Gestão de IA no chão de fábrica

Objetivo antes do piloto

A Vale e a Shell são clientes da Ubivis há quase seis anos. Nos dois casos, o projeto começou com um objetivo claro, e a empresa sabia qual retorno esperava dele. Medir ficou fácil. Mostrar que a solução entregava o que a empresa esperava também.

Os projetos que morreram no piloto tinham o desenho oposto. Ninguém se juntou para detalhar o que seria feito, e o retorno sobre o investimento só existia no slide da apresentação. Sem um número combinado lá no começo, o piloto termina sem ninguém conseguir dizer se deu certo, e aí ele não evolui.

Três áreas na mesma mesa

O erro de gestão que mais vejo é a falta de coordenação entre as áreas. Um projeto de IA na fábrica precisa de três grupos ao mesmo tempo:

• Quem conhece o processo, que sabe qual problema vale a pena resolver e qual resultado se espera.
• Automação, que conhece as máquinas e sabe de onde tirar o dado de cada CLP.
• TI, que libera a comunicação e o acesso aos dados, cuida da governança e faz a integração com os sistemas de manufatura.

Quando as três não estão alinhadas, o projeto trava. Na maior parte das vezes que vi isso acontecer, o nó estava na TI: o acesso aos dados não saía, ou a integração ficava maior do que alguém tinha previsto.

O custo desse erro é tudo o que já foi gasto até ali. As horas das pessoas da empresa que trabalharam no projeto, a consultoria que tenha sido contratada. Todo esse esforço vai embora.

O caminho é envolver as três áreas desde o primeiro dia e construir o projeto a seis ou oito mãos. Todo mundo precisa enxergar a mesma coisa: estes são os dados que vamos usar, este é o suporte que cada área dá, estes são os resultados que esperamos da inteligência artificial.

Uma semana e nenhum orçamento

Se um gerente de produção me dissesse que tem uma semana e nenhum real para gastar, eu mandaria ele fazer o levantamento que quase toda fábrica pula. Dá para fazer só com gente de casa, da automação e da manutenção.

1. Liste as máquinas críticas. As que param a linha quando param.
2. Veja quais têm CLP, e se existe backup do programa de cada um.
3. Descubra que dados já estão dentro desses CLPs.
4. Converse com a produção e com a manutenção. Quais são hoje os principais motivos de problema de qualidade? E de parada de máquina?

Essas informações já existem na fábrica, de alguma forma. Com elas na mão, você sabe se um projeto de IA é viável amanhã, em quais máquinas estão os problemas que valem a pena, e qual retorno faz sentido esperar quando chegar a hora de investir.

Essa primeira parte não custa nada. É saber o que existe de dado nos seus próprios equipamentos.