A inteligência artificial na indústria

O que caracteriza o desenvolvimento industrial, na senda da competitividade e da diferenciação, é a capacidade de antecipar tecnologias de fronteira tecnológica e de as desenvolver, bem como implementar processos eficientes que contribuam para o acréscimo do valor percecionado pelos clientes, no mercado global. Neste contexto, a centralidade das pessoas e do conhecimento são fundamentais para a geração e interpretação de dados de modo que estes se transformem em informação relevante para a tomada de decisões em tempo útil.

A ciência dos dados assumiu assim, na era digital que vivemos, uma inequívoca importância estratégica, o que, quando associada a disponibilidade de computação de alto desempenho, permite acelerar a criação de uma economia de elevado valor acrescentado com enormes vantagens de escala e de externalidades competitivas para as empresas.

É neste contexto, de um mundo cada vez mais digital e interconectado, que a Inteligência Artificial (IA) se afirma em crescendo, com aplicações em todos os domínios, alterando significativamente os padrões de competitividade vigentes, permitindo a análise de dados e a tomada de decisões em prazos cada vez mais reduzidos.

Este processo evolutivo aporta vantagens, mas também alguns desafios, que se a ética, o respeito pelo ser humano e pelas regras sociais estabelecidas, não forem acautelados e regulados, resultará uma utilização tecnológica abusiva, com impactos devastadores na sociedade e no mundo dos negócios.

O crescimento de ferramentas de IA levou ao surgimento de novos serviços, mas necessita também que novas competências sejam adquiridas, de modo que a tecnologia não seja uma barreira ao desenvolvimento da nossa sociedade.

Mas o que é, afinal, a Inteligência Artificial e como funciona? A IA é uma área científica de conhecimento em que são utilizados algoritmos matemáticos para processar dados, permitindo criar programas de computador inteligentes capazes de resolver problemas, identificar palavras e objetos e tomar decisões. Apesar das primeiras aplicações de IA remontarem aos anos 50, nas últimas décadas houve um crescimento acentuado deste tipo de ferramentas e aplicações. A base de qualquer aplicação de IA são os dados, a partir dos quais a IA é treinada de forma a conseguir, matematicamente, identificar padrões e relações entre as diversas variáveis presentes na base de dados. Esta capacidade é especialmente interessante em cenários complexos ou em que exista uma grande quantidade de dados (Big Data), impossíveis de ser processados pelo cérebro humano.

Existem diversos tipos de Inteligência Artificial, aplicadas em áreas distintas. Aqui será dado foco a ferramentas de IA com aplicações mais diretamente relacionadas com a cadeia de valor do plástico. Nesta cadeia de valor é possível encontrar aplicações de IA em todas as suas etapas, desde a conceção do polímero até ao seu fim de vida. Por exemplo, os polímeros são materiais complexos que apresentam um espaço químico extremamente vasto, resultando em biliões de potenciais polímeros. Aqui, ferramentas de IA permitem explorar este espaço químico e identificar possíveis novas formulações de forma significativamente mais rápida.

Na etapa de transformação dos polímeros, a IA tem sido aplicada, por exemplo, na otimização de processos produtivos, permitindo reduzir desperdícios e minimizar o consumo de recursos. Por outro lado, a recolha e tratamento de dados dos processos produtivos permitem que se adote uma abordagem de manutenção preditiva em vez da manutenção preventiva, permitindo o aumento do tempo de vida útil dos equipamentos. Estas abordagens contribuem para alcançar o Smart Manufacturing, mas a IA tem visto também crescentes aplicações também na customização da experiência dos clientes, gestão de energia, operações de logística e redução do tempo de desenvolvimento de novos produtos.

No entanto, existem desafios que têm de ser ultrapassados para que a implementação de IA nas empresas seja bem-sucedida. O primeiro desafio está relacionado com a qualidade dos dados. Seguindo a máxima de “lixo à entrada, lixo à saída”, se os dados fornecidos apresentarem muito ruído ou muitas lacunas, pode conduzir a que o algoritmo faça previsões incorretas. No entanto, a obtenção de dados de qualidade pode ser morosa e dependente de conhecimento especializado na área de aplicação. Por outro lado, a quantidade de dados pode também ser, em alguns casos, uma limitação, uma vez que para problemas mais complexos, os algoritmos de IA podem necessitar de maiores volumes de dados. É também importante ressalvar que a implementação de IA é um processo contínuo, que decorre em paralelo com a geração de novos dados que deverão ser incorporados nos algoritmos.

Outro importante desafio está relacionado com a falta de recursos humanos especializados. Apesar de existir oferta de formação especializada nas áreas relacionadas com analítica dos dados e IA, o crescimento acelerado deste tipo de aplicações faz com que exista no mercado uma escassez destes recursos humanos especializados. Neste aspeto, as empresas deverão tomar medidas para cativar e reter estes talentos, bem como implementar estratégias de gestão e inovação que promovam o uso destas ferramentas.

Assim, é fácil de perceber que a integração de IA no tecido empresarial pode ser um desafio, mas é um caminho que terá de ser traçado para que as empresas sejam mais eficientes e competitivas, permitindo que criem novos modelos de negócios, serviços e produtos e que entrem em novos mercados.

Com o objetivo de ajudar a responder a estes desafios, o CENTIMFE lançou, recentemente, a iniciativa Digital Polymers, cujo objetivo é realizar a transferência de conhecimento acerca de ferramentas digitais de simulação e IA para o tecido empresarial, permitindo sensibilizar a indústria para as vantagens destas, bem como facilitar o acesso e acelerar a sua adoção. A cada dia que passa a IA está a alterar o panorama tecnológico mundial, e o futuro da indústria passa pela utilização de IA. Assim, empresas devem tomar ações para garantir que esta transição seja célere e com o máximo de impactos positivos, podendo contar com o apoio da iniciativa Digital Polymers do CENTIMFE para traçar este caminho.

Texto redigido por Rui Tocha (diretor-geral do CENTIMFE) e João Caseiro (investigador da área de I&D/Data Science no CENTIMFE)