de valor de um produto com a atuação de assistentes virtuais WM, atuando como multiagentes para assegurar o melhor desempenho produtivo do referido produto.

Agora, iremos apresentar como um assistente virtual inteligente, o Módulo WM do MES VF 40, atua diretamente no auxílio à gestão e operação da produção. Na Figura acima, temos um mapa de fluxo de valor, gerado pelo Módulo VSM, sobre a fabricação de produtos eletrônicos, onde há um assistente virtual inteligente WM, que interage com o planejamento e execução de todo o fluxo do processo produtivo na fabricação de produtos eletrônicos. Além disso, deverá ter um Assistente WM com sua respectiva base de conhecimento especializado, para cada fase de fabricação: IAC (Inserção Automática de Componentes); IMC (Inserção Manual de Componentes); e APT (Acabamento de Produto Final). Assim como também, teremos um assistente virtual WM para cada uma das principais áreas de apoio à produção: Manutenção; Qualidade; Engenharia; Logística Interna.

Nesse contexto de termos diversos assistentes virtuais especializados interagindo entre si, de forma colaborativa como um sistema multiagentes, se pode acelerar a transformação da organização de manufatura em um sistema emergente capaz de tomadas de decisões adaptativas eficientes, de forma autônoma, em relação às mudanças ocorridas no ambiente da organização de manufatura, para assegura o melhor desempenho produtivo possível do produto, ou seja, a essência do que seja uma Industria 4.0 atuando como um sistema complexo adaptativo, capaz de evoluir com as mudanças de seu ambiente.

Lembrar que para se chegar nesse nível de transformação, se faz necessário um preciso mapeamento de competências da organização e uma engenharia de conhecimento capaz de traduzir os conhecimentos dessas competências em bases de conhecimentos cofiáveis dos respectivos agentes formados pelos assistentes virtuais WM. Em geral, isso deve ocorrer passo a passo, experimentando e validando o desempenho da atuação de cada assistente virtual WM com sua respectiva base de conhecimento.

            Como exemplo didático, iremos nos concentrar no assistente virtual WM que atua na IAC, que tem uma base de conhecimentos específicos sobre o processo de montagem e soldagem de componentes SMD nas placas de circuito impresso PCI. O assistente WM analisa linha por linha de montagem de componentes SMD, com detalhamento e profundidade. Isso possibilita um diagnóstico preciso do desempenho produtivo e a identificação de eventos desordenadores que estão ocorrendo ou possam vir a ocorrer, em tempo real. Nesse caso, o assistente WM notifica por mensagem eletrônica aos agentes produtivos que deverão atuar corretivamente ou preditivamente.

O Assistente WM analisando permanentemente cada uma das linha de produção montagem de componentes SMD numa placa de PCI

Quando o assistente WM identifica uma situação de perda de produtividade mais complexa, infere uma resolução e apresenta num formato de projeto de ação corretiva, baseada na metodologia A3/PDCA. Nesse caso, o assistente WM comunica-se com o Módulo A3/PDCA, que monta o projeto apresentado para os agentes produtivos que deverão implantá-lo. Observar que, durante a implantação do projeto, a interação do assistente WM com o Módulo A3/PDCA possibilita a avaliação dos resultados obtidos e também pode aprender novos conhecimentos ao refinar os já existentes, com a colaboração dos agentes produtivos que estejam aplicando as ações da resolução sugerida pelo assistente WM.

Comportamento semelhante ocorre com os demais assistentes virtuais WM das demais fases de fabricação. No caso especifico de atuação do assistente virtual WM do fluxo do processo produtivo de um produto, este interage com os demais assistentes virtuais WM das fases de fabricação para a elaboração de planos de ações de melhoria do desempenho produtivo como um todo, em relação ao produto. Esta interoperabilidade entre os agentes produtivos representa uma permanente atuação colaborativa na busca de melhorias do desempenho produtivo da organização de manufatura com mais autonomia de decisões ágeis às mudanças.

A interação dos agentes produtivos com o WM possibilita uma forte sistematização da gestão do conhecimento organizacional, agrega os conhecimentos explícitos dos especialistas da organização e aprende com as análises e diagnósticos dos contextos produtivos. Por outro lado, o WM apresenta o silogismo utilizado nas inferências de suas resoluções para os agentes produtivos, que aprendem com o WM, ou seja, conhecimento tácito para o explícito e vice-versa.

Maiores detalhes no meu livro: Uma abordagem pragmática de conceituação e implantação da Indústria 4.0: Estudo de caso

Se inscrever
Notificar de
guest
0 Comentários
Feedbacks em linha
Ver todos os comentários