Quatro maneiras pelas quais a IA generativa lida com os desafios de fabricação

O setor de fabricação está em uma posição nada invejável. Enfrentando um constante ataque de pressões de custo, volatilidade da cadeia de suprimentos e tecnologias disruptivas, como impressão 3D e IoT. O setor deve otimizar continuamente os processos, melhorar a eficiência e melhorar a eficácia geral do equipamento.

Ao mesmo tempo, existe essa enorme onda de sustentabilidade e transição energética. Os fabricantes estão sendo exortados a reduzir sua pegada de carbono, adotar práticas de economia circular e se tornarem mais ecológicos em geral.

E os fabricantes enfrentam pressão para inovar constantemente, garantindo estabilidade e segurança. Uma previsão imprecisa de IA em uma campanha de marketing é um pequeno incômodo, mas uma previsão imprecisa de IA no chão de fábrica pode ser fatal.

Tecnologia e disrupção não são novidades para os fabricantes, mas o principal problema é que o que funciona bem na teoria muitas vezes falha na prática. Por exemplo, como fabricantes, criamos uma base de conhecimento, mas ninguém consegue encontrar nada sem passar horas pesquisando e navegando pelo conteúdo. Ou criamos um data lake, que rapidamente degenera em um data swamp. Ou continuamos adicionando aplicações, para que nossa dívida técnica continue aumentando. Mas não somos capazes de modernizar nossas aplicações, pois a lógica que é desenvolvida ao longo dos anos está oculta lá.

Vamos explorar alguns dos recursos ou casos de uso em que observamos mais interesse:

1. Sumarização

A sumarização continua sendo o principal caso de uso da Tecnologia de IA generativa. Juntamente com a pesquisa e a interação multimodal, a IA generativa é uma ótima assistente. Os fabricantes usam a sumarização de diferentes maneiras.

Eles podem usá-lo para projetar uma maneira melhor para que os operadores recuperem as informações corretas de forma rápida e eficaz do vasto repositório de manuais operacionais, SOPs, livros de registro, incidentes passados e muito mais. Isso permite que os funcionários se concentrem mais em suas tarefas e progridam sem atrasos desnecessários.

A IBM tem aceleradores de IA generativa focados na fabricação para fazer isso. Além disso, esses aceleradores são pré-integrados a vários serviços de IA em nuvem e recomendam o melhor LLM (grande modelo de linguagem) para seu domínio.

O resumo também é útil em ambientes operacionais hostis. Se a máquina ou o equipamento falhar, os engenheiros de manutenção podem usar a IA generativa para diagnosticar rapidamente os problemas com base no manual de manutenção e em uma análise dos parâmetros do processo.

2. Compreensão de dados contextuais

Os sistemas de dados geralmente causam grandes problemas em empresas de fabricação. Geralmente, eles são díspares, isolados e multimodais. Várias iniciativas para criar um gráfico de conhecimento desses sistemas foram apenas parcialmente bem-sucedidas devido à profundidade do conhecimento legado, documentação incompleta e dívida técnica incorrida ao longo de décadas.

A IBM desenvolveu um sistema de descoberta de conhecimento impulsionado por IA que usa IA generativa para liberar novos insights e acelerar as decisões baseado em dados com dados industriais contextualizados. A IBM também desenvolveu um acelerador para engenharia de funcionalidade com reconhecimento de contexto no domínio industrial. Isso permite visibilidade em tempo real dos estados do processo (normal/anormal), alivia obstruções frequentes do processo e detecta e prevê o golden lote.

A IBM criou um consultor de força de trabalho que usa resumo e compreensão de dados contextuais com detecção de intenção e interação multimodal. Operadores e engenheiros de fábrica podem usar isso para concentrar-se rapidamente em uma área problemática. Os usuários podem fazer perguntas por fala, texto e apontamento, e o consultor de IA generativa as processará e fornecerá uma resposta, tendo consciência do contexto. Isso reduz a carga cognitiva dos usuários, ajudando-os a realizar a análise de causa raiz de forma mais rápida, reduzindo o tempo e o esforço.

3. Assistência à programação

A IA generativa também ajuda na programação, incluindo a documentação, a modernização e o desenvolvimento de código. Como exemplo de como a IA generativa ajuda na modernização da TI, considere o caso de uso da Water Corporation. A Water Corporation adotou o Watson Code Assistant, que é alimentado pelos recursos de IA da IBM, para ajudar na transição para uma infraestrutura SAP baseada em nuvem.

Essa ferramenta acelerou o desenvolvimento de código usando recomendações geradas por IA com base em entradas de linguagem natural, reduzindo significativamente os tempos de implementação e o trabalho manual. Com o Watson Code Assistant, a Water Corporation obteve uma redução de 30% nos esforços de desenvolvimento e nos custos associados, mantendo a qualidade e a transparência do código.

4. Gestão de ativos

A IA generativa tem o poder de transformar a gestão de ativos.

A IA generativa pode criar modelos de base para ativos. Quando é necessário prever múltiplos KPIs no mesmo processo ou há uma frota de ativos semelhantes. É melhor desenvolver um modelo de base do ativo e ajustá-lo com ajuste fino várias vezes.

A IA generativa também pode treinar para manutenção preditiva. Os modelos de base são muito úteis se os dados de falhas forem escassos. Modelos de IA tradicionais precisam de muitos rótulos para fornecer uma precisão razoável. No entanto, em modelos de base, podemos pré-treinar modelos sem nenhum rótulo e fazer o ajuste fino com os rótulos limitados.

Além disso, a IA generativa oferece suporte e treinamento aos técnicos. Os fabricantes podem usar as tecnologias de IA generativa para criar um simulador de treinamento para os operadores e técnicos. Além disso, durante o processo de reparo, as tecnologias de IA generativa podem fornecer orientações e gerar o melhor procedimento de reparo.

A IBM acredita que a agilidade, a flexibilidade e a escalabilidade proporcionadas pelas tecnologias de IA generativa irão acelerar significativamente as iniciativas de digitalização no setor de fabricação.

A IA generativa capacita as empresas no núcleo estratégico de seus negócios. Dentro de dois anos, os modelos de base alimentarão cerca de um terço da IA em ambientes corporativos.

No trabalho inicial da IBM aplicando modelos de base, o time to value é até 70% mais rápido do que uma abordagem tradicional de IA. A IA generativa torna outras tecnologias de IA e análise mais consumíveis, o que ajuda as empresas de fabricação a perceber o valor de seus investimentos.