Prenunciada pela automação gradativa de máquinas básicas e periféricos, a avalanche digital desembesta agora na transformação de plástico nas vestes da Inteligência Artificial (IA). Ela já se impõe como um divisor de águas nas linhas de produção, ampliando as vantagens concorrenciais para quem se ajustar o quanto antes à nova era e isso vale para empresas de qualquer porte. “As novas tecnologias de digitalização estão desembarcando com custos cada vez mais acessíveis. Por isso, enxergo as soluções de IA como uma enorme oportunidade para todos. É preciso apenas ter visão estratégica consciente e consistente”, pondera Rodrigo Fabian Gálvez, fundador e CEO da BALQ, empresa à frente de plataforma SaaS que coleta, organiza, armazena e trata dados do processo da indústria de transformação de plástico para monitorar a produção, gerar inteligência e promover o uso de indicadores que orientam a tomada de decisão em busca de melhor performance. Nesta entrevista, ele abre uma panorâmica das medidas preparatórias para empresas navegarem nas águas da IA e dos efeitos dessa vanguarda sobre a competitividade do setor e a especialização de sua mão de obra.
Como qualificar o chão de fábrica e supervisão da produção numa transformadora para desfrutar ao máximo as vantagens da IA?
É importante entender que muita gente chama genericamente de IA o que, na verdade, é uma ampla gama de tipos de soluções. Parece com o hábito de se rotular o material plástico sem se dar conta da existência de vários tipos e subtipos, cada um para determinada aplicação/finalidade. Outro ponto: existem sistemas embarcados inteligentes que são pontuais e executam uma determinada tarefa – por exemplo, uma câmera de inspeção, praticamente sem interação com pessoas. Outros sistemas, por sua vez, se conectam e interagem com pessoas, caso de interfaces homem/máquina (IHMs) de equipamentos com funções inteligentes. Nesse caso, técnicos de set up e ajuste de processo em plantas transformadoras precisarão de uma capacitação extra. E por fim, teremos sistemas entre máquinas que passarão a colaborar entre si, formando malhas inteligentes e reativas. Nesse cenário, a atuação de profissionais de automação terá cada vez mais relevância no chão de fábrica.
Por sinal, os sistemas embarcados não são novidade. O que os códigos trazem de novo é a capacidade de agrupar mais malhas e de uma forma que elas ‘aprendem’ com os desvios e agem em tempo real a contratempos. A execução de ‘quando acontecer A faça B’ é agora muito mais multifatorial, tanto para a causa quanto para respostas possíveis – chamamos isso de ‘inteligência’. Cabe ressaltar que isso só será verdade com uma combinação entre automação, robotização e softwares – essa malha conversará e atuará de maneira cada vez mais integrada e inteligente, respondendo com rapidez a pequenas incorreções, por exemplo.
“Com a Inteligência Artificial, a relação kg transformado/custo de folha deve resultar numa conta bastante positiva”
Rodrigo Fabian Gálvez / BALQ
Como esse avanço guiado pela IA repercutirá no parque fabril do transformador?
Todas as áreas tradicionais do chão de fábrica podem ser impactadas pela IA. Em linhas gerais, há uma tendencia de redução de custos com aumento de eficiência. Talvez o número de funcionários diminua em alguns casos e a média salarial suba, mas a relação kg transformado/custo de folha deve resultar numa conta bastante positiva. Em quanto tempo essa transformação virá é difícil dizer. Talvez, em função de competitividade, algumas cadeias de valor se mexam e reajam mais rápido que outras. Há muitos universos contidos dentro da transformação plástica.
No Brasil, o grosso dos operadores na transformação de plástico não tem formação técnico-profissionalizante. Essa lacuna educacional e o baixo nível de digitalização dominante entre eles podem afetar/retardar a transição de uma indústria de artefatos plásticos para a IA?
Sim. Aplicar soluções de IA no chão de fábrica sem estrutura de ferramentas digitais/automação e sem instrução da mão de obra pode causar amargor ao empresário. Essas duas dimensões evoluem simultaneamente numa empresa, de modo que a jornada de implementação de tecnologias digitais pouco a pouco vai transformando a cultura da companhia, capacitando funcionários, melhorando resultados e aumentando o nível de sofisticação das perguntas e tomadas de decisão. Trata-se de uma construção gradual que, naturalmente, vai culminar em questões que, por sua vez, exigirão o emprego de algoritmos mais complexos e machine learning (aprendizado da máquina – ramo da IA baseado na ideia de que sistemas podem aprender com dados, identificar padrões e tomar decisões). Então, não é só uma questão de infraestrutura digital, mas de confiabilidade, hábitos, de se eliminar ou mitigar lacunas e fazer as perguntas certas. Grandes empresas têm, em regra, uma estrutura voltada somente para essa transformação digital, enquanto outras lançam mão de consultorias. Por vezes, no próprio quadro de sócios ou gerentes alguém assume o comando desse tema.
