IA NA OTIMIZAÇÃO DE PROCESSOS DE MANUFATURA

Vinicius Gustavo Pinto; Daniela  Rodolpho

doi:10.31510/infa.v21i1.1952

Autores

Vinicius Gustavo Pinto Fatec Taquaritinga https://orcid.org/0009-0001-4695-901X
Daniela Rodolpho Fatec Taquaritinga https://orcid.org/0000-0003-2680-5344

DOI:

https://doi.org/10.31510/infa.v21i1.1952

Palavras-chave:

Automação, Produtividade, Otimização de Processos, Eficiência, Redução de custos

Resumo

Este artigo aborda a aplicação da inteligência artificial (IA), que refere-se à capacidade das máquinas de realizar tarefas que normalmente exigiriam inteligência humana, como aprendizado, raciocínio, percepção e tomada de decisões, na otimização de processos de manufatura, visando melhorar a eficiência operacional e reduzir custos na indústria. Por meio de uma revisão da literatura e análise de casos, investigamos como a IA pode ser utilizada para analisar grandes volumes de dados, prever falhas em equipamentos, otimizar a programação da produção e promover práticas mais sustentáveis na manufatura. Os resultados destacam o potencial transformador da IA demonstrando sua capacidade de identificar oportunidades de otimização, reduzir custos operacionais e aumentar a competitividade das empresas no mercado. No entanto, também discutimos os desafios e considerações éticas associados à implementação da IA na manufatura, enfatizando a importância de uma abordagem responsável e ética. Concluímos que a IA representa uma ferramenta poderosa para impulsionar a indústria manufatureira em direção a um futuro mais eficiente, competitivo e sustentável.

Downloads

Métricas

Visualizações em PDF

27

|

Referências

ALVES, Patrícia Sanches et al. Suprimentos 4.0: estudo exploratório baseado na utilização de ferramentas da indústria 4.0, IA e big data, visando a melhoria de processos. 2021.

AMARAL, Luís Graça. O impacto da Inteligência Artificial na Sustentabilidade Ambiental das áreas funcionais de empresas de manufatura. 2022. Dissertação (Mestrado) - Iscte - Instituto Universitário de Lisboa, 2022.

BISCAIA, Gonçalo António Martins. "Deep Reinforcement Learning" na Otimização de Políticas de Encaminhamento na Manufatura. 2019. Tese (Doutorado) - Universidade Nova de Lisboa, Lisboa, 2019.

CAVALCANTI, André Fonseca. Sistema de manutenção autônoma não supervisionado com o uso de inteligência artificial. 2021. Trabalho de Conclusão de Curso (Graduação) - Universidade Federal do Rio Grande do Sul. Escola de Engenharia. Curso de Engenharia de Controle e Automação, 2021.

CARDOSO, João Ricardo. Novas tecnologias aplicadas a sistemas de produção. 2017. Trabalho de Conclusão de Curso (Graduação) - Universidade Federal do Rio Grande do Sul. Escola de Engenharia. Curso de Engenharia de Controle e Automação, 2017.

COSTA, Bruna Stéfany. Proposta de Balanceamento entre Valor Esperado e Variância de Previsão na Otimização de Processos de Manufatura. 2019. 92 f. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2019.

DA SILVA, Wesley R. et al. Manufatura Avançada para Produção Agrícola usando Inteligência Artificial e IoT. 2019.

HAUPT, Leandro. Indústria 4.0: inteligência artificial aplicada ao processo de curtimento na indústria do couro. 2022.

HUANG, K.; LI, H.; ZHANG, J. (2018). Environmental Sustainability in Manufacturing: A Review on Process Planning and Scheduling, Green Manufacturing, and Lean Manufacturing. Journal of Manufacturing Science and Engineering, 140(10), 100801, 2018.

MODESTI, Paulo Henrique et al. Método baseado em inteligência artificial para previsão do prazo de entrega de tarefas em estações de manufatura. Dissertação (Mestrado) - Universidade Tecnológica Federal do Paraná, 2020.

MONTINI, D. Á. et al. Um meta-algoritmo para otimização de planejamento em linha de produção de software. In: VIII International Conference on Engineering and Computer Education-ICECE, p. 3-6, 2013. DOI: https://doi.org/10.14684/icece.08.2013.179-184

REIS, H. M. G.; MIRANDA, L. F. P.; DAMY, A. S. A. A inteligência artificial-IA. Revista do Curso de Direito do Centro Universitário Brazcubas, v. 3, n. 1, 2019.