Technology HighLights, 2019
Technology HighLights, 2019
INTRO
visão geral da evolução da indústria, desde a 1ª Revolução Industrial até a integração da Tecnologia da Informação aos processos de produção e a aplicação das tecnologias habilitadoras, o que vem direcionando o futuro da manufatura na chamada Indústria 4.0.
-
O que é a Indústria 4.0;
-
Internet das Coisas;
-
Computação em Nuvem;
-
Big Data;
-
Robótica Avançada;
-
Manufatura Aditiva;
-
Manufatura Digital;
-
Integração de Sistemas; e
-
Segurança Digital.
CONTEXTO DA INDÚSTRIA 4.0
Como você viu, a 4ª Revolução Industrial é um conjunto de tecnologias que se beneficia da redução dos limites ou barreiras entre as pessoas e os mundos digital e físico, permitindo que as máquinas e os seres humanos trabalhem e se comuniquem de maneira colaborativa, o que promove a eficiência, minimiza a ociosidade e o desperdício, além de possibilitar a criação de processos e mercados.
Essas mudanças foram impulsionadas pelo acesso maciço da sociedade ao mundo digital, que passou a influenciar todos os mercados. Pode-se dizer, portanto, que essa evolução partiu das necessidades da sociedade para o mercado, atingindo os meios produtivos e de serviços. No contexto da Indústria 4.0, esse conjunto de tecnologias, chamadas habilitadoras, possibilita que as linhas de produção sejam ágeis e atendam o consumidor final de maneira personalizada, sem prejudicar sua produtividade.
Do ponto de vista do consumidor, a Indústria 4.0 adequa sua linha de produção para a customização em massa com bens ou produtos que atendam aos desejos e necessidades de cada consumidor, com custos semelhantes aos dos produtos não customizados e com prazo de entrega relativamente curto.
Por exemplo, por meio de um menu no site da empresa, o consumidor escolhe as configurações de um computador, como tipo de HD (disco rígido), tamanho do monitor, capacidade de memória. A empresa monta o computador personalizado e entrega em poucos dias ao consumidor.
Outro diferencial desse modelo, agora do ponto de vista da empresa, é a rastreabilidade que possibilita acompanhar um produto, desde a fabricação até a entrega ao consumidor. Permite, ainda, que a empresa analise o comportamento dos produtos durante o uso pelo consumidor e implemente, automaticamente, melhorias decorrente desta análise, por meio de um processo ágil.
A grande utilização de sensores nos equipamentos e processos produtivos alavanca a produtividade porque as informações geradas pelos sensores permitem que a empresa identifique e corrija desvios e até erros de processos, o que impacta a qualidade do produto, o custo de produção, e a credibilidade da empresa.
PRINCÍPIOS DA INDÚSTRIA 4.0
O conceito de Indústria 4.0 agrega as principais inovações tecnológicas de vários segmentos
e as aplica nos processos de fabricação e de serviços.
São tecnologias que têm permitido o surgimento de novos modelos de negócio, produtos e serviços,
e fomentado melhorias significativas em modelos existentes.
Essas tecnologias são como pilares que dão sustentação e diferenciam a Indústria 4.0 da 3ª Revolução Industrial.
Capacidades de tomada de decisão e modificação dos processos produtivos em tempo real
Em um mundo competitivo, conseguir obter dados e analisá-los em tempo real é uma vantagem na tomada de decisão das empresas.
A capacidade de gestão da operação em tempo real se beneficia da possibilidade de obter informações precisas de cada etapa do processo, ampliando as possibilidades de análise nos processos. Embora os sistemas de gestão da produção tenham sido o primeiro passo nesta direção, falamos agora de tecnologias como inteligência artificial para análise de dados e o reconhecimento de padrões que correlacionam os dados à decisão a ser tomada de forma automatizada.
Virtualização
A representação digital do processo produtivo, ou seja, do conjunto de máquinas, dispositivos e robôs, simulando o processo, suas interferências, tempos, velocidades, consumos de modo a identificar gargalos, prevenir problemas e encontrar a situação ótima do processo.
Descentralização
Com o objetivo de melhorar a produção na indústria, surge a descentralização dos processos decisórios,
os quais ficam menos dependentes das decisões humanas, passando, agora, a ocorrer decisões mais assertivas e seguras
geradas por sistemas cyber-físicos e baseadas na análise de dados gerados pelas máquinas do processo.
Sistemas cyber-físicos (cyber-physical system – CPS) são sistemas computacionais e colaborativos nos quais as operações são monitoradas, coordenadas, controladas e integradas por núcleos de comunicação e computação. Assim como a internet transformou a maneira como os seres humanos interagem entre si, os sistemas cyber-físicos estão transformando como nós interagimos com o mundo físico. Muitos desafios aguardam em domínios economicamente vitais como: transporte, saúde, manufatura, agricultura, pecuária, energia, defesa e construção.
Ampliação da inter-relação entre produção e serviços (Orientação a serviços)
Dentro deste grande conceito de indústria 4.0 um dos maiores elementos disruptivos é a orientação a serviço. Mas, o que é orientação a serviço? A orientação a serviços está associada, em geral, a softwares. Neste sentido, o cliente é agente de mudanças no processo ao requisitar novas aplicações que viabilizem suas necessidades de utilização. Essas alterações, em geral, atualizam o sistema para corrigir falhas de projeto, evitar retrabalhos em larga escala, ou para fornecer novas aplicações a este sistema.
Por exemplo, os aplicativos de smartphones são atualizados constantemente, mas, para isso, os usuários não precisam ir às lojas físicas. As atualizações ficam disponíveis na Internet e quem decide se irá ou não atualizar o App é o usuário.
Modularidade
O conceito de modularidade é a divisão do sistema produtivo em subunidades que poderão ser conectadas ou desconectadas do processo, de forma independente, maximizando a eficiência dos processos necessários à customização da produção.
Neste conceito, cada parte do processo é um módulo, um sistema independente, mas que interage com os demais, fornecendo informações e realizando tarefas de forma interativa.
TECNOLOGIAS HABILITADORAS
A Indústria 4.0 pode ser vista como um mosaico que é composto por tecnologias que têm modificado os diversos setores da sociedade, as chamadas tecnologias habilitadoras. As tecnologias habilitadoras são tecnologias, desenvolvidas ou em desenvolvimento, capazes de implementar no universo industrial e social parte das mudanças que as bases da Indústria 4.0 propõem.
Neste curso estudaremos as tecnologias que têm gerado maior impacto para a indústria e para a sociedade.
É importante entender que essas tecnologias têm feito diferença tanto na indústria como em diversos setores, inclusive no seu dia a dia. No entanto, isoladamente, elas não podem ser consideradas como uma evolução para a Indústria 4.0, pois o conceito implica a integração dessas tecnologias no processo produtivo.
Robótica Avançada
Desde suas primeiras aplicações na indústria, com a finalidade de proteger o trabalhador de condições insalubres ou atividades inseguras, a Robótica Avançada tem se estendido para as mais variadas operações, como transporte, processos e operações repetitivas, inspeção e testes.
