A IA e a fábrica de chocolate

Classificando as barras de chocolate usando o Reinforcement Learning

Reinforcement Learning é uma abordagem adotada a partir da Inteligência Artificial (IA), que aplica processos matemáticos para imitar a aprendizagem natural. A fábrica de chocolate é um exemplo de aplicações de controle de movimento industrial que pode ser desenvolvido usando este procedimento e surpreender até mesmo os especialistas.

Várias esteiras que transportam barras de chocolate: elas fazem parte da máquina de demonstração que mostra como a Inteligência Artificial pode ser usada para controle de movimento. O que falta fazer em uma fábrica de verdade é embalar as barras de chocolate - de forma automatizada, é claro. Nesta máquina de demonstração de alimentação inteligente da Siemens Digital Industries, as barras de chocolate devem ser colocadas em ranhuras uniformemente espaçadas na esteira de alimentação."As barras são colocadas na correia de entrada em intervalos aleatórios", diz Martin Bischoff, especialista em Mecatrônica Virtual em Tecnologia, divisão de pesquisa da Siemens. "O controlador do sistema consegue isto alterando as velocidades das correias transportadoras. Uma linha de três esteiras transportadoras pode ser acelerada ou desacelerada para garantir o posicionamento correto do chocolate na esteira de saída. O desenvolvimento de um algoritmo de controle otimizado para esta aplicação é uma tarefa de programação complicada - se você não acredita: experimente você mesmo. Através do Reinforcement Learning, treinamos um controlador de inteligência artificial para realizar esta tarefa"

 

Reforço - aprendizagem: fracasso e sucesso

Reinforcement Learning é um conceito de Inteligência Artificial que funciona de forma semelhante ao que a maioria das pessoas aprende ao andar de bicicleta: por tentativa e erro, sem conhecer a física subjacente. Quer uma técnica seja boa ou não, os alunos experimentam imediatamente em suas tentativas e gradualmente ficam cada vez melhores.

  

"É exatamente assim que o Reinforcement Learning funciona", explica Michel Tokic, um colega especialista em Tecnologia IA e professor em Applied Reinforcement Learning na Universidade Ludwig Maximilian de Munique. "A IA recebe uma especificação de destino, como: as barras de chocolate só devem ser colocadas nos campos de destino e o sistema deve realizar a tarefa o mais rápido possível. A IA então faz - a princípio completamente aleatório - tentativas de controle no modelo de simulação para atender a esse requisito.acionado por sinais de sensores fotoelétricos, recebe feedback sobre o quão boas foram essas tentativas. Com base nesse feedback, uma solução satisfatória é gradualmente desenvolvida ao longo de um grande número de ciclos de treinamento". No exemplo do chocolate, cerca de três milhões de ciclos de treinamento foram necessários antes que a IA fosse capaz de colocar os produtos nos campos corretamente.

 

Formação sobre o Gêmeo Digital

Erros em uma aplicação de controle de movimento podem ter consequências caras e perigosas. É por isso que é prática comum desenvolver e testar controladores em gêmeos digitais da máquina sem qualquer risco (comissionamento virtual Siemens). Este gêmeo digital pode ser usado da mesma forma para treinar a IA.

 

"Após cerca de 72 horas de treinamento com o gêmeo digital em um computador comercial padrão (com clusters de computadores baseados em nuvens que são reduzidos para cerca de 24 horas), a IA está pronta para controlar a planta real", diz Bischoff. "Em todo o caso, isso é muito mais rápido do que quando os humanos desenvolvem estes algoritmos de controle. Em Erlangen, trabalhamos com nossos colegas da Siemens Digital Industries para construir o demonstrador que é controlado por esta IA, e ele funciona exatamente como esperávamos - isso é um marco importante para este projeto, financiado pela Siemens Innovationsfund".  

Abordagem diferenciada em relação aos engenheiros

"Se você observar as esteiras transportadoras controladas pela IA, verá que a IA encontrou uma estratégia que envolve transportar todas as barras de chocolate o mais rápido possível nas primeiras esteiras transportadoras e apenas controlar a velocidade com precisão no último transportador", diz Thomas Hennefelder, o engenheiro da Siemens Digital Industries responsável pela máquina.

 

"Esta estratégia funciona bem, e é interessante que é bastante diferente da que o nosso controlador convencional usa". Ele ainda acredita que há muito potencial no método de permitir que a IA aprenda tarefas de controle complexas de forma independente usando o gêmeo digital. "Graças a esta abordagem, podemos agora desenvolver controladores específicos de aplicações mais rapidamente e com menos esforço. No futuro, os sistemas de produção não estarão mais limitados a tarefas para as quais já foi desenvolvido um programa de controle, mas serão capazes de realizar todas as tarefas que a IA é capaz de aprender"

Aenne Barnard, Julho 2021

Inscreva-se na nossa Newsletter

Fique sempre atualizado: tudo o que você precisa saber sobre eletrificação, automação e digitalização.