Coletando dados para a Aprendizagem de Máquina

Foto: Mathematica Policy Research

A Aprendizagem de Máquina (AM) é uma subárea da Inteligência Artificial que faz com que máquinas aprendam sozinhas a partir de grandes volumes de dados tarefas específicas. Nos últimos anos presenciamos diversas aplicações diferentes de sistemas inteligentes em áreas diversas. Especificamente na indústria, a AM vêm se tornando um elemento primordial na automação de tarefas, redução de perdas e aumento de produtividade.

A SAS elencou alguns passos importantes para guiar gestores em como aplicar AM nos seus negócios. O primeiro passo consiste na catalogação do processo de negócio, o gestor precisa analisar bem seus processos para que os dados de cada decisão tomada sejam coletados, categorizados e posteriormente utilizados por algoritmos de AM para na tomada de decisões futuras

A AM não vai solucionar seus problemas se os processos dentro do seu negócio não estão bem definidos e organizados. Entretanto, não se faz necessário resolver todos os problemas operacionais de sua indústria antes de começar a coletar dados para usufruir de todos os benefícios da AM. Deve-se priorizar processos e decisões que são repetidos frequentemente e que precisam ser consistentes. Nestes, muitos dados de diversas naturezas podem ser processados para que uma decisão seja tomada.

Todos os dados possíveis sobre uma decisão que foi tomada  no passado devem ser coletados para que a AM consiga tomar boas decisões no futuro. Quanto mais informações forem coletadas, maiores as chances de que uma boa decisão feita no passado se repita de forma consistente.

Por exemplo, em uma indústria a decisão de realização de uma manutenção preventiva programada de uma máquina pode levar em consideração diversos tipos de dados: estado de peças, temperatura, qualidade do produto final, nível de ruído, dados da última manutenção, indicadores de performance e características técnicas de cada máquina podem ser elementos decisivos na parada programada de uma máquina.

A função desse tipo de manutenção é manter o funcionamento de equipamentos a partir de intervenções corretas e oportunas. A partir disso, é possível aumentar a produtividade e qualidade de produtos, melhorar a confiabilidade e disponibilidade de máquinas, reduzir desperdícios, diminuir custos com manutenções não programadas e até mesmo melhorar a comunicação entre diferentes processos dentro de uma indústria.

Se incluirmos na lista além da manutenção preventiva outros tipos de manutenção, tais como: corretiva, baseada em condições, de quebra e outras, aumenta-se a complexidade da tomada de decisão e consequentemente a quantidade de dados necessários para tal. Vários tipos de manutenção podem ser feitos e cada tipo de manutenção exigem tipos de dados variados. Muitas vezes, não é preciso investir muito para a coleta de dados, muitas máquinas já possuem sensores que podem auxiliar nessa tarefas e muito da Internet das Coisas pode ser utilizado também.

Portanto, tendo em vista a grande necessidade de dados sobre processos para uso de AM em uma indústria, o primeiro passo consiste em analisar processos críticos para que seja possível coletar o máximo de dados possíveis. De posse destes, algoritmos de aprendizagem de máquina possuem maiores chances de guiar gestores na tomada de decisão satisfatoriamente.  

4 thoughts on “Coletando dados para a Aprendizagem de Máquina

Deixe uma resposta