Os robôs são capazes de se conectar à sistemas em um processo de comunicação com outras máquinas, conhecido como M2M (machine to machine). Existem, ainda, robôs que podem trabalhar colaborativamente com os seres humanos (Robótica Colaborativa). Nessa planta, você pode observar tantos os robôs que realizam o processo M2M, como este, que é um robô antropomórfico, utilizado para manipular o produto entre os equipamentos, como o robô que trabalha colaborando com os seres humanos.
Segurança Digital
As medidas de Segurança Digital aplicadas na planta visam garantir que o acesso aos sistemas seja permitido apenas àqueles que possuem o direito. Nessa planta, por exemplo, o acesso aos sistemas ocorre somente após reconhecimento facial.
Manufatura Digital
Na manufatura digital, o processo produtivo foi todo modelado tridimensionalmente, ou seja, em desenhos 3D (três dimensões) em softwares de CAD (desenho assistido por computador).
No modelo digital estão representados em 3D todas as máquinas, equipamentos, dispositivos, robôs, produtos, possibilitando a simulação virtual do processo (funcionamento e interação entre todas as máquinas e equipamentos), o que permite, ainda, análise e correção de eventuais problemas sem a montagem real da linha produtiva. Esse modelo propicia uma enorme economia de instalação e no próprio processo produtivo.
Internet das coisas
Máquinas e equipamentos podem ser dotados de sensores, com recursos de conexão de comunicação, que enviam informação (dados) sobre o processo e sobre o seu próprio desempenho para a base de dados. Essa base de dados deve estar instalada em um servidor na planta ou na nuvem e estar conectada aos equipamentos por meio de rede com ou sem fio.
Essa máquina, por exemplo, é um centro de usinagem, que se comunica na planta, realizando um trabalho coordenado com os demais equipamentos, sem a intervenção de uma pessoa.
Big Data e Computação em Nuvem
Os dados gerados por máquinas, equipamentos, sistemas, sensores e os próprios trabalhadores da empresa, como ocorre nesta planta, devem ser armazenados, tratados e protegidos. Para dar conta do grande volume de dados (Big Data) são estipuladas as regras de valor dos dados e a forma de armazenamento. A empresa pode lançar mão da Computação em nuvem para efetuar os cálculos necessários à análise dos dados em estudo, e utilizar sistemas de Segurança digital para o controle de acesso às informações geradas.
Nessa planta, esse painel de controle central monitora todo o processo de produção por meio de um software, o Manufacturing Execution System – MES.
Módulo 02
INTERNET DAS COISAS
Neste módulo, você conhecerá como os termos Internet das Coisas - IoT e Internet Industrial das Coisas - IIoT surgiram; e verá como tecnologias e processos possibilitam a conexão de objetos nos ambientes físico e virtual e a sua rastreabilidade em toda a cadeia de valor.
Esperamos que ao final deste módulo, você tenha entendido os benefícios da IoT para diversos setores como industrial e de serviços e, em especial, como o fluxo de comunicação contínua de dispositivos na Internet das Coisas contribui para tornar a indústria ágil.
O QUE É INTERNET DAS COISAS
Em meados de 1999, o pesquisador britânico Kevin Ashton apresentou o termo Internet das Coisas – IoT (em inglês Internet of Things), como uma possibilidade de se etiquetar eletronicamente os produtos da linha de produção de uma empresa, facilitando a logística por meio de identificadores de radiofrequência.
Com base nessa ideia, percebeu-se a oportunidade de interligação direta entre dispositivos, de modo que eles pudessem se comunicar entre si (M2M machine to machine). Por exemplo, um smartphone que pode enviar sinais ao portão de uma residência, abrindo-o automaticamente quando o morador está próximo. Para Santos et al. (2016), a Internet das Coisas é uma extensão da Internet atual, que proporciona aos objetos, com capacidade computacional e de comunicação, se conectarem à Internet. Essa conexão permite aos usuários controlar os objetos remotamente e/ou torná-los provedores de serviços.
Já os objetos (things) são elementos que possuem capacidade de comunicação e/ou de processamento aliados a sensores. Eles não são apenas computadores convencionais, mas também TVs, notebooks, automóveis, smartphones, webcams, sensores ou qualquer equipamento que possua uma forma de conexão à rede.
BLOCOS BÁSICOS DA IoT
Comunicação
São tecnologias e elementos utilizados para conectar objetos inteligentes. Normalmente, são utilizadas tecnologias como redes cabeadas, WiFi, bluetooth para conexão e comunicação dos objetos. Observando os diversos protocolos de comunicação.
Identificação óptica
As informações sobre o objeto são armazenadas como um código de barras ou um código Data Matrix bidimensional e são lidas via tecnologia de imagem digital ou à laser. Sistemas de código de barras e Data Matrix são uma alternativa econômica para a tecnologia RFID (Identificação rádio frequência).
Sensores
É por meio de sensores que são coletados dados sobre o contexto no qual os objetos se encontram. Esses dados são enviados à centros de armazenamento em servidores locais ou em nuvem.
Computação
Há um anseio para que os objetos tenham a capacidade de realizar processamento. Para isto, é preciso dotá-los de elementos de processamento tais como microcontroladores, processadores e FPGA – Arranjo de Portas Programáveis em Campo (em inglês, Field Programmable Gate Array).
Semântica
Semântica, em um sistema linguístico, significa sentido das palavras.
No contexto de Internet das Coisas, a semântica é um atributo essencial para a comunicação de múltiplos dispositivos por meio de um dialeto comum. Normalmente, os objetos vão dispor de protocolos de comunicação abertos, garantindo que diversas tecnologias possam ser desenvolvidas para explorar as possibilidades da comunicação.
Um exemplo disso é a tecnologia bluetooth que permite a extração e o envio de dados entre dispositivos para prover novos serviços.
Serviços
A aplicação das tecnologias utilizadas na IoT envolve novos modelos de negócios, de possibilidades de personalização de produtos ao atendimento às necessidades dos clientes tanto na indústria 4.0 como nas áreas de serviços como:
Transportes - fornecendo, aos motoristas, informações em tempo real sobre as melhores rotas, situação do trânsito e das estradas, demandas de atendimento. E aos usuários, indicando o melhor meio a ser utilizado (trem, metro, ônibus, taxi) tempo de viagem, custo.
Comércio - Produção automática de acordo com a demanda estatística do estabelecimento comercial, prateleiras inteligentes que controlam disponibilidade e reposição de produtos.
Saúde - Possibilidade de transmitir ao médico, em tempo real, os sinais vitais do paciente para um acompanhamento a distância.
Serviços Públicos - Sensores para o alerta de enchentes ou necessidade de limpeza em bueiros e galerias, câmeras de monitoramento inteligente de trânsito com controle de semáforos, sistemas inteligentes de verificação de sonegação de impostos.
Agronegócio - Sensores para verificação das condições do solo, da previsão do tempo, de identificação e controle de animais.
