A Honeywell lançou o honeywell plant AI na Dangote, um grande grupo de cimento e refinarias, usando software da Nvidia para detectar problemas em máquinas com antecedência e ajudar as fábricas a evitar paradas dispendiosas.
Principais conclusões
A Honeywell lançou o Forge Plant Cognition com a Dangote, usando IA de física da Nvidia e infraestrutura da Dell para modelar equipamentos e reduzir o tempo de inatividade em grandes plantas industriais
A estrutura PhysicsNemo da Nvidia é usada para criar, treinar e ajustar modelos de IA de física em escala nessa implementação
O produto faz parte do portfólio de automação e software industrial da Honeywell, tornando essa implementação uma solução para operações fabris, e não apenas uma iniciativa genérica de marca de IA
O sistema foi desenvolvido com a Dangote e oferece um ambiente operacional real, em vez de uma demonstração de laboratório, embora os indicadores operacionais ainda não tenham sido publicados
A empresa anunciou o lançamento num comunicado, que afirma que a estrutura PhysicsNemo da Nvidia é utilizada para criar, treinar e aperfeiçoar modelos de IA para a física em grande escala.
O produto faz parte do portefólio de automação e software industrial da empresa, pelo que se trata de uma implementação para operações fabris, e não de um exercício genérico de promoção de IA.
A Plant AI da Honeywell passa à fase operacional
A promessa central é simples. Em vez de tratar uma refinaria ou uma linha de produção de cimento como uma caixa-preta, o software Plant AI da Honeywell cria um modelo de como o equipamento deve funcionar e compara os dados em tempo real com essa referência.
Isto é importante porque as avarias industriais são dispendiosas antes de se tornarem catastróficas.
Uma bomba, um forno ou um compressor geralmente começa a apresentar desvios antes de avariar. Se o software detetar esses desvios cedo, os operadores podem fazer reparações dentro do prazo, em vez de reagirem a uma interrupção que paralisa a produção.
O sistema foi desenvolvido com a Dangote, um grande grupo industrial, o que proporciona ao lançamento um ambiente operacional real, em vez de uma demonstração de laboratório. Isso ainda não comprova uma adoção generalizada, mas mostra que o produto se destina a grandes instalações industriais, onde o custo da inatividade é claramente mensurável.
Leia também: Reply conquista o selo de IA Física da Nvidia, permitindo que as fábricas testem robôs antes de os comprar
Dos alertas aos modelos baseados na física
Os sistemas mais antigos de monitorização industrial limitavam-se, na sua maioria, a acompanhar limites: se a temperatura, a pressão ou a vibração ultrapassassem determinado valor, era emitido um alerta.
A Plant AI vai mais longe, procurando modelar como a máquina deve funcionar em condições variáveis.
O PhysicsNemo da Nvidia permite que os engenheiros combinem aprendizagem automática com equações que descrevem sistemas reais, como o fluxo, a pressão ou a transferência de calor. O comunicado afirma que, nesta implementação, a estrutura é utilizada para criar e aperfeiçoar os modelos da Plant AI da Honeywell, que têm em conta a física. Numa fábrica da Dangote, isso pode ajudar um modelo a estimar como um compressor ou uma linha de produção deve funcionar, mesmo quando existem poucos exemplos diretos de avarias.
Esta abordagem tem vindo a ganhar terreno porque as instalações industriais geram continuamente dados de sensores, mas podem passar longos períodos sem sofrer avarias graves.
Essa escassez dificulta o treino exclusivamente estatístico.
Como a IA baseada na física se integra numa fábrica
A Plant AI, integrada no Forge Plant Cognition, difere de um chatbot porque o seu objetivo não é a linguagem, mas o comportamento dos equipamentos. Na prática, a plataforma combina dados de sensores com regras de engenharia para que os modelos detetem desvios mais cedo, oferecendo à empresa uma alternativa quando há poucos conjuntos de dados fiáveis sobre avarias.
O que importa acompanhar agora é se a empresa publica indicadores de desempenho, como a redução do tempo de inatividade, ciclos de manutenção mais rápidos ou poupanças de energia.
Sem indicadores operacionais, o lançamento é credível, mas continua incompleto. SOURCE_TAG PRIMARY
Leia a seguir: GitHub disponibiliza a todos os utilizadores do Copilot uma ferramenta da OpenAI que resolve mais código