sexta-feira, 26 de abril de 2024

Inovação

Cresce exponencialmente em vários setores devido aos benefícios que oferece a solução de manutenção preditiva da Senseye mantida pela Siemens, neste sentido, a solução de monitorização preditiva em IA se insere em  plantas de produção. A Chefe de Desenvolvimento de Negócios da Siemens South America, expressa que a  “funcionalidade IA generativa facilita tomada de decisões adequadas para aumentar, otimizar tempos de trabalho e usar de modo mais eficiente, recursos, entre outras coisas”. A Siemens identificou nos últimos 7 anos aumento de 275% nas consultas de manutenção preditiva, com valor de mercado global projetado para aumentar de US$ 5 bilhões, 2021, à US$ 25 bilhões, 2028, e não mais limitada aos primeiros adotantes, as empresas devem começar por monitorizar o menor ao maior número de ativos para identificar impactos positivos e como integrar mais no sistema, processo faseado e controlado que permite envolvimento dos responsáveis pela operação na organização bem como do parceiro estratégico. A manutenção preditiva requer dados para funcionar, ou, temperatura, vibração, fluxos, etc, daí, manutenção em quais peças falham ou foram alteradas antes, quais atividades de manutenção estão planejadas, tipo de peça necessária para reparar ou substituir, etc, seguida de produção, ou, velocidade, que está sendo produzida naquele momento ou interações entre equipes em que as empresas devem dar passo em direção à digitalização e com estes dados é criada impressão digital do que é considerado funcionamento normal do equipamento. Desempenho não comparado com dados gerais da indústria ou dados de novos equipamentos e, sim, com dados reais coletados na planta para identificar sinais de falha, obsolescência e desgaste dos equipamentos atuais, sendo que o Country Head da Siemens Digital Industries Argentina, Uruguai e Paraguai avalia que, “na Siemens, há o compromisso de ajudar empresas identificar melhores práticas e metodologias para otimizar operações, conforme necessidades, expectativas atuais e futuras”. A Manutenção Preditiva Senseye é solução que impacta a produção em si, o bem-estar dos equipamentos e dispositivos em termos de máquinas, sendo "contribuição em termos de mudança organizacional levando equipes técnicas aprender e gerenciar tecnologia líder acelerando troca de conhecimento e boas práticas, impactando na  produtividade das operações e demonstrando valor que a transformação digital tem na a área industrial", inserida em confiança de armazenar dados na nuvem para analisá-los e realizar implementações, automação e acessibilidade de dados à qualquer projeto de manutenção, reconhecimento de custos operacionais e finais do tempo de pausa produtiva na manutenção e/ou reparo e número de equipes com massa crítica de dados para analisar.

Nestes conceitos, especialistas desenvolveram calculadora para avaliar IA radiológica, demonstrando retorno “substancial” do investimento 5 anos pós implementação, sendo que a ferramenta  ajuda líderes de imagem quantificar custos comparativos, receitas estimadas e valor do uso da plataforma IA em hospital dos EUA, construindo parâmetros à calculadora através de entrevistas com especialistas e revisão da literatura relacionada à IA de imagens, conforme pesquisa publicada no JACR. A introdução IA no fluxo de trabalho da radiologia hospitalar resultou em reduções do tempo de trabalho e entrega de um ROI de 451% em período de 5 anos sendo que os retornos dispararam para 791% quando se considera economia de tempo do radiologista, daí, a calculadora foi criada no Microsoft Excel para avaliar o ROI do Calantic, arquitetura centralizada à aplicações IA oferecida pela Bayer, coautores do estudo, em que a plataforma foi projetada para automatizar tarefas demoradas, otimizar fluxos de trabalho e oferecer suporte à detecção radiológica a partir de dados de imagem. A ferramenta final considerou perspectiva das partes impactadas pela implementação IA, incluindo impacto diferente para hospitais versus centros de diagnóstico por imagem em que 14 aplicativos alimentados por IA, hospedados na Calantic, foram avaliados no estudo, todos, relacionados a indicações torácicas e neurológicas. Segundo a calculadora, a economia aos radiologistas inclui mais de 15 dias úteis de espera de 8 horas, 78 dias em triagem, 10 dias em leitura e 41 dias em relatórios proporcionando retornos ao hospital, trazendo pacientes à exames de acompanhamento, hospitalizações e procedimentos de tratamento clinicamente benéficos. A calculadora utilizou volumes anuais estimados de raios X, tomografia computadorizada e ressonância magnética, derivados de dados fornecidos por consultório representativo de um grupo dos EUA com aumento anual presumido em 10% e, usando esses dados e informações de especialistas, algoritmo que categoriza varreduras por região do corpo estimou o número de exames relevantes enviados à análise adicional pelo aplicativo de IA e, ao longo do horizonte temporal de 5 anos, as receitas estimadas geradas a partir de aplicações de plataforma foram  US$ 3,6 milhões enquanto custos totais estimados foram  de US$ 1,8 milhões representando retorno de US$ 4,51 para cada dólar investido.

Moral da Nota: investigação mostra que polímeros vegetais se biodegradam, mesmo a nível dos micro plásticos, em menos de 7 meses, considerando como micro plásticos, fragmentos minúsculos e quase indestrutíveis que se desprendem de produtos plásticos de uso diário e, à medida que sabemos  mais sobre eles, descobrimos sua presença em locais como artérias, pulmões e placenta, sendo que os micro plásticos podem levar entre 100 e mil anos para se decompor, entretanto, o planeta torna-se mais poluído com estes materiais todos os dias. Pesquisa realizada pela Universidade da Califórnia e empresa de ciência de materiais Algenesis mostra que  polímeros vegetais se biodegradam, mesmo à nível micro plástico, em menos de 7 meses, com o artigo, cujos autores são professores da UC San Diego, ex-alunos e ex-cientistas pesquisadores, aparece na Nature Scientific Reports e, para testar sua biodegradabilidade, triturou em micropartículas finas e utilizou ferramentas de medição diferentes para confirmar que, quando colocado em composto, o material foi digerido por micróbios. Criar alternativa ecológica aos plásticos à base de petróleo é parte do longo caminho à viabilidade, sendo que o desafio constante é usar o material em equipamentos de fabricação pré-existentes originalmente construídos ao plástico tradicional e, aqui a Algenesis fez progressos, em parceria com empresas para fabricar produtos que utilizam polímeros vegetais desenvolvidos na UC San Diego, incluindo Trelleborg para uso em tecidos revestidos e RhinoShield para uso na produção de capas de telefones celulares.