Plataforma de IA & Machine Learning

Não. Os modelos vêm pré-construídos para casos de uso de produção industrial e são ajustados pelos especialistas da MSF com os seus dados.

On-premise ou numa cloud privada, à sua escolha. Os seus dados de produção nunca treinam os modelos de outras empresas.

Os dados do MES são a base; cada módulo adicional (APS, Qualidade, Manutenção) desbloqueia mais casos de uso de IA.

O que conta é o número de exemplos rotulados por classe; os meses de histórico, por si sós, dizem pouco. Um modelo de refugo aprende com os defeitos, por isso uma linha com pouco refugo pode andar muito tempo sem gerar a classe minoritária suficiente para treinar, enquanto um modelo de previsão da demanda quer vários ciclos sazonais completos. O histórico antigo só conta se assentar no mesmo cadastro de itens e na mesma estrutura fabril que hoje quer prever, por isso comece por localizar a última migração de ERP ou a última renumeração de peças. Uma série curta e limpa vale mais do que uma série longa costurada por cima de uma renumeração.

A parte supervisionada não. A qualidade preditiva precisa dos parâmetros de processo de um lado e de um rótulo de resultado real do outro, e um motivo de refugo do tipo diversos na maioria dos registros não lhe ensina nada. Corrija primeiro a codificação no MES e conte os defeitos corretamente codificados por motivo de refugo. As semanas passadas não servem de medida. Enquanto isso, a detecção de anomalias com LSTM é não supervisionada e não precisa de rótulos, por isso pode começar por aí, com a ressalva de que sinaliza comportamento anômalo e não um defeito com nome.

Não. Os modelos de parâmetros e de otimização produzem recomendações que vão parar na frente de uma pessoa, num painel, num relatório ou como proposta de plano no APS, e escrever seja o que for de volta para o controlador é uma integração à parte, com escopo decidido de propósito. Se mais tarde quiser mesmo setpoints em malha fechada, trate isso como um projeto de controle com gestão da mudança própria, e nunca como substituto dos intertravamentos de segurança cabeados.

Conte com um engenheiro de processo ou da qualidade nomeado, com uma reunião fixa de revisão; o ajuste e o retreinamento são feitos pela MSF, mas o resultado precisa de um dono do seu lado. O trabalho recorrente é verificar se as previsões continuam acompanhando a realidade, sinalizar quando um produto novo, uma alteração de ferramenta ou uma máquina recuperada deslocou o processo, e manter limpos os códigos de refugo e de parada. Exige algum trabalho, ainda que não em tempo integral.

A precisão cai, e cai em silêncio. O modelo aprendeu a fábrica tal como ela era, por isso um material novo, uma máquina reconstruída ou um tempo de ciclo alterado tornam parte do histórico irrelevante enquanto o resultado continua parecendo seguro de si. Avise-nos com antecedência das alterações de processo previstas e defina no projeto que modelos levam comparação entre previsto e real, quem a lê e com que frequência. Não assuma que o monitoramento de deriva está ligado por padrão em todos os modelos.

Medição com granularidade suficiente para identificar consumidores individuais, o seu calendário tarifário real, e um planejador a quem o otimizador possa entregar um plano; um único medidor na entrada da fábrica informa o total e nada sobre que operação deslocar. O que o otimizador planeja são as janelas de preço da energia, medidas em kWh. Segurar um teto de potência contratada é outro trabalho, que exige medição por intervalo e a capacidade de segurar ou deslastrar uma carga no momento, por isso trate isso como escopo separado.

Não há um número único de precisão. O modelo devolve um score, e o ponto onde fixa o limiar de alerta define ao mesmo tempo a taxa de detecção e a taxa de falsos alarmes, medidas em peças que o modelo nunca viu; escolher esse ponto é uma decisão de negócio sobre quanto custa parar uma peça boa face a expedir uma peça ruim. A correlação e a importância de variáveis são diagnósticos no nível do modelo, úteis para detectar um atalho aprendido mas inúteis para julgar um alerta concreto. Rode em modo sombra até acumular defeitos reais suficientes para comparar.