Inteligência artificial e tecnologia moderno colorido apresentação

Prévia do material em texto

Inteligência artificial para
otimização de processos de
produção 
Orientador: Antônio Mattos
FMU - Trababalho de Conclusão de Curso
Uma revisão sistemática de literatura 
“[...]
A aplicação de IA nos processos de
produção melhora a eficiência, reduz
custos, aumenta a flexibilidade e
responde de forma ágil às necessidades
do mercado.[...]”
Yang, T.; Yi, X.; Lu, S.; Johansson, K. H.; Chai, T. AI Energizes Process Manufacturing ― Perspective
Intelligent Manufacturing for the Process Industry Driven by Industrial Artificial Intelligence. Engineering,
v. 7, p. 1224-1230, 2021. DOI: 10.1016/j.eng.2021.04.023)
INTRODUÇÃO
Contextualização 
Importância 
Como revolução tecnológica tem
transformado significativamente a forma
de viver e trabalhar na sociedade atual;
importância da IA na transformação dos
processos produtivos.
Estudos de caso que casos ilustram como
a IA pode reduzir o tempo de inatividade,
melhorar a previsão de demandas e
aumentar a eficiência operacional.
Identificação de lacunas e tendências no
das ultimas decadás na área da
Inteligência artificial e industria 4.0.
Estimula novas pesquisas e inovações,
enriquecendo a compreensão das
aplicações da IA na produção industrial.
2. OBJETIVO
2.1 Objetivo geral
2.2 Objetivos especificos.
Objetivo Geral
Investigar e analisar de que forma a inteligência artificial pode ser aplicada para otimizar
processos de produção.
Objetivos Especificos
Contextualizar o impacto da indústria 4.0 no sistema de produção;
Avaliar impactos positivos e negativos da utilização da inteligência artificial;
Investigar como essas tecnologias podem ser aplicadas;
Contribuir para novos insights sobre uso da Inteligência Artificial.
3. FUNDAMENTAÇÃO TEORICA
3.1 Conceitos e Definições de Inteligência Artificial (IA)
3.2. Evolução da Inteligência Artificial (IA)
3.3. Subcampos da Inteligência Artificial (IA)
3.4 Indústria 4.0
3.5 Inteligência Artificial na Otimização de Modelos e
Meios de Produção
Conceitos e Definições de Inteligência
Artificial
Utilizada para reproduzir
capacidade de resolução de
problemas
Viabilizada pelo avanço de
outras tecnologias como a
computação em cloud;
IA generativas e subcampos
como Machine Learning e
IoT.
Ferramentas utilizadas:
2010 - 2014
Primeiros Avanços em
Deep Learning
2015 - 2019
Avanços em Modelos de
Aprendizado e Aplicações
Industriais
2020 - 2024
Maturidade e Integração em
Processos Industriais
Evolução da Inteligência Artificial
Subcampos da Inteligência 
Artificial 
Machine
Learning (ML)
permitem que os sistemas
aprendam e melhorem a
partir de dados sem serem
explicitamente
programados.
Deep Learning
utiliza redes neurais
profundas para modelar
padrões complexos em
grandes volumes de dados.
Otimização
Heurística
desenvolvimento de
algoritmos que buscam
soluções aproximadas para
problemas complexos de
otimização.
Redes Neurais
Artificiais
(ANNs)
modelos computacionais
capazes de representar
relações complexas entre
entradas e saídas.
Industria 4.0
Criação de fabricas inteligentes, que foi viabilizada
pelo avanços tecnológicos relacionado a IA e
Internet, a combinação e integração entre
tecnologias torna possivel:
monitorar processos físicos;
simular dados em tempo real em um espaço
digital que replica seu ambiente físico;
tomada de decisões inteligente baseado nos
dados analisados em tempo real.
De acordo com o SEBRAE (2022), a capacidade produtiva de pequenas e grandes empresas pode aumentar, em média, 22% nas
manufaturas, considerando os segmentos de alimentos e bebidas, mecânica, móveis, vestuário e calçados.
Inteligência Artificial na Otimização de Modelos e Meios
de Produção
Dados de sensores e dispositivos utilizados para aplicação de modelos
apropriados de aprendizado de máquina;
Eficiência, precisão e flexibilidade dos processos de produção;
Automação de tarefas complexas e a otimização das operações.
Manufatura inteligente como um novo modelo de produção:
A integração dessas tecnologias de durante todo o processo de produção, é o que forma o ecossistema de manufatura
inteligente.
