Food Connection faz parte da divisão Informa Markets da Informa PLC

Este site é operado por uma empresa ou empresas de propriedade da Informa PLC e todos os direitos autorais residem com eles. A sede da Informa PLC é 5 Howick Place, Londres SW1P 1WG. Registrado na Inglaterra e no País de Gales. Número 8860726.

Case AMBEV: inteligência artificial gera resultados positivos mas exige processo de aprendizagem

Article-Case AMBEV: inteligência artificial gera resultados positivos mas exige processo de aprendizagem

Inteligência artifical - palestra Fórum Fispal Tec

Implantar soluções de inteligência artificial pode gerar um impacto significativo na linha de produção. Porém, esse processo exige tempo de aprendizado e desenvolvimento gradual. Essa foi a conclusão apresentada pelo diretor de suply da AMBEV, Valdecir Duarte, e pelo CEO da I.System, Igor Santigado, em sua palestra no Fórum Fispal Tec. Responsáveis pela implantação de um sistema de machine learning para a indústria cervejeira, eles apresentaram seu case aos presentes na Arena.

“Embora muito se discuta sobre inteligência artificial para a indústria, a aplicabilidade das soluções ainda é um desafio”, comentou Duarte. Para ele, implantar um projeto de AI que funcionasse na realidade da AMBEV exigiu uma abordagem que unia estratégia e tempo. “Era necessário que tanto a máquina quanto os profissionais aprendessem durante o processo para, só então, dar o passo seguinte”, contou. O processo durou, ao todo, 5 anos.

Aplicação gradual e curva de aprendizado

De acordo com os palestrantes, a estratégia adotada foi iniciar a automatização dos sistemas por tarefas mais simples. “Na execução dessas tarefas, fomos identificando erros e acertos da máquina e ela foi, ao longo do tempo, aprendendo o suficiente para passarmos a adotá-la em tarefas gradualmente mais complexas”, relatou o diretor. “O passo final foi implantar o sistema em uma linha inteira de produção”, concluiu.

Sistema criativo e melhoria contínua

Um dos desenvolvedores da solução aplicada, Santiago explica que o diferencial do sistema é sua capacidade de criar. “Nossa tecnologia enxerga cada máquina como parte de uma rede complexa. Assim, ela consegue analisar conjuntamente os resultados de cada máquina e identificar a melhor configuração para cada uma delas, sempre com foco em gerar uma produção com cada vez menos paradas e, consequentemente, mais lucro”, contou.

Os resultados iniciais foram positivos: a produtividade teve um impacto de 4,7% de crescimento, em média. “Acreditamos que esse número, ao longo das próximas fases, deve chegar a 7%. O processo de melhoria, aprendizado e otimização é contínuo, gerando impacto direto no resultado final”, completou Duarte. V

Ocultar comentários
account-default-image

Comments

  • Allowed HTML tags: <em> <strong> <blockquote> <br> <p>

Plain text

  • No HTML tags allowed.
  • Web page addresses and e-mail addresses turn into links automatically.
  • Lines and paragraphs break automatically.
Publicar