Inteligência artificial: uma jovem aprendiz (de dados)

#SiemensAI - Inteligência Artificial suporta manutenção preditiva

Os dados operacionais das máquinas e instalações sinalizam frequentemente falhas iminentes antes do tempo. Se esses dados forem continuamente registrados e analisados, os erros podem ser corrigidos antes que eles surjam (manutenção preditiva). Mas a interpretação destes fluxos de dados requer conhecimentos especializados. Uma nova abordagem da #SiemensAI está tornando possível treinar inteligência artificial (IA) com esse conhecimento especializado com o mínimo de despesas e esforços.

Grandes instalações industriais como as utilizadas na fabricação, geração e distribuição de energia elétrica requerem monitoramento constante. No passado, isto era feito exclusivamente por engenheiros. Mas graças ao IoT (Internet das Coisas), tornou-se agora prática comum que as máquinas sejam monitorizadas principalmente através de sensores que registam dados como pressão, temperatura, vibrações, etc. Alterações nestes valores indicam frequentemente falhas iminentes e desgaste muito mais cedo do que seria possível com a manutenção tradicional. "Detectar falhas com base em dados de sensores significa analisar infinitas cadeias de dados (ou gráficos) e encontrar anomalias", explica Sebastian Mittelstädt, um especialista em inteligência artificial da Unidade de Pesquisa Tecnológica da Siemens. "As pessoas geralmente acham essas tarefas chatas, sujeitas a erros e laboriosas. Por outro lado, a inteligência artificial pode ser facilmente treinada para realizar estas tarefas de reconhecimento de padrões. "Desenvolvemos SALT (Semi-Automatic Labeling Tool) especificamente para aplicações industriais. Usando inteligência artificial, SALT ajuda a analisar os fluxos de dados dos sensores, ao mesmo tempo em que melhora e melhora com o tempo"

Formação no local de trabalho em vez de dados de formação

Toda a inteligência artificial tem de ser treinada antes de poder ser usada adequadamente. A maioria dos métodos treinam IA usando dados de treinamento gerados manualmente. Mas isto geralmente requer milhares de conjuntos de dados antes de se poder esperar resultados confiáveis. "Dados de treinamento confiáveis são caros e demorados para gerar", diz Mittelstädt. "Os especialistas têm de preparar muitos milhares de conjuntos de dados de tal forma que a inteligência artificial possa aprender com eles. No ambiente industrial, é sempre difícil obter dados reais sobre os estados e falhas do sistema que são menos comuns, mas que são importantes para o treinamento"

Experimente apenas algumas horas

O SALT usa uma abordagem diferente. Quando começa o treinamento em operação real, "SALT só pode detectar áreas onde os padrões de dados são significativamente diferentes e os marca com cores diferentes. Normalmente, estas não são falhas, mas simplesmente fases diferentes do funcionamento normal. O especialista humano acrescenta sua própria interpretação (rótulo) a essas áreas coloridas - por exemplo, aumento de temperatura devido ao arranque do motor", explica Mittelstädt. "Treinada com base nestes dados de treinamento, a IA logo é capaz de identificar corretamente as diferentes fases do funcionamento normal e atribuir-lhes a etiqueta correta. Sempre que ocorrem padrões de dados novos e desconhecidos, a IA marca-os como anomalias que precisam de ser avaliadas pelo perito. Basicamente, a IA e o perito trabalham juntos como aprendizes e mestres. O aprendiz pode logo realizar tarefas simples de forma independente e, sempre que as coisas ficam críticas, chama o mestre.Já implantamos SALT em várias indústrias - para monitoramento de bombas de óleo, na indústria automotiva, e na logística e produção. O que descobrimos é que quando a inteligência artificial é treinada pelo SALT e por um especialista, ela já é altamente competente em interpretar dados em apenas algumas horas. No caso do treinamento tradicional de IA usando dados de treinamento especialmente gerados, geralmente leva vários dias, se não meses, antes que a IA possa ser usada"

 

Um condutor perfeito de IA industrial

"O acesso a dados de alta qualidade e rotulados é essencial para a utilização de inteligência artificial em ambientes industriais. Temos que ter esses dados para poder treinar IA", diz Vladimir Lavrik, especialista sênior em IA da Siemens Digital Industries (DI). Por exemplo, a DI usa IA para evitar falhas em uma impressora 3D. (ver mais) A impressora tem um bico que ocasionalmente fica bloqueado, e quando o faz, a peça que está a ser impressa actualmente fica inutilizada. A única maneira de evitar que isto aconteça é detectar o bloqueio iminente com base nos dados da impressora e limpar o bico antes do tempo. "O SALT nos dá dados rotulados de forma confiável que podem ser usados no treinamento de inteligência artificial para detectar um bloqueio iminente antes que ele aconteça", diz Lavrik. "A eficiência é especialmente importante, porque se algo no processo de impressão muda - como o material ou a temperatura - o modelo de IA tem que ser adaptado usando novos dados de treinamento"

Aenne Barnard, março de 2021

Inscreva-se na nossa Newsletter

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

Conteúdo Relacionado