Historicamente, a tomada de decisão no contexto de produção nas fábricas e no ambiente de desenvolvimento de negócios tem permitido a criação de modelos de serviço inovadores e tem sido fundamental para o crescimento das empresas em alguns casos, enquanto em outros, acaba sendo um fator para o fracasso.
Hoje, responder de forma rápida e eficiente a certas questões essenciais nesses ambientes pode nos permitir gerar economias significativas e novas receitas, ou até mesmo dar origem a uma próxima disrupção de mercado que vá colocar a empresa em uma posição privilegiada, além de ajudar a evitar riscos.
Nas áreas responsáveis pelos processos operacionais e de produção (OT), as perguntas que precisam ser respondidas para otimizar os processos e reduzir os custos a eles associados são, entre outras:
Quanto produzimos?
Qual é o nível de retração?
Qual é a eficiência do processo?
Quanto uma unidade gasta de energia na produção?
Quais são as condições do maquinário?
É possível aumentar a produção com as máquinas que já temos?
A resposta perfeita para essas perguntas possibilita tomar decisões como:
– Aumentar ou reduzir o volume de produção de acordo com a demanda, para implementar um modelo just-in-time com o mínimo de necessidade de estoque.
– Mudar ou não a infraestrutura de produção para aproveitar ao máximo os insumos e reduzir ou eliminar o desperdício (custo) e ter maior capacidade de produção.
– Optar por investir em energias renováveis, ou projetos energeticamente sustentáveis.
– Decidir promover iniciativas que gerem disrupção no mercado e que confiram à empresa uma significativa vantagem competitiva.
É nos pontos mencionados anteriormente que a análise de dados e as tecnologias desenvolvidas com esse intuito têm o seu maior impacto. Por isso, tecnologias como machine learning (ML) ou deep learning (DL) tornaram-se nos últimos dois anos os pilares da inovação tecnológica e das grandes disrupções de mercado nos setores industrial, de consumo em massa, comércio eletrônico, financeiro e serviços.
Apenas para exemplificar, o Gartner estima que até 2025, 60% das câmeras de vigilância de segurança vão integrar funções de monitoramento e análise em tempo real no mesmo dispositivo, em comparação com 21% em 2020.
Além disso, estima-se que até 2025, as empresas que interagem com seus clientes por meio de máquinas devam ver a oportunidade total de faturamento com serviços aumentar em 20% como resultado de uma maior conscientização das necessidades dos clientes.
Anunciante
Assim como ocorreu com o desenvolvimento de ML e IA, as tecnologias de processamento de dados leves, como edge computing (computação de borda), que utilizam os recursos de computação dos equipamentos de acesso que conectam dispositivos de IoT, também estão permitindo que os recursos de ML sejam explorados rapidamente. Isso acontece principalmente no ambiente operacional para viabilizar a tomada de decisão sobre aspectos relacionados à otimização dos processos e negócios, permitindo, por exemplo, ter a resposta para perguntas como:
Quais métodos de divulgação impulsionam mais as vendas?
Que segmento de cliente vai comprar um novo produto?
Quando o estoque precisa ser reabastecido com um modelo push/pull?
Como podemos ver a seguir no radar de tecnologia do Gartner, nos próximos meses esses recursos de computação de borda serão, assim como a IA e o ML, os mais adotados, junto com a integração das comunicações de TI/OT com arquiteturas padronizadas, como o modelo ISA-95, que estabelece as bases para o avanço rumo à implementação do modelo de produção 4.0.
Nesse contexto, a Cisco oferece suporte às empresas com soluções que integram IA e computação de borda, para atender a diversas necessidades dos setores de manufatura, energia, petróleo e gás, consumo, financeiro e empresarial. Essas soluções incluem:
– Cybervision – Uma solução de segurança cibernética para ambientes industriais que utiliza tecnologia avançada de IA para detectar, conter e eliminar ameaças conhecidas e desconhecidas.
– App Dynamics – Utiliza tecnologias avançadas de IA para analisar e otimizar os fluxos de informação nos processos digitais, melhorando a experiência do cliente e ajudando a identificar e resolver problemas rapidamente, além de permitir a análise de desempenho das aplicações.
– IoT Operations Dashboard: Permite conectar dispositivos (gateways) a recursos de computação de borda para extrair dados de dispositivos de IoT, e utiliza ML para analisar dados e projetá-los em um painel digital de fácil interpretação, utilizando um modelo de consumo flexível na nuvem.
Authors