Indicadores de Radiofrequência – RFID (em inglês, Radio-Frequency Identification), redes wireless, dispositivos móveis e sensores têm permitido a construção de grandes aplicações e sistemas industriais em áreas como Agricultura, Indústria de Processamento de Alimentos, Indústria de Serviços de Saúde, Monitoramento Ambiental, Transporte, entre outros.
caminho dos dados , arquitetura dos elementos da IoT.
IoT e INDÚSTRIA 4.0
Na Indústria 4.0, a Internet das Coisas contribui para a integração dos ambientes físico e digital, resultando no chamado ambiente cyber-físico. Um ambiente de produção cyber-físico pode ser entendido como uma rede on-line de máquinas organizadas de forma semelhante às redes sociais. De modo geral, há conexão entre a TI, os componentes mecânicos e os componentes eletrônicos das máquinas e dos equipamentos, que também se comunicam entre si por meio de seus protocolos de comunicação.
Dentro da indústria, esse processo de comunicação entre os mundos físico e digital vem sendo chamado de Internet Industrial das Coisas (IIoT). Ela também cria uma rede inteligente entre máquinas, propriedades, sistemas de comunicação, produtos inteligentes e indivíduos em toda a cadeia de valor da empresa, durante todo o ciclo de vida do produto. Isso é possível graças aos sensores e elementos de controle que permitem que as máquinas sejam ligadas à plantas, frotas, redes e aos seres humanos através da Internet.
Com base nas informações disponíveis nesta rede inteligente, processos e contratos podem ser coordenados com o objetivo de aumentar a eficiência da empresa, otimizar os tempos de produção e de logística, reduzir energia, aumentar a qualidade dos produtos, otimizar as vendas e as compras. Graças à IIoT, a empresa ganha agilidade na tomada de decisão, pois há compartilhamento de informação em tempo real.
representação dessa conectividade
DESAFIOS E OPORTUNIDADES EM IoT
O desenvolvimento de IoT também traz novos desafios. Os dados providos pelos objetos podem apresentar imperfeições (calibragem do sensor), inconsistências (fora de ordem, outliers) e serem de diferentes tipos (gerados por pessoas, sensores físicos, fusão de dados). Assim, as aplicaç̧ões e algoritmos devem ser capazes de lidar com esses desafios.
As previsões de investimento em tecnologias e aplicações baseadas em IoT apontam que até 2020 haverá um aumento considerável do investimento nas áreas de manufatura, transporte e logística, como mostra o gráfico.
Oportunidades em IoT
Oportunidades em IoT, que demonstra previsões de crescimento dos mais diversos setores
com relação ao uso de tecnologias e elementos baseados em Internet das Coisas.
Cases de IOT
Fábrica Inteligente
Para as empresas que fabricam produtos exclusivamente para montadoras
(OEM, em português Fabricante Original de Equipamentos), como é o caso da empresa Hirotec America,
o tempo de inatividade operacional é um problema significativo.
Normalmente, essas paradas na fábrica são causadas por máquinas que operam fora das condições adequadas.
Ou seja, sem manutenção preventiva ou preditiva, esses equipamentos são mantidos em operação até a falha ocorrer.
E quando ocorre, a equipe de manutenção (ou o técnico) é contatada e o equipamento fica parado até que os reparos sejam realizados.
A fim de eliminar essa tendência de manutenção reativa, a HIROTEC procurou usar seus sistemas e registros para obter uma visão mais profunda de suas operações. Nesse processo, os profissionais da empresa perceberam a necessidade de conectividade, acesso a dados e escalabilidade, e viram na Internet das Coisas (IoT) a ferramenta ideal para alcançar esse objetivo.
Com isso, desenvolveram uma estratégia competitiva para capitalizar os potenciais benefícios da Internet das coisas.
A iniciativa começou por identificar as tecnologias fundamentais que alimentariam a IoT.
A empresa optou por uma plataforma IoT para permitir que os dispositivos da empresa se conectassem à nuvem.
Ao implementar esta solução, a Hitotec alcançou maior visibilidade de seus ativos e recursos, e de suas necessidades e prioridades, o que permitiu à empresa melhorar sua produtividade. Para Justin Hester, pesquisador sênior da Hirotec America, com a solução IoT, a empresa ganhou mais visibilidade em seis semanas do que em toda a sua existência.
Adaptado de: Industrie 4.0 Maturity Index, Acatech - National Academy of Science and Engineering, 2017.
Cidade Inteligente
Com a massificação da conexão dos objetos à Internet surge uma gama de aplicações como em cidades inteligentes, por exemplo, que se sustentam nos pilares Sustentabilidade, Eficiência, Pessoas e Segurança.
Módulo 03
COMPUTAÇÃO EM NUVEM
Neste módulo, você conhecerá o conceito de Computação em Nuvem, a evolução dos sistemas de armazenamento, e os modelos de implantação de nuvem e de serviços fornecidos por provedores.
Esperamos que ao final de seus estudos, você tenha entendido como essa tecnologia disponibiliza e amplia o acesso à informação, e que seja capaz de selecionar o modelo de serviço e de plataforma adequados à cada aplicação.
O QUE É COMPUTAÇÃO EM NUVEM
Na busca pela definição do conceito de Computação em Nuvem (em inglês, Cloud Computing)
encontramos múltiplas abordagens e pouco consenso com relação a uma definição.
O Instituto Nacional de Padrões e Tecnologia - NIST, órgão do departamento de governo dos Estados Unidos da América, define computação em nuvem como:
[...] um modelo para habilitar acesso sob demanda, conveniente e ubíquo (tecnologia que está presente em TODOS os lugares),
por meio de redes, a um reservatório compartilhado de recursos computacionais configuráveis, por exemplo, redes, servidores, armazenamento, aplicações, etc. que podem ser provisionados rapidamente e liberados com esforço mínimo de gerenciamento ou interação com o provedor de serviços.
Informalmente, podemos imaginar a nuvem como um grande reservatório de recursos, que foi construído para se adaptar às necessidades de armazenamento de dados de seus clientes e estar disponível em tempo real por meio da Internet.
Dessa forma, a Computação em Nuvem pode ser compreendida como um modo pelo qual os usuários acessam, por meio da Internet, os recursos computacionais disponíveis, sendo que tais recursos têm capacidade de se adaptar às necessidades desses usuários (clientes).
Para melhor entender a Nuvem, clique nas datas na linha do tempo e conheça a evolução dos sistemas de armazenamento.
1880 - O cartão perfurado, inventado no séc. XIX, foi o precursor da memória usada em computadores.
1950 - A fita magnética, originalmente inventada para gravar áudio, se tornou na década de 1950 o novo método para o armazenamento de dados.
1962 - Já na década de 1960 é lançado o primeiro compacto áudio-cassete com capacidade de armazenamento de 660 KB em cada lado.
1963 - O primeiro disco de memória removível (conhecido hoje como HD externo) tinha capacidade de memória de 2.6 MB.
1971 - Os disquete, que começaram a ser produzidos com 8” e capacidade de armazenamento de 80 KB, evoluíram para 5.25″, com armazenamento de 1.2 MB.
