A indústria está vivendo atualmente uma revolução tripla: digital, verde e social. Esta mudança explica-se, em particular, pela multiplicação dos sensores nas instalações industriais, um forte entusiasmo pelas energias renováveis, uma consciência do nosso impacto no meio-ambiente e as economias alcançáveis em termos de energia. Dorian Grosso é o Chefe de P&D de Inteligência Artificial (IA) da METRON. À frente de uma equipe de seis especialistas em Pesquisa e Desenvolvimento por dois anos, sua missão é remover as barreiras tecnológicas ligadas à IA. Perguntamos a ele sobre o papel que a inteligência artificial pode desempenhar na busca por desempenho energético em nível industrial. Como ela interage com os humanos na tomada de decisões? Quais são as especificidades da solução da METRON ?
Como podemos definir a inteligência artificial?
Concretamente, a IA está empenhada em desenvolver técnicas e algoritmos matemáticos que permitam às máquinas serem habilitadas com a capacidade de reproduzir, em certos aspectos, a inteligência real. Essa definição padrão exprime a visão de inteligência artificial de Alan Turing na década de 1950. De acordo com o teste inventado pelo famoso matemático, a inteligência artificial atingiria seu ápice quando um ser humano não pudesse mais saber se está interagindo com um homem ou com uma máquina.
Olhando mais de perto, podemos distinguir dois tipos principais de inteligência artificial
A IA simbólica geralmente é materializada na forma de uma árvore de decisão predefinida. A decisão final é o resultado de uma sucessão de respostas formais a perguntas estruturadas de acordo com regras lógicas. Na verdade, a IA simbólica é determinística e facilmente explicada. Este tipo de inteligência artificial também é conhecido como sistema especialista e tem sido amplamente utilizado na indústria para tomadas de decisão mais simples. Por exemplo, se a temperatura dentro de um forno for inferior a 1500 °C, o fluxo de combustível para um dos queimadores deve ser aumentado.
A IA conexionista, assim chamada em referência às redes neurais, é baseada em algoritmos capazes de integrar diversos parâmetros e cenários de aprendizagem a partir de exemplos empíricos (fase de aprendizagem). Este tipo de IA está em ascensão. O aumento do poder computacional dos computadores, a capacidade de coletar grandes volumes, fluxos e variedades de dados nos permitiu convergir redes neurais profundas, ou seja, treiná-las de maneira eficiente. para que realizem corretamente a tarefa para a qual foram treinados em novos exemplos nunca vistos durante a fase de aprendizagem. Esses algoritmos podem intervir em vários níveis dentro do processo, com o objetivo de obter otimizações de energia.
Esquerda: esquema de IA simbólica; direita: esquema de IA connexionista
Quais são os limites da IA?
Muitas pessoas atribuem habilidades insensatas à IA. Mesmo que façanhas consideráveis tenham sido alcançadas nos últimos anos, uma série de obstáculos tecnológicos e fundamentais devem ser removidos.
A IA simbólica é facilmente explicada, no entanto, é relativamente rígida e pode rapidamente se revelar ineficaz em face de problemas complexos. Por outro lado, a IA conexionista torna possível resolver tarefas complicadas e pode, portanto, ser aplicada à modelagem estatística de processos industriais, à modelagem de funções de custo, à previsão do consumo de eletricidade, etc. No entanto, em alguns casos, os resultados probabilísticos da IA conexionista podem ser difíceis de interpretar.
De forma mais geral, os limites da inteligência artificial são múltiplos e tem várias origens! Eles podem ser:
- externos - a falta de dados, a baixa qualidade dos dados ou uma fraca compreensão da questão da energia podem levar a algoritmos ineficientes;
- inerentes ao problema tratado - o número de variáveis independentes que descrevem o problema é muito grande e o número de exemplos empíricos disponíveis para treinar o algoritmo é muito baixo. Em seguida, falamos do flagelo da dimensionalidade;
- sociais - qual é a taxa de erro aceitável para os gestores de um site industrial no caso do controle automático de uma máquina muito cara? A confiança está no cerne da questão, mas a compreensão da questão também é geracional. É preciso saber mostrar a pedagogia para convencer e não buscar substituir a humana. Estamos em um processo de acompanhamento com um forte componente de energia.
Quais são as especificidades da solução da METRON ?
Na METRON, projetamos uma IA híbrida combinando os dois tipos de inteligência artificial (simbólica e conexionista). Essa abordagem inovadora, combinando ontologia e aprendizado de máquina, é orquestrada em três estágios.
Ontologia, em resumo
A ontologia é uma base de conhecimento estruturada que contém modelos de dados que representam conceitos e as relações entre esses conceitos.
