Os desafios para a sociedade
brasileira, para a economia mundial e, em especial para a indústria, são
muitos. No entanto, temos que nos reinventar para enfrentar essa fase que se
instala com a disseminação da pandemia da Covid-19. E a indústria 4.0 é um dos
caminhos para adentrar nesse estágio do ‘novo normal da indústria’ ainda mais
fortalecida. Dados apontam a quarta revolução industrial como uma oportunidade
para o País. A indústria representa hoje menos de 10% do Produto Interno
Brasileiro (PIB) e o Brasil ocupa a 69º posição no Índice Global de Inovação.
Ou seja, temos um mundo exponencial para avançar e ganhar espaços cada vez
maiores.
Um primeiro e importante olhar é entender como definir a quarta revolução industrial. Há vários conceitos considerados como Internet das Coisas (IoT), robótica, simulação, segurança cibernética, manufatura aditiva, realidade aumentada, machine learning, cloud, virtualização, interfaces digitais, big data, ciência de dados, tecnologias integradas, enfim, há um espectro de conceitos tecnológicos muito amplo.
Na minha opinião, o grande erro é ter a visão de que até então a quarta revolução industrial era uma revolução tecnológica. Não vivemos uma revolução tecnológica, vivemos sim uma revolução de modelo de negócios. As tecnologias, emergentes ou não, são importantes nesse momento, ou melhor, fundamentais. Mas não devemos pensar em tecnologia por tecnologia. E um dos fatores que comprova isso é a ameaça chinesa que vivíamos em 2011, data simbólica do início desse movimento, quando a Alemanha estabeleceu a indústria 4.0 como meta de suas unidades produtivas, durante a feira de Hannover daquele ano. Mas a motivação desse objetivo nunca foi “apenas” aplicar tecnologias emergentes e integração de toda cadeia de valor, mas, principalmente, atingir altos níveis de excelência operacional, propiciando um maior nível de competitividade frente à ameaça oriental.
Os líderes digitais precisam se atentar de que a tecnologia deve ser aplicada, porém de uma forma bem estruturada para atingir os níveis operacionais tão almejados em um determinado processo produtivo.
Nos últimos cinco anos, percebemos que com um trabalho assertivo nas plantas industriais é possível auxiliá-las a alcançar o objetivo da quarta revolução, aumentando o nível de excelência a partir de melhores decisões operacionais, através de uma jornada evolutiva de maturidade analítica: descritiva (reportar), analítica (analisar e monitorar), automática (automatizar), preditiva (prever e predição inteligente) até chegar no nível de prescrição (antecipar e atuar). Com isso, atingimos o nível máximo de maturidade data-driven, atacando diretamente os KPIs de negócios impactados pela flexibilidade, confiabilidade e eficiência operacional.
É importante estudar o processo de tomada de decisão e as dores que impedem a transformação para esse modelo data-driven. Como criar essa cultura e alcançar os resultados esperados? Na primeira fase, normalmente esbarramos na qualidade de dados, gaps, lacunas, e este é o ponto nevrálgico para atuar com uma abordagem que estimula o pensamento coletivo, trazendo as pessoas para o centro, com interações constantes nos processos de criação, de forma incremental evolutiva, para, então, desenhar e implementar a melhor tecnologia, com o melhor custo-benefício-risco. Assim, é possível trazer uma solução tecnológica para base da pirâmide, a fim de usá-la da forma mais adequada. E claro, explorar os dados que serão gerados na sequência.
Conseguiremos resultados para o negócio quando conseguirmos explorar em sua totalidade a correlação dos dados vitais e transacionais estruturados e organizados em uma camada única (data-lake), sobre a qual os algoritmos de inteligência artificial, deep leaning, machine learning e soft-sensor, auxiliam ou até influenciam diretamente nas decisões operacionais.