1990 - Inventado em 1982 originalmente para áudio, CD-Rom com a versão de 1990, que permitia gravar e apagar arquivos, passou a ser utilizado na informática por sua capacidade de armazenamento de até 700 MB, o equivalente a 486 disquetes.
1994 - O Zip drive, com capacidade de 100 MB, tinha a proposta de substituir o disquete, mas não chegou a conquistar o mercado.
1995 - A evolução do CD, o DVD chegou com capacidade de 4,7 GB de espaço.
1999 - O cartão de memória, com capacidade de 1GB, chegou como a proposta de aumentar a memória de câmeras fotográficas e celulares.
2000 - O Pendrive substituiu definitivamente o disquete. Com capacidade atualmente de 512 GB de armazenamento, há promessa de lançamento de versão com capacidade de 1TB.
2013 - Do ponto de vista de quem armazena os dados, a Nuvem elimina o equipamento físico. Ou seja, o usuário não precisa se preocupar com o equipamento que vai guardar os seus arquivos. Precisa apenas de um aparelho para acessá-los. Além disso, poderá acessar, de onde estiver, sua conta de e-mail, fotos, músicas, softwares, arquivos de todos os formatos e tamanhos.
ACESSO SOB DEMANDA E ESCALABILIDADE
Você viu que a Computação em Nuvem possibilita o armazenamento de recursos, mas não é só isso. Ela é, também, um modelo para habilitar acesso sob demanda. Essa característica está ligada à escalabilidade e à rápida disponibilidade dos recursos na rede. A escalabilidade é uma das características mais importantes na Nuvem, pois permite que seus recursos sejam rapidamente provisionados, atendendo à mudanças no fluxo de demandas.
Na computação tradicional, os recursos disponíveis para um serviço são fixos. Por exemplo, o número de servidores e o espaço para armazenamento. Já no modelo em nuvem, é possível que os recursos se adaptem às variações no fluxo de demanda, otimizando custos e respondendo de uma maneira dinâmica e rápida a tais variações. Há, portanto, uma economia no projeto e uma capacidade de reação mais rápida frente às mudanças nas demandas. Observe a diferença entre o uso de recursos na computação tradicional e o uso de recursos na Computação em Nuvem:
MODELOS DE SERVIÇO
A nuvem é dinâmica e seus recursos são provisionados à medida que a demanda cresce ou diminui, em um modelo baseado em métricas de uso. Dessa forma, sua precificação, na maioria das vezes, é calculada de acordo com o uso do serviço. Ou seja, o cliente paga por um serviço de armazenamento proporcionalmente ao espaço que faz uso.
Na definição do NIST, para Computação em Nuvem são descritos três modelos de serviços,
também chamados de camadas de arquitetura em nuvem. Observe abaixo as diferenças entre eles.
IaaS - Gerenciado pelo cliente
O cliente gerencia os recursos em um nível mais próximo ao sistema operacional.
PaaS - Gerenciado pelo provedor
O cliente recebe o ambiente de desenvolvimento, sem a necessidade de gerenciar detalhes de infraestrutura.
SaaS - Gerenciado pelo provedor
Nesse modelo, o cliente apenas faz uso de uma aplicação disponível na nuvem, não gerenciando nenhum elemento de tecnologia da informação abaixo da camada de aplicação.
Outras vantagens do modelo de computação em nuvem são a confiabilidade e a tolerância à falhas, pois, os clientes podem estabelecer acordos de nível de serviço com os provedores, de modo a garantir a disponibilidade apenas dos recursos que precisam.
Além disso, tarefas como backup e proteção contra vulnerabilidades de segurança da informação passam a ser de responsabilidade dos provedores e não mais dos clientes.
Essa flexibilidade permite que as indústrias tenham maior agilidade, pois no momento em que acontece a maior demanda, a nuvem se adapta a esta necessidade, o que garante que a empresa seja ágil na resposta ao cliente. De uma forma genérica, podemos dizer que o que diferencia os tipos de modelos de serviço em nuvem é o tipo de cliente ao qual cada um se destina.
Infraestrutura como um serviço (IaaS)
O objetivo desse modelo é tornar mais acessível o fornecimento de recursos computacionais,
como servidores, redes, armazenamento etc. que são fundamentais na construção de um ambiente na rede.
No IaaS, o provedor é responsável fisicamente pelos servidores, dispositivos de armazenamento e pela rede.
O cliente da nuvem se torna responsável por obter as máquinas provisionadas pelo provedor de serviços,
instalar e configurar o sistema operacional e as demais aplicações de seu interesse.
Em geral, o cliente não administra ou controla a infraestrutura da nuvem, mas tem controle sobre os sistemas operacionais, armazenamento, aplicativos implantados e, eventualmente, seleciona componentes de rede, tais como firewalls
.
Em outras palavras, o IaaS é um serviço destinado a uma equipe de tecnologia da informação (TI). Sendo assim, a equipe precisa instalar e configurar, por conta própria, todos os recursos necessários para as suas necessidades, desde o sistema operacional até as aplicações que serão disponibilizadas. Normalmente, é adotado por empresas que visam reduzir investimentos em hardware, eliminando custos como segurança e manutenção, além de liberar o espaço físico que seria ocupado por servidores, por exemplo.
Há diversos provedores de computação em nuvem que fornecem esse modelo, sendo a solução Amazon Elastic Cloud Computing – EC2 uma das principais referências.
Plataforma como um serviço (PaaS)
Esse é um modelo intermediário, composto por um hardware virtual disponibilizado como um serviço.
O provedor do serviço disponibiliza o sistema operacional, linguagens de programação e ambientes de desenvolvimento de aplicações.
O cliente não administra ou controla a infraestrutura subjacente, mas tem o controle sobre as aplicações implantadas e, possivelmente, sobre as configurações de aplicações hospedadas nessa infraestrutura.
O foco desse serviço são os desenvolvedores de softwares, pois o PaaS é um ambiente completo para o desenvolvimento de aplicações, tais como compiladores, depuradores, bibliotecas etc. Enquanto o IaaS disponibiliza recursos de uma maneira genérica, isto é, com pouca ligação com o objetivo final do cliente, o PaaS disponibiliza recursos diretamente ligados ao negócio do cliente.
As soluções Google App Engine e Microsoft Azure se destacam como provedores do PaaS.
Software como um serviço (SaaS)
Esse modelo provisiona soluções de software com diferentes propositivos para os clientes da nuvem, acessíveis, por meio da internet, pelos mais variados dispositivos do usuário. O cliente não administra ou controla a infraestrutura subjacente (rede, servidores, sistema operacional, discos rígidos etc.).
Esse modelo provê serviços de computação para o usuário final. O usuário enxerga apenas o software que precisa usar e não tem conhecimento de onde estão localizados os recursos empregados, nem quais linguagens de programação foram utilizadas para desenvolver o serviço, assim como desconhece detalhes do sistema operacional e do hardware que o suporta.
Os serviços de armazenamento oferecidos pela Dropbox e pela Google são exemplo desse modelo.