Dentro da ontologia da METRON, transcrevemos o conhecimento humano do mundo industrial. Por exemplo, definimos todas as utilidades (compressor, resfriador, etc.), as ações realizadas pelas utilidades (compressão de um fluido, etc.) ou mesmo as propriedades físicas associadas a fluidos energéticos (pressão, grau de umidade, etc.) Um dos objetivos da ontologia é definir todos os conceitos de forma genérica, apenas uma vez. Os conceitos são então reutilizáveis de um projeto para outro, o que aumenta significativamente a escalabilidade da nossa solução.
Podemos também reunir os conceitos definidos dentro da ontologia, como no Lego, de forma a construir o gêmeo digital dos sites industriais. Assim, digitalizamos:
- a configuração dos sites industriais, ou seja, a forma como as máquinas são interligadas por redes de energia cujo fluxo é orientado;
- a importância comercial dos dados dos sensores. As séries temporais dos sensores são vinculadas às propriedades de negócios armazenadas na ontologia;
- O conhecimento dos construtores de máquinas. Os principais dados das fichas técnicas podem ser armazenados na ontologia.
Além disso, a ontologia é fornecida com um “raciocínio semântico” ou “mecanismo de inferência”. Temos vários tipos de inferência, um dos quais é a inferência de regra lógica. Por exemplo:
- se conectarmos uma rede de eletricidade a um objeto, este herda automaticamente a propriedade de “energia elétrica consumida”;
- se um sensor mede uma energia, podemos calcular automaticamente a potência equivalente, etc.
Assim, propagamos instantaneamente um conjunto de regras de negócios por meio do gêmeo digital.
Seguindo essas duas etapas, identificamos e sugerimos um conjunto de parâmetros que podem ser otimizados no site industrial. É quando os algoritmos de aprendizado de máquina entram em ação. O gêmeo digital nos permitiu contextualizar os dados, o que é um ponto crucial. Os algoritmos, então, ganham autonomia, tornam-se “cientes” do ambiente em que operam e poderão acessar facilmente os dados que precisam.
Podemos então prever o consumo elétrico de equipamentos, modelar as utilidades e processos para estabelecer benchmarks e funções de custo, detectar desvios, etc. Objetivo: ser capaz de minimizar as funções de custo associadas às emissões de CO2, custos de energia ou mesmo impacto psicológico, atendendo a todas as restrições de negócios (restrições físicas, restrições de qualidade e volume na produção, etc.).
Como a METRON usa sua IA para aumentar as capacidades do Gerenciador de Energia?
Devemos compreender que a IA não se destina a substituir os humanos. O objetivo, ao contrário, é apoiá-lo nas suas intervenções no terreno. Do operador local ao gerente da planta, incluindo o Gerente de Energia, a METRON busca facilitar o trabalho de todas as partes interessadas para que possam se concentrar em suas missões de alto valor agregado.
Os algoritmos de IA podem facilmente processar grandes volumes, fluxos e variedades de dados e, em última análise, serem capazes de entender de uma forma muito global a operação de sistemas industriais complexos, o que levaria um tempo considerável para o especialista em energia em algumas situações.
Através da nossa plataforma, o nosso motor de inteligência artificial pode realizar rapidamente análises complexas e fornecer um resumo ao usuário para que possa tomar a melhor decisão em um momento importante. Podemos indicar ao usuário a melhor trajetória dos parâmetros de controle a serem implementados (seja em um forno de vidro, uma planta de ar comprimido ou uma linha de produção de chocolate), de forma a melhorar o desempenho energético. O operador é livre para implementar as recomendações, seja manualmente ou por meio de um sistema de controle de comando em tempo real. Também oferecemos uma visão global (agregação de sites) e local (mais próximo das máquinas) dos fluxos de energia e índices de desempenho como os ganhos obtidos.
O motor de inteligência artificial da METRON e os humanos são, portanto, complementares.
A solução tecnológica proposta pela METRON aproveita ao máximo a IA ao combinar os dois tipos de inteligência artificial: simbólica e conexionista. A IA Simbólica permite obter uma base ontológica a partir do conhecimento humano dos técnicos que atuam na área. É então possível criar um gêmeo digital da fábrica. A implementação de algoritmos de Aprendizado de Máquina então completa o sistema para propor otimizações. No campo do desempenho energético industrial, a IA torna assim possível realizar simulações em um contexto específico. Mas não pretende, de forma alguma, substituir o ser humano, que continua a ser o decisor das ações a implementar na prática. Gostaria de saber mais sobre a solução da METRON?