4. METODOLOGIA
4.1 Identificação e Seleção de Fontes 
4.2 Critérios de Inclusão e Exclusão
Identificação e Seleção de
Fontes
identificar artigos científicos, livros, teses e
outras fontes relevantes relacionadas à IA e
otimização de processos de produção;
Busca extensiva em bases de dados
acadêmicas como Scielo, Google
Acadêmico, IEEE Xplore e ScienceDirect.
Palavras-chave utilizadas nas buscas
incluíram "artificial intelligence",
"manufacturing" e "industry 4.0";
Critérios de Inclusão e Exclusão
Critérios de inclusão de artigos: Critérios para de exclusão de artigos:
Data de publicação entre 2010 e 2024;
Discussões relacionadas a utilização da IA na
otimização de processos.
Evidencias empiricas e detalhadas sobre o impacto
da manufatura.
Publicação fora do escopo de tempo definido (2010-
2024)
Fora do contexto da utilização da IA na otimização de
processos.
Fontes sem revisão em pares e/ou metodologia
questionavél.
5. RESULTADOS E DISCUSSÕES
5.1 Análise dos Resultados 
5.2 Estudos e Aplicações Relevantes 
5.3 Discussão
5.3.1 Vantagens e Benefícios
5.3.2 Desafios e Limitações
5.3.3 Perspectivas Futuras
5.4. Recomendações
Análise dos Resultados 
Revisão de 20 artigos publicados entre 2010 e 2024,
principalmente da América do Norte, Ásia e Europa,
tendo a publicação de artigos por ano um aumento
significativo no interesse por Inteligência Artificial (IA)
a partir de 2015. (Grafico ao lado)
Tecnologias mais utilizadas: Machine Learning, Redes
Neurais Profundas, Algoritmos de Otimização.
Principais aplicações: manutenção preditiva,
automação de processos, controle de qualidade,
otimização da cadeia de suprimentos.
Estudos e Aplicações Relevantes
General Eletric 
Redução de 30% nos
custos de manutenção
ao implementar um
sistema de manutenção
preditiva baseado em IA.
Bosch
Aumento da precisão de
detecção de defeitos em
35% e reduziu a
necessidade de
inspeções manuais em
40%.
Toyota Nissan
Aumentou a eficiência
da linha de produção em
20% e reduziu os custos
operacionais em 15%.
Viu uma redução
significativa no tempo de
produção e na sobrecarga
de trabalho dos
funcionários com o uso de
robôs colaborativos.
Estudos e Aplicações Relevantes
Redução de custos operacionais
Aumento da eficiência produtiva
Melhoria na qualidade dos
produtos
Redução do tempo de
inatividade dos equipamentos.
Discussão
Aumento da eficiência
produtiva.
1.
Redução de custos
operacionais.
2.
Melhoria na qualidade dos
produtos.
3.
Redução do tempo de
inatividade dos
equipamentos.
4.
Inovação e transformação
digital.
5.
Transparência e
explicabilidade.
6.
Sustentabilidade e
eficiência energw2ética.
7.
1 Vantagens e Benefícios
Complexidade de
implementação.
1.
Qualidade e disponibilidade
dos dados.
2.
Custo de implementação e
manutenção.
3.
Falta de profissionais
qualificados.
4.
Questões de segurança e
privacidade.
5.
Resistência à mudança.6.
Questões éticas e de
transparência.
7.
2
Desafios e Limitações 
Vantagens e Benefícios
Desafios e Limitações 
Discussão
Aumento da eficiência produtiva.1.
Redução de custos operacionais.2.
Melhoria na qualidade dos produtos.3.
Redução do tempo de inatividade dos equipamentos.4.
Inovação e transformação digital.5.
Transparência e explicabilidade.6.
Sustentabilidade e eficiência energw2ética.7.
Complexidade de implementação.1.
Qualidade e disponibilidade dos dados.2.
Custo de implementação e manutenção.3.
Falta de profissionais qualificados.4.
Questões de segurança e privacidade.5.
Resistência à mudança.6.
Questões éticas e de transparência.7.
Inteligência Artificial
Explicável (XAI)
Aumenta a confiança dos
usuários, facilita a
conformidade com
regulamentações.
Aprendizado
Federado
Melhora a privacidade dos
dados e permite o
treinamento colaborativo.
Robótica
Colaborativa
 Aumenta a produtividade
e melhora a segurança no
local de trabalho.
Perspectivas futuras
Seguirboas práticas de implementação,
como seleção adequada de dados e
treinamento contínuo de equipes.
Recomendações
Desenvolver políticas de suporte, como
incentivos financeiros e regulamentares para
a adoção de IA.
6. CONCLUSÃO
Conclusão
APRESENTADO POR:
nteligência artificial para otimização de processos de produção Inicio Responsavéis Contact
Ana Carolina N Novais
Caio Silva Silviano
Evelym Moreira Buriti