MODELOS DE IMPLEMENTAÇÃO DE NUVENS
O Instituto Nacional de Padrões e Tecnologia - NIST define também modelos para a implementação de nuvens.
Os modelos definidos mais consagrados são: nuvem pública, nuvem privada, nuvem comunitária e nuvem híbrida.
A NUVEM NA INDÚSTRIA 4.0
A computação em nuvem, na Indústria 4.0, permite que diversos sistemas atuem com alta performance, disponibilidade, acessibilidade e economia de recursos. Além disso, a computação em nuvem se mostra como uma ferramenta fundamental na quebra de barreiras geográficas, aumento da produtividade, conectividade e geração de novas oportunidades para empresas de todos os portes e segmentos. As soluções em computação em nuvem podem garantir este desempenho, já que ajudam com as ferramentas de colaboração e integração entre os departamentos, possibilitando mais agilidade na produção, melhor comunicação e redução de erros.
Por exemplo, a indústria pode utilizar um serviço de virtualização que permita construir, implementar e compartilhar soluções de análise em tempo real da operação de um parque fabril. E por meio de armazenamento e serviços na nuvem, a indústria pode aplicar algoritmos de inteligência artificial para auxiliar na análise preditiva.
Com base nesses dados, a indústria poderá tomar decisões mais assertivas quanto aos recursos materiais e humanos, etapas e volume de produção, períodos de manutenção etc. visando redução de custos e aumento de produtividade.
NA PRÁTICA
Fórmula 1
A Fórmula 1 é um bom exemplo da junção de tecnologias como Computação em Nuvem, Big Data e Internet das Coisas, pois antes, durante e depois dos treinos e das corridas, vários dados são coletados, armazenados e analisados.
Os engenheiros das equipes analisam em tempo real dados de, aproximadamente, 150 sensores em cada carro, que contemplam informações sobre pressão dos pneus, consumo de combustível, força do vento, localização na pista, via GPS, temperatura dos freios, entre outras. Cada sensor se comunica tanto com a equipe no boxe como com um time de engenheiros na fábrica.
Eles podem transmitir 2GB de dados em uma volta e 3TB em uma corrida.
Os resultados dessas análises têm aumentado a segurança dos pilotos e mecânicos, reduzido o consumo de peças, pneus e combustível e aumentado a competitividade entre as escuderias. Mas não é só isso, no conceito de Horizontalização, os dados obtidos pelas equipes são compartilhados com os seus fornecedores, a indústria, que os usam para aprimorar seus produtos seja no design, durabilidade e eficiência das peças, seja na eficiência do combustível.
Eficiência Energética
Em 2008, quando os Estados Unidos da América enfrentavam uma crise de energia, e a escalada do preço dos barris parecia não ter limites, a pergunta não era mais se haveria crise mundial no setor de Energia, mas quando ela começaria.
Então, a aplicação das novas tecnologias na exploração do xisto transformou a indústria
e em apenas alguns anos a produção de petróleo e de gás de xisto dobrou nos EUA.
Os geólogos sabiam sobre os depósitos de rocha de xisto ricos em petróleo há pelo menos 100 anos, o que eles não sabiam era como aproveitar essas formações para produzir petróleo e gás a preços competitivos. Os avanços na perfuração horizontal e na fraturação hidráulica, no entanto, começaram a ser promissores: a ideia era perfurar, por kilometros, a superfície da Terra para muitos locais a partir de uma única plataforma acima do solo, então, injetar água pressurizada na rocha de xisto, liberando grandes quantidades de petróleo e de gás. Para encontrar essas formações de xisto e descobrir os melhores lugares para abri-las, é necessário uma modelagem 3D altamente sofisticada de formações sub-superficiais. As leituras sísmicas e a análise dos dados permitiram aos geólogos e engenheiros identificar os melhores locais para perfurar. Além disso, a coleta e análise de dados em tempo real, possibilitados pela computação em nuvem, aceleraram o aprimoramento dos processos, tendo com base os dados sobre o sucesso ou o fracasso dos poços, as formações rochosas e as técnicas. Segundo Mark Mills, especialista em Energia, "A velocidade da melhoria tem sido notável, com praticamente nenhum aumento de capital”. Em menos de cinco anos, houve melhora de 50 a 100% nos três quesitos-chave: tempo, equipamento e distância de perfuração.
Indústria Automotiva
Da criação da linha de produção em série aos dias de hoje, muita coisa mudou na Indústria Automotiva que, por sinal, é uma das áreas da indústria que mais têm se beneficiado dos avanços da tecnologia. Don Butler, diretor executivo de uma montadora de veículos, explica que a Computação em Nuvem permite que a empresa “colete dados dos veículos, armazene-os e os analise a fim de descobrir o valor que pode derivar deles como, por exemplo, reparar mais facilmente esses veículos considerando como as pessoas os estão usando". Em outras palavras, a Computação em Nuvem permite que a indústria automotiva crie mais produtos, serviços e experiências baseados nos dados coletados, em tempo real, sobre a necessidade do consumidor e em sua experiência de uso.
Além disso, Don Butler está pilotando, no Google Earth, uma solução desenvolvida pela Siemens que, baseada na nuvem, habilita a navegação virtual das linhas de montagem em suas plantas, até o nível de estações de trabalho individuais. Com isso, a empresa busca obter melhoria em comunicação, eficiência, globalização e padronização de seus processos e produtos.
O QUE É BIG DATA
Estamos vivendo a era da informação. Diariamente, são gerados milhões de dados. No ano de 2017, por exemplo, foram gerados 2.5 quintilhões de bytes de dados por dia (DOMO, 2017). Se fôssemos armazenar esses dados em discos Blu-ray seriam necessários 10 milhões de discos. Para se ter uma ideia da velocidade na geração dos dados, é sabido que 90% dos dados disponíveis hoje foram gerados nos últimos dois anos. Ou seja, a sociedade atual está gerando uma quantidade de informação muito superior à gerada por toda a humanidade ao longo dos séculos.
A Internet é uma das principais fontes de dados. Globalmente, a web recebe os mais diversos formatos de dados, de artigos científicos a publicações nas redes sociais, nos formatos de texto, imagem, vídeo e áudio.
Este grande volume de dados recebe o nome de Big Data. No entanto, Big Data não deve ser entendido apenas pelo volume de dados. O fator principal, para a indústria, no uso dessa tecnologia é a capacidade de processar e avaliar as informações relevantes, pois de nada serve possuir grandes volumes de dados se não puder fazer uso deles. É preciso extrair conhecimentos úteis e valiosos, de modo que se faz necessário o uso de ferramentas e técnicas de gestão para processar grande volume de dados, em diversos formatos, em velocidade adequada. Há cinco características-chave em Big Data: volume, velocidade, variedade, veracidade e valor. VolVel VarVerVal
VOLUME
Refere-se à quantidade de dados cada vez maior que está sendo gerada e/ou consumida.
O desafio de armazenar e recuperar o grande volume de dados. Por meio de soluções computacionais capazes de armazenar volumes massivos de dados e indexá-los para uma rápida pesquisa e recuperação.