Conseguimos resultados em algumas unidades industriais através dessa abordagem. Predições de falhas, de peso de matéria-prima, do teor de sílica, detecção de vazamento em processos de mineração e predição de alarmes críticos são alguns exemplos. Acreditamos nesse caminho como o “novo normal” da indústria 4.0.
Um primeiro e importante olhar é entender como definir a quarta revolução industrial. Há vários conceitos considerados como Internet das Coisas (IoT), robótica, simulação, segurança cibernética, manufatura aditiva, realidade aumentada, machine learning, cloud, virtualização, interfaces digitais, big data, ciência de dados, tecnologias integradas, enfim, há um espectro de conceitos tecnológicos muito amplo.
Na minha opinião, o grande erro é ter a visão de que até então a quarta revolução industrial era uma revolução tecnológica. Não vivemos uma revolução tecnológica, vivemos sim uma revolução de modelo de negócios. As tecnologias, emergentes ou não, são importantes nesse momento, ou melhor, fundamentais. Mas não devemos pensar em tecnologia por tecnologia. E um dos fatores que comprova isso é a ameaça chinesa que vivíamos em 2011, data simbólica do início desse movimento, quando a Alemanha estabeleceu a indústria 4.0 como meta de suas unidades produtivas, durante a feira de Hannover daquele ano. Mas a motivação desse objetivo nunca foi “apenas” aplicar tecnologias emergentes e integração de toda cadeia de valor, mas, principalmente, atingir altos níveis de excelência operacional, propiciando um maior nível de competitividade frente à ameaça oriental.
Os líderes digitais precisam se atentar de que a tecnologia deve ser aplicada, porém de uma forma bem estruturada para atingir os níveis operacionais tão almejados em um determinado processo produtivo.
Nos últimos cinco anos, percebemos que com um trabalho assertivo nas plantas industriais é possível auxiliá-las a alcançar o objetivo da quarta revolução, aumentando o nível de excelência a partir de melhores decisões operacionais, através de uma jornada evolutiva de maturidade analítica: descritiva (reportar), analítica (analisar e monitorar), automática (automatizar), preditiva (prever e predição inteligente) até chegar no nível de prescrição (antecipar e atuar). Com isso, atingimos o nível máximo de maturidade data-driven, atacando diretamente os KPIs de negócios impactados pela flexibilidade, confiabilidade e eficiência operacional.
É importante estudar o processo de tomada de decisão e as dores que impedem a transformação para esse modelo data-driven. Como criar essa cultura e alcançar os resultados esperados? Na primeira fase, normalmente esbarramos na qualidade de dados, gaps, lacunas, e este é o ponto nevrálgico para atuar com uma abordagem que estimula o pensamento coletivo, trazendo as pessoas para o centro, com interações constantes nos processos de criação, de forma incremental evolutiva, para, então, desenhar e implementar a melhor tecnologia, com o melhor custo-benefício-risco. Assim, é possível trazer uma solução tecnológica para base da pirâmide, a fim de usá-la da forma mais adequada. E claro, explorar os dados que serão gerados na sequência.
Conseguiremos resultados para o negócio quando conseguirmos explorar em sua totalidade a correlação dos dados vitais e transacionais estruturados e organizados em uma camada única (data-lake), sobre a qual os algoritmos de inteligência artificial, deep leaning, machine learning e soft-sensor, auxiliam ou até influenciam diretamente nas decisões operacionais.
Conseguimos resultados em algumas unidades industriais através dessa abordagem. Predições de falhas, de peso de matéria-prima, do teor de sílica, detecção de vazamento em processos de mineração e predição de alarmes críticos são alguns exemplos. Acreditamos nesse caminho como o “novo normal” da indústria 4.0.
Gustavo Brito - Head Global de Indústria Digital da Stefanini, sócio diretor da IHM Stefanini, empresa do Grupo Stefanini especializada no segmento industrial, com forte atuação em setores como Papel & Celulose, Mineração, Siderurgia, Metalurgia, Química e Óleo & Gás.
Nenhum comentário:
Postar um comentário