A inteligência artificial pode melhorar o fabrico de chocolates? Sim, se aprender a “andar de bicicleta”

O potencial da inteligência artificial pode ser aplicado às mais diversas áreas e as experiências que trabalham esse potencial têm-se multiplicado, como mostra esta desenvolvida pela Siemens. Em ambientes de fábrica, onde a automação já é um ganho de eficiência para muitas tarefas, muitas outras permanecem por automatizar completamente, pela dificuldade em programar mecanismos que vão ter de lidar com movimentos aleatórios ou mais complexos.

É assim, por exemplo, numa fábrica de chocolate, nas linhas por onde passa o produto já confecionado e embalado foi nesse contexto que a Siemens usou a inteligência artificial para treinar um sistema de controlo de movimento da linha de produção. Como? usando um método muito semelhante àquele que qualquer humano usa para aprender a andar de bicicleta: tentativa e erro.

Tal como quando aprendemos a andar de bicicleta, também a IA nesta caso avança para a tarefa sem nenhum conhecimento prévio sobre como controlar o processo e sem manual de instruções, porque cada ciclista desenvolve a sua própria técnica para aprender a pedalar sem cair da bicicleta.

Da mesma forma, “a IA aqui é orientada para um objetivo, como: as barras de chocolate só podem ser colocadas nos pontos-alvo, e o sistema deve funcionar o mais rápido possível no processo”, explica Michel Tokic, especialista em aprendizagem por reforço, da Universidade de Ludwig-Maximilians em Munique. “Inicialmente, faz tentativas de controlo - completamente aleatórias - e recebe feedback, desencadeado por sinais luminosos nos limites do tapete, sobre a eficácia de cada tentativa. É deste feedback que emerge um algoritmo de controlo orientado para os objetivos, após muitos ciclos de treino automatizado", continua o responsável, citado num artigo publicado pela Siemens.

O nome dado a esta técnica é aprendizagem por reforço e aqui serve para treinar a capacidade de controlar a velocidade dos tapetes por onde são transportadas as barras de chocolate, com o objetivo de melhorar a precisão e a eficiência do processo.

Na máquina de alimentação inteligente criada pela Siemens como demonstrador ilustra-se o processo: as barras são colocadas de forma aleatória no tapete e o sistema deixa-as prosseguir o mais rapidamente possível, mas antes do ponto de saída ajustar a velocidade da linha para garantir que cada uma chega na cadência e com a distância desejada entre si.

Como explicam os investigadores, desenvolver um algoritmo para otimizar o controlo de movimento numa tarefa deste tipo não é uma tarefa fácil. Foi possível graças à aplicação desta técnica de IA.

O desenvolvimento e teste de novos controlos para os sistemas que gerem o chão de fábrica são já hoje muitas vezes realizados a partir de gémeos digitais, réplicas virtuais do sistema real, que permitem inovar e experimentar sem pôr em risco o funcionamento normal da fábrica. Os gémeos digitais também acomodam o treino de modelos de IA e foi isso que aconteceu neste caso.

"Após cerca de 72 horas de treino com o gémeo digital (num computador normal e cerca de 24 horas em clusters de computadores na nuvem), a IA está pronta para controlar a máquina real. É definitivamente muito mais rápido do que se fossem humanos a desenvolverem estes algoritmos de controlo", destaca Martin Bischoff, que liderou a equipa do projeto.

Thomas Menzel, da divisão de Máquinas de Produção da Siemens, garante que a possibilidade de usar a IA para aprender tarefas complexas, de forma autónoma em réplicas digitais dos sistemas reais, traz um enorme potencial à indústria e revela que várias outras experiências estão já em curso.

"Sob o nome de AI Motion Trainer, este método está agora a ajudar vários parceiros de co-criação a desenvolver controlos otimizados para aplicações específicas num período de tempo muito mais curto. As máquinas de produção já não estão limitadas a tarefas para as quais já foi desenvolvido um programa de controlo PLC e podem realizar todas as tarefas que podem ser aprendidas pela IA”.