Além disso, o custo para o armazenagem dos dados está mais barato. De acordo com a revista Computer World, em 1970, por exemplo, armazenar 1 gigabyte de dados custava $185.000 (cento e oitenta e cinco mil dólares). Essa mesma quantidade, em 2017, estava sendo ofertada por $0.02 (2 centavos de dólar).
VELOCIDADE
Refere-se à velocidade com que os dados são gerados e/ou recuperados.
De acordo com o site domo.com (2018), em 2017, a cada minuto, foram realizadas mais de 150 mil chamadas no Skype, mais de 4 milhões de visualizações no YouTube.
Em 1992, por exemplo, a humanidade gerava 100 GB de dados por dia. Em 2013, passamos a gerar 28.875 GB de dados por segundo! A previsão para 2018 é de 50.000 GB sendo gerados a cada segundo.
A velocidade dos dados está ligada a taxa de geração, mas também à taxa de consumo. Para a indústria, essa velocidade é um desafio de Big Data, pois é preciso desenvolver mecanismos capazes de processar esses dados em tempo real.
VARIEDADE
Refere-se aos mais diversos formatos de dados. No início da era digital, buscou-se fazer uso de dados estruturados, como em modelos de banco de dados relacionais. Porém, com o avanço da Internet, e a proliferação das redes sociais, passamos a utilizar dados não-estruturados, como vídeos, imagens, textos (mensagens). Processar tais formatos de dados requer o desenvolvimento de tecnologias especializadas.
VERACIDADE
Refere-se à obtenção de dados verídicos. O conceito de velocidade está alinhado com o conceito de veracidade, pois os dados devem ser analisados em tempo real. Ou seja, os dados devem ser analisados de forma constante para dar veracidade à análise.
VALOR
Refere-se ao valor agregado ao processo: coleta, armazenamento e análise dados. Em outras palavras, o processo de análise de dados pode gerar novos conhecimentos e valor para a indústria.
BIG DATA ANALYTICS
Tirar o melhor proveito do Big Data requer a capacidade de tratamento desses dados. Esse processo pode ser definido como Big Data Analytics, formado por métodos de gestão, técnicas de processamento, mineração de dados e descoberta de conhecimento, inclusive com o uso da Inteligência Artificial. Conheça uma proposta de processo de Big Data Analytics:
1 - Estabelecer questionamentos
A primeira coisa a fazer é estabelecer as perguntas para as quais buscaremos respostas.
Normalmente, essa formulação acontece em dois estágios: em Adquirir Dados (2) e em Realizar modelo (4),
no qual as perguntas são refinadas.
2 - Adquirir dados
Nessa etapa, são consultadas diversas fontes de dados a fim de estabelecer os elementos da análise.
3 - Limpar dados
Essa etapa consiste na aplicação de técnicas de limpeza de dados (data cleaning), com o objetivo de detectar e sanar imperfeições nos dados coletados. Isso porque nem todos os dados coletados são necessários para responder ao questionamento estabelecido.
Pois podem conter informações irrelevantes, duplicadas ou em formato inapropriado para o modelo.
4 - Realizar modelo
Se os dados coletados apresentarem formato adequado para a resolução do problema, serão transformados em uma semântica que permita ao analista de dados proceder com a análise. Nesse estágio, os dados são agrupados, formatados e/ou transformados
para os métodos analíticos, normalmente empregando técnicas de aprendizagem de máquina.
5 - Analisar dados
Esse é considerado o passo fundamental do processo. É nesse estágio que, com uso de
técnicas estatísticas, de manipulação de dados e de aprendizado de máquina,
os dados são transformados em conhecimento.
6 - Apresentar
Os resultados dos métodos analíticos são compostos por diversos elementos e a sua compreensão não é imediata e de fácil assimilação. Por isso, são utilizadas técnicas de visualização para representar o novo conhecimento de uma maneira coerente e de fácil compreensão.
7 - Analisar resultados
Nesse momento, as considerações sobre os resultados obtidos são apresentadas por meio de um conjunto de relatórios que descrevem o processo realizado e as descobertas geradas ao longo das etapas anteriores.
BIG DATA NA INDÚSTRIA 4.0
Big Data e Inteligência Artificial podem ser utilizados no contexto da Indústria 4.0 por meio da leitura de dados gerados por dispositivos e sensores, bases históricas de downtime - tempo em que o equipamento ficou parado por motivo inesperado que pode ser por falha, falta de energia etc., além de alertas de manutenção preventiva.
Os dados coletados a partir de dispositivos e sensores podem ser utilizados em processos analíticos, integrados com bases externas,
ou utilizados por algoritmos de mineração de dados. Os algoritmos utilizados podem fornecer predições ou novos conhecimentos que auxiliarão na redução de defeitos, na otimização da matéria-prima e da energia elétrica, assim como para definir a melhor configuração do ambiente produtivo para atender flutuações do mercado.
1. Os dados proveniente de sensores em equipamentos são armazenados e processados com uso de tecnologias de Big Data e Computação em Nuvem. No armazenamento, é importante observar a segurança de dados e informações.
2. Os dados passam por um processo analítico, com o uso de inteligência artificial, e são incorporados dados de outras fontes como clientes e fornecedores, por exemplo.
3. A análise avançada gera novas informações e conhecimentos, os chamados dados inteligentes (Smart Data).
4. Com esse processo, há economia de insumos, redução dos defeitos e adaptação à demanda, graças a capacidade analítica que o ambiente proporciona.
Para melhor entender a aplicação do Big Data, conheça um exemplo da indústria automotiva. Em seguida, reflita sobre como a sua empresa pode se beneficiar da coleta e análise dos dados gerados nos processos da empresa e de suas cadeias produtiva e de valor.
INTELIGÊNCIA ARTIFICIAL
Você viu que na análise de dados são empregadas técnicas de aprendizagem de máquina, ou seja, inteligência artificial. Mas, você sabe o que é inteligência artificial e como ela surgiu?
Na década de 1950, pesquisadores descobriram que ao descrever as ações humanas por meio de uma série de deduções e lógicas matemáticas, seria possível programar o computador para realizar estas operações, simulando a inteligência humana.
A esta linha de pesquisa deu-se o nome de Inteligência Artificial (AI, do inglês Artificial Intelligence), que desde sua criação tem se buscado fazer com que os computadores simulem a forma de pensar e agir dos seres humanos, modelando elementos como ações reativas e até sentimentos.
Para melhor compreender os objetivos da Inteligência Artificial, conheça o teste proposto em 1950 por Alan Turing, conhecido com o pai da computação.
Teste de Turing
No teste de Turing, um humano (interrogador) utiliza um teclado para fazer perguntas a duas entidades ocultas: outro humano e um computador.
As respostas são fornecidas pelo computador e pelo humano, sendo que o computador é programado para simular o papel do humano, enquanto que o humano deve responder de maneira a confirmar a sua condição. Cabe ao interrogador distinguir qual das respostas foi enviada pelo humano.
A Inteligência Artificial do computador será aprovada se o interrogador não conseguir distinguir quais respostas foram fornecidas pelo humano e quais foram fornecidas pelo computador.
