IA NA OTIMIZAÇÃO DE PROCESSOS DE MANUFATURA

Vinicius Gustavo Pinto; Daniela  Rodolpho

doi:10.31510/infa.v21i1.1952

Authors

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

DOI:

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

Keywords:

Automation, Productivity, Process Optimization, Efficiency, Cost Reduction

Abstract

This article addresses the application of artificial intelligence (AI), which refers to the ability of machines to perform tasks that would typically require human intelligence, such as learning, reasoning, perception, and decision-making, in optimizing manufacturing processes, aiming to improve operational efficiency and reduce costs in the industry. Through a literature review and case analysis, we investigate how AI can be utilized to analyze large volumes of data, predict equipment failures, optimize production scheduling, and promote more sustainable practices in manufacturing. The results highlight the transformative potential of AI by demonstrating its ability to identify optimization opportunities, reduce operational costs, and increase companies' competitiveness in the market. However, we also discuss the challenges and ethical considerations associated with implementing AI in manufacturing, emphasizing the importance of a responsible and ethical approach. We conclude that AI represents a powerful tool to propel the manufacturing industry towards a more efficient, competitive, and sustainable future.

Downloads

Download data is not yet available.

References

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.