Com cinquenta e oito áreas de atuação distribuídas em dez grandes segmentos, a Manufatura conta com a Engenharia de Produção, que se destaca como uma das mais versáteis do cenário atual. Este artigo explora como a IA está revolucionando algumas dessas áreas, potencializando eficiência, inovação e redução de custos.
A IA veio para ficar e quem não se qualificar nesta área vai perder diversas oportunidades de crescimento. Do ponto de vista científico, um estudo bibliométrico realizado na plataforma lens.org
Do ponto de vista prático, um estudo da McKinsey
As áreas que mais utilizaram a IA foram Marketing e Vendas (34% dos respondentes), Desenvolvimento de Produtos e Serviços (23%), TI (17%), Operações de Serviços (16%), Engenharia de Software (13%) e RH (12%). Por outro lado, as funções com menor adoção foram Manufatura (4%), Gestão de Estoque e Cadeia de Suprimentos (6%), Estratégia e Finanças Corporativas (7%) e Riscos (8%).
É uma pena constatar neste estudo que a Manufatura está atrasada, já que há muitas oportunidades de aplicação dessa tecnologia para alcançar os mais diversos objetivos.
E para exemplificar, elencarei o uso da IA em cinco áreas da Engenharia de Produção (EP), já que está intimamente ligada a Manufatura.
Segundo a Associação Brasileira de Engenharia de Produção (ABEPRO), a EP possui dez grandes áreas: 1) Engenharia de Operações e Processos de Produção (6 subáreas); 2) Cadeia de Suprimentos (8); 3) Pesquisa Operacional (7); 4) Engenharia da Qualidade (5); 5) Engenharia de Produto (3); 6) Engenharia Organizacional (9); 7) Engenharia Econômica (4); 8) Engenharia do Trabalho (4); 9) Engenharia da Sustentabilidade (7) e 10) Educação em Engenharia de Produção (5), totalizando 58 áreas. Então eis alguns cases reais que estão usando a IA:
Area 1) Eng. de Operações e Processos de Produção:
Modelagem e simulação digital: empresas como a Siemens e a GE empregam Digital Twins com algoritmos de IA para recriar virtualmente linhas de produção para testar cenários de fluxo e uso de recursos sem interromper a operação real. Esses modelos permitem identificar gargalos, prever impactos de modificações e integrar dados operacionais em tempo real.
Otimização de layout com algoritmos evolutivos e simulação: a Nestlé têm investido em simulações e otimizações que minimizam deslocamentos internos, melhoram a logística interna e aumentam a segurança e eficiência das instalações.
Área 2) Cadeia de Suprimentos
A Walmart utiliza algoritmos de machine learning para analisar dados históricos de vendas, tendências de mercado e variáveis sazonais. Isso permite prever a demanda com maior precisão, ajustar os níveis de estoque e evitar tanto a sobrecarga de produtos quanto a falta destes nas prateleiras. Já a Amazon investe em IA para otimizar as rotas de entrega. Com algoritmos de otimização e análise em tempo real, a empresa consegue reduzir o tempo de entrega e os custos logísticos, mesmo operando em uma escala global.
A IBM, por meio do Watson Supply Chain, utiliza IA para monitorar e analisar eventos que possam impactar a cadeia de suprimentos, como atrasos em entregas, problemas de qualidade e riscos geopolíticos.
Área 3) Pesquisa Operacional (PO)
A Toyota usa algoritmos avançados em PO para otimizar a produção, alocando recursos de forma inteligente em sua linha de montagem. Ao combinar técnicas clássicas de programação linear com modelos de machine learning, a Toyota consegue identificar o melhor plano de produção, minimizando desperdícios e aumentando a eficiência operacional. Já a FedEx aplica algoritmos de PO para resolver problemas de roteirização de veículos.
A Disney utiliza técnicas de simulação e análise preditiva para gerenciar os fluxos de visitantes, alocando recursos de forma dinâmica para reduzir filas e melhorar a experiência. Aqui, algoritmos de IA, baseados em dados em tempo real, se unem a modelos de PO para ajustar operações durante o dia.
Área 4) Gestão da Qualidade
A China State Construction utilizou IA na gestão de projetos para controlar a qualidade em tempo real, resultando em padrões de construção aprimorados e menos retrabalho. Para tanto, eles utilizaram detecção em tempo real de desvios nas especificações de design por meio do uso de câmeras com IA e sensores integrados aos edifícios. Com a aplicação da IA, o retrabalho foi reduzido em 18% e a gestão da qualidade na construção foi aprimorada.
A BMW implantou sistemas de IA para inspecionar visualmente linhas de montagem. Câmeras e sensores com machine learning detectam defeitos de pintura, acabamento e montagem em tempo real, contribuindo para a redução de 30% dos defeitos de qualidade e aumento da precisão da inspeção.
Área 5) Engenharia de Produto
A Tesla utiliza IA para desenvolvimento de baterias e otimização de autonomia. Algoritmos preveem desgaste e sugerem ajustes no design, resultado no aumento de 30% na vida útil das baterias. Além disso, ela usa IA no desenvolvimento de veículos autônomos, empregando redes neurais profundas para processar dados de sensores, câmeras e radar, permitindo que seus carros “aprendam” a dirigir de forma autônoma.
A Autodesk integrou IA em diversas de suas ferramentas de software para otimizar o processo de design e engenharia de produtos. Um case é o Design Generativo no software Fusion 360. Para tanto, a IA explora vastas combinações de design que um engenheiro humano talvez não considerasse, resultando em soluções mais inovadoras, leves, eficientes e otimizadas para fabricação.
Diante do exposto, conclui-se que a IA é essencial para impulsionar a eficiência, inovação e redução de custos na Manufatura e Engenharia de Produção, mas a adoção ainda é baixa comparada a outros setores. Para não perder oportunidades competitivas, a indústria precisa formar parcerias com Universidades, Start-ups e outras organizações para acelerar a implementação de soluções de IA em áreas consideras estratégicas como desenvolvimento de produtos, otimização de processos, cadeia de suprimentos e gestão da qualidade.
Boi Garantido lança ‘A Deusa das Águas’, última toada de Inaldo Medeiros
26 de março de 2025