Para Turing, o comportamento inteligente de uma máquina é expresso pela habilidade de obter o desempenho humano em todas as tarefas cognitivas, podendo, assim, enganar um interrogador humano. Nenhum computador foi aprovado nesse teste, pois, para isso, seria necessário uma máquina com diversas habilidades, dentre as quais destacamos:
-
Processamento de linguagem natural de modo a permitir que uma máquina compreenda e se comunique em uma linguagem humana;
-
Representação do conhecimento, permitindo ao computador armazenar informações antes e/ou durante o interrogatório;
-
Raciocínio automatizado para utilizar a informação armazenada para responder às questões, assim como obter novas conclusões a partir dos fatos adicionados a cada interrogatório;
-
Aprendizado de máquina para se adaptar às circunstâncias, detectar e extrapolar padrões;
-
Visão computacional para reconhecer possíveis imagens ou objetos utilizados no interrogatório; e
-
Robótica para atuar na percepção e para manipular objetos.
Essa tecnologia tem sido adotada por muitas empresas para tratar sugestões, informações, reclamações e dúvidas de seus clientes.
Exemplos de Inteligência Artificial são as assistentes virtuais das empresas Google (Google Assistant), da Apple (Siri) e da Amazon (Alexa).
MINERAÇÃO DE DADOS
O que Turing propôs foi um desafio e tanto na área da computação, pois desenvolver todas essas habilidades requer conhecimento provenientes de múltiplas áreas. Dessa forma, o que se viu ao longo da história da Inteligência Artificial foi o desenvolvimento isolado de cada habilidade, sem ter o teste de Turing com foco.
Em relação ao Big Data, a Inteligência Artificial contribuiu com a construção de modelos computacionais para análise e descoberta de padrões em grandes conjuntos de dados. A área da Inteligência Artificial que mais se relaciona a tais processos é denominada como Aprendizagem de Máquina, com a subárea Mineração de Dados (em inglês, Data Mining).
Por meio das técnicas de mineração é possível obter dados, normalmente, na forma de regras lógicas ou predições computacionais, que irão subsidiar um processo de tomada de decisão. Exemplo disso são as aplicações que buscam fazer previsões - modelagens preditivas, descobrir novos padrões ou associações (denominadas modelagens descritivas), refinar agrupamentos por critérios de semelhança ou compreender anomalias de comportamento. As técnicas de mineração de dados podem variar de acordo com o objetivo da pesquisa.
Associação
O objetivo dessa técnica é encontrar regras de associação entre itens que ocorrem simultaneamente. Por exemplo, um conjunto de dados das vendas anuais de uma rede de supermercados possui todos os itens que foram comprados por uma pessoa, a data/hora da compra e o sexo do cliente. Por meio de regras de associação pode-se compreender quais itens são comprados em conjunto (sempre que os clientes compram o item X, também compram o item Y: sabão lava-roupas e amaciante, por exemplo). Com isso, a rede de supermercados pode compreender fenômenos de associação e colocar os produtos lado a lado nas prateleiras a fim de garantir a continuidade desse comportamento.
Classificação
As técnicas de classificação são utilizadas para predizer possíveis valores (classes) a partir de uma série de exemplos previamente rotulados.
Por exemplo, em um conjunto de dados provenientes de sensores instalados em máquinas da linha de produção de automóveis, os dados foram rotulados para dizer se o produto apresentará problemas na etapa de controle de qualidade. Observe a tabela:
Nessa tabela, a classe “Problemas” é o rótulo de cada linha do conjunto de dados. A tarefa de classificação é predizer qual será o resultado da classe quando da análise de outros dados, como abaixo. Quando o sensor 1 está com 0,5, o sensor 2 com 0,8 e o sensor 3 com 0,9 haverá problema ou não?
Veja, na imagem, o processo de classificação. Um algoritmo de classificação é utilizado para rotular um novo dado a partir de um conjunto de dados previamente rotulados.
Agrupamento
As técnicas de agrupamento consistem em segmentar em subgrupos um conjunto de registros a partir da similaridade de seus atributos. Observe a ilustração que mostra dados não rotulados. No processamento, os padrões são detectados e os dados são rotulados. Em seguida, um algoritmo de agrupamento é utilizado para agrupar um conjunto de dados a partir do conceito de similaridade entre os dados.
O QUE É ROBÓTICA
Robótica é o uso dos robôs para a execução de atividades, em substituição do ser humano em locais insalubres e em atividades que possam colocar em risco a saúde do homem. A utilização da robótica requer conhecimentos de
-
mecânica (pneumática, hidráulica, cinemática),
-
eletrônica (sensores e atuadores),
-
softwares e programação (Microcontroladores e CLP – Controladores lógicos Programáveis).
Mas, o que são robôs?
Segundo a Robotics Industries Association – RIA (2017),
[...] um Robô é um dispositivo automático com conexões de realimentação (feedback) entre os sensores,
atuadores e o ambiente sem que haja a ação de controle direto do ser humano para a realização das tarefas.
No setor industrial, os robôs vêm contribuindo com o aumento da produtividade e da qualidade dos produtos, melhorias na saúde e segurança do trabalhador, redução do consumo de energia e de insumos.
O robô industrial é definido por Norma ISO como uma máquina multifuncional, que pode ter base fixa ou móvel, e ser usada em aplicações de automação industrial. Ele pode ser controlado automaticamente e ser usado para manipulação, com vários graus de liberdade. Pode, ainda, ser usado em ações colaborativas com seres humanos. Por exemplo, um robô que segura uma carga enquanto um operador humano a fixa a uma plataforma.
A Robótica também se dedica à pesquisa e à construção de robôs que se movem em seus ambientes de maneira automática. Os robôs móveis, também conhecidos como AGV (Automatic Guided Vehicle), são veículos que se movimentam de forma automática, dispensando o auxílio de operadores. Esta área é chamada de Robótica Móvel.
Cerca de 90% dos robôs industriais são do tipo manipuladores que podem realizar diversas atividades e também são os mais utilizados nas indústrias. Os AVG também começam a ter aplicação na área industrial. Observe a projeção de uso desses robôs nos próximos anos e o potencial que o Brasil tem para desenvolver e aplicar essa tecnologia no campo da Indústria 4.0:
COMPOSIÇÃO DOS ROBÔS
Os componentes de um robô podem ser subdivididos, basicamente, em 7 grandes grupos:
-
Estrutura
-
Manipuladores
-
Atuadores
-
Controladores
-
Fonte de energia
-
Transmissão
-
Sensores
Composição dos robôs, observe a comparação entre um ser humano e um robô:
CLASSIFICAÇÃO DOS ROBÔS MANIPULADORES
Classificação por sua estrutura cinemática
Os robôs são classificados de acordo com a configuração que lhes fornecem graus de liberdade.
Ou seja, as possibilidades de deslocamentos lineares e angulares de suas partes para a execução de atividades:
-
Robô de Coordenadas Cartesianas ou Pórtico;
-
Robô Articulado ou Antropomórfico;
-
Robô Paralelo ou Delta.
Robô de Coordenadas Cartesianas
ou Pórtico
É um Robô industrial cujos três eixos principais de controle são lineares (movem-se em linha reta ao invés de girarem). Seus eixos estão em ângulos retos entre si. Muito utilizado para a manipulação e posicionamento de objetos em superfícies planas, com paradas muito precisas. Por se tratarem de robôs bastante robustos estruturalmente, no universo da Indústria 4.0 são muito utilizados em magazines verticais e em movimentação de cargas.
Robô de Coordenadas Articulado ou Antropormófico
É um Robô industrial que possui pelo menos 3 eixos de rotação. O eixo de rotação da base é ortogonal aos dois outros eixos de rotação que são simétricos entre si. Esta configuração permite maior mobilidade ao robô.
Esse é um dos robôs mais utilizados nos principais processos de fabricação devido a sua flexibilidade.
Robô Paralelo ou Delta
É um Robô industrial constituído de três ou quatro braços e um punho que une-se aos braços. Muito utilizado para separação, pega e montagem de pequenos componentes. Suas principais vantagens são a velocidade e a precisão dos movimentos. É utilizado em linha de produção onde vários Robôs Delta trabalham em conjunto sendo que cada um executa uma tarefa diferente.
ROBÔS NA INDUSTRIA 4.0
A robótica sozinha, ou aplicada apenas no contexto da automação industrial, se caracteriza como modelo já estabelecido na 3ª Revolução Industrial. No contexto da Industria 4.0, considerando o atual cenário econômico e tecnológico, as empresas têm buscado tecnologias que associadas aumentam expressivamente a produtividade, a flexibilidade e a agilidade.
Nesse sentido, a robótica se apresenta como uma tecnologia com potenciais ímpares quando empregada em conjunto com outras tecnologias habilitadoras da indústria 4.0.
O colaborador humano assume a gestão do processo por meio das tecnologias de comunicação da planta.
O colaborador humano não tem contato visual com o processo de solda, mas, quando a peça é finalizada,
o robô envia a informação para o outro robô que a recolhe e a posiciona na esteira.
Em diversas plantas industriais pelo mundo pode-se observar a difusão da robótica com elementos de outras tecnologias:
robôs sendo controlados via internet, com programações altamente flexíveis e adaptativas para diversos tipos de produtos presentes na linha produtiva e robôs que não são apenas executores, mas que, paralelamente à execução, fornecem informações à linha de produção, o que contribui com o processo de verticalização e integração de toda a cadeia produtiva.
Na indústria 4.0, destacamos os robôs colaborativos que estão adaptados e preparados para trabalhar de maneira colaborativa e segura com os seres humanos. Esses robôs são a materialização da interação entre os mundos cyber-físico e biológico;
é a máquina que contribui e aprende com a atividade humana, respeitando e se adaptando às limitações físicas do homem.
Há, ainda, a presença de robôs movimentadores de carga e AVG.
Estes já estavam presentes na indústria 3.0, ou seja, em plantas com automação. Mas, nesse novo contexto, esses robôs aprendem, monitoram e se comunicam a todo momento com a planta, agindo de maneira integrada com a operação da fábrica.
Observe, na planta, a representação do processo de comunicação entre os robôs, máquinas e sistemas.
Para que essa comunicação seja possível, os sensores, atuadores e softwares enviam e recebem dados
por meio da rede IIoT (Internet Industrial das Coisas). Na planta abaixo, você pode perceber que não existe uma central que decide tudo, cada máquina possui certa autonomia respeitando os parâmetros com os quais foi programada.
ROBÓTICA AVANÇADA
Na robótica avançada há robôs que permitirão que empresas se tornem cada dia mais ágeis e que aumentem sua capacidade de aprendizado.
Robô Autônomo
Robôs autônomos são capazes de operar em ambientes desestruturados sem contínuo ou explícito controle humano de seus movimentos. Recebem informações do ambiente, se deslocam de um ponto ao outro sem assistência humana e evitam situações perigosas para eles e para humanos.
Os robôs aplicados no campo da engenharia espacial são exemplos de robôs autônomos, pois nestes locais a comunicação pode falhar e eles precisam seguir com sua missão. Assim, eles precisam ser capazes de operar sem intervenção humana.
Além disso, os robôs autônomos dentro das indústrias fornecem dados ao sistema integrado e aumentam a agilidade e a assertividade nas tomadas de decisão.
Robô Colaborativo
O robô colaborativo é uma evolução dos robôs industriais, quando se trata do trabalho entre máquina e seres humanos. É um robô articulado, dotado de sensores em seus eixos, de força limitada, projetado para aprender e se adaptar a novas tarefas, conforme necessário, como se fosse um colega de trabalho humano.
Isso requer movimento controlado e seguro, habilitado por servo motor e diversos tipos de sensores implementados em cada eixo rotativo, a fim de operar com segurança ao lado de seres humanos.
Biomimética
Grande parte das invenções humanas foram baseadas nas formas da natureza. Essa inspiração é chamada de Biomimética. Ao observarem a natureza, os projetistas buscam soluções para problemas de design, a fim de produzirem robôs capazes de executar tarefas cada vez mais complexas.
Um exemplo é o projeto de robôs cooperativos móveis, inspirado nos insetos que vivem em colônias (formigas, abelhas), animais marinhos que vivem em grandes cardumes (águas-vivas) ou em pássaros que migram em grandes bandos. A ideia é que em um sistema multirobôs, cada um dos robôs tenha a capacidade de perceber seu comportamento enquanto grupo e, no contexto, de agir individualmente.
Os desafios das equipes de programação estão concentrados na comunicação e na interação desses robôs. Ao vencer esses desafios, os cientistas buscam alcançar o próximo nível – cooperação baseada em animais mais complexos, como bandos de mamíferos que executam funções coordenadas.
Essas habilidades são muito importantes quando tratamos da indústria. Imagine sistemas que percebam a necessidade de auxílio e consigam se reagrupar de forma a atender uma demanda maior ou menor. Isso permite maior agilidade e flexibilidade dentro da indústria 4.0
Sonda espacial
Sondas espaciais são naves espaciais não tripuladas, com autonomia de movimentos, programadas para a exploração de planetas, satélites, asteroides, cometas e tudo mais o que se deseja explorar fora da terra. São utilizadas para coletar informações em locais onde seria muito caro o envio e retorno de um ser humano ou mesmo locais desconhecidos, e que não seria seguro a exposição de humanos.
A primeira sonda espacial, a Luna 1, foi enviada à Lua, em 1959, pela antiga União das Repúblicas Socialistas Soviéticas – URSS, e desde então diversos países enviam sondas para o espaço a fim de coletar dados que subsidiem suas pesquisas sobre planetas, asteroides, satélites e cometas.
Em 2011, o robô Curiosity foi enviado à Marte para explorar o planeta e coletar informações sobre sua geologia, clima e meio ambiente?
O robô, do tamanho aproximado de um jipe, possui diversas ferramentas embarcadas, mas as principais estão em um braço que fica guardado enquanto o robô se movimenta...