O que fazer para a transição para IA evoluir a contento neste cenário desafiador?
Os empresários se preocupam com os operadores de produção. Acho isso até válido, mas diria que a adaptação das lideranças (gerentes, coordenadores, líderes) à IA talvez seja mais importante. Afinal, quando a tecnologia toca o chão de fábrica, ela tende a ser cada vez mais intuitiva e simples. Por vezes, constitui um circuito fechado e pronto para dar resultado sem qualquer interferência humana. Escolher quais batalhas travar, o ritmo de engajamento e as ferramentas depende muito das gerências, seus medos, experiências e capacidade de aprender. As gerências formam, com frequência, a camada mais engessada.
A tomada de dados e sua transformação em informação tende a ser cada vez mais livre da interferência humana. Ou seja, uma ação mais direta dos equipamentos. Em seguida, a interpretação/diagnóstico, inferência ou sugestão sobre as informações também são providas por algoritmo, tal como a previsão de cenário ou resposta mais adequada.
O primeiro passo da mudança é perceber que trata-se de uma nova dimensão dependente de atenção para gerenciar um negócio. A digitalização e as ferramentas nela contida interferem na competitividade do negócio tanto quanto impostos, matéria-prima, energia, máquina, recursos humanos etc. Portanto, é assunto que exige um plano. O transformador deve se perguntar: quais decisões devem ser tomadas e quais os seus impactos? Devo me basear em quais informações? Por quantas mãos os dados e argumentos passaram? Como essa informação foi produzida? Quais são as lacunas ou pontas soltas? Em seguida a essas questões, ele pode buscar as tecnologias com apoio da IA e constatar que elas não são custos adicionais, mas segurança na tomada de decisão.
Como a IA poderá influir na política de suprimentos (supply chain) de uma transformadora?
Vamos dividir esse ponto entre cenários macro e micro. No primeiro, me refiro à compra de resina e venda do produto acabado. De um lado, o transformador está entre a petroquímica, distribuidores e importadores e, do outro, depara com a indústria de bens de consumo. Esse assunto não é do meu pleno domínio, mas percebo que, hoje em dia, inúmeras ferramentas tipo bots programáveis buscam cotações, ofertas e demandas. Compradores e vendedores de todos os lados estão cada vez mais digitalizados. Bids (ofertas) virtuais de produto e frete são realidade. Por seu turno, previsões de demanda e preço são um sonho antigo do empresariado. Suponho que as ferramentas digitais disponíveis evoluíram muito, mas estou distante dos últimos índices de assertividade.
E qual o impacto da IA no cenário micro?
O ponto de vista micro abrange o tema da IA na política de suprimentos dentro do cliente. A maioria dos transformadores plásticos está focada em comprar bem (resina) e vender bem (transformado). O meio do caminho é, muitas vezes, traduzido por exigência de alta velocidade. Em suma, o pellet tem de entrar na fábrica bem barato, passar bem rápido pelo pátio e virar um produto caro – o sonho é fazer isso tudo no mesmo dia.
A ideia é boa, mas pouco exequível. Isso faz com que o transformador compre uma resina barata por oportunidade – tipo um contratipo ou off spec – e não considere ou enxergue a penalização na operação. Entre as atribuições da BALQ, minha empresa, consta ajudar os clientes a compreender o desempenho de resinas, aditivos, receitas e fornecedores. Ou seja, ajudamos o transformador a mapear o que chamamos de jornada do pellet em suas variações de máquinas, moldes etc. Afinal, encaixar as resinas certas, as melhores proporções de material nos ativos corretos, é cada vez mais importante. Isto é, o transformador deve seguir com sua busca incessante pela matéria-prima barata, mas deve compreender melhor como usá-la. Isso se reflete direto na compra, estoques, precificação etc. Também analisamos transições de produtos e prazos de planejamento de produção. Tudo isso já é realidade via correlação avançada de dados.
No plano geral, máquinas básicas para transformação de plástico perdem competitividade tecnológica após cerca de 10 anos. O emprego de IA no chão de fábrica pode ampliar a vida útil com boa performance desses equipamentos?
Sim, a correlação de dados de forma inteligente permite melhores planos de manutenção e balanceamento dos recursos. Portanto, garante maior tempo de vida útil, aumento de confiabilidade e capabilidade do processo. Isso inclui máquinas, moldes, matrizes e periféricos.
As máquinas importadas da nova geração agregam recursos de IA. Elas tendem a dispensar cada vez mais a intervenção manual no processo ou, mesmo com menos gente na produção, demandam técnicos com conhecimentos hoje dominados apenas por poucos no Brasil?
Os fabricantes de máquinas de ponta estão investindo pesadamente para embarcar tecnologias digitais. Em alguns casos, tenho a impressão de que as fronteiras técnicas/mecânicas, como seleção de ligas, arranjos dimensionais e funcionais estão próximas de seus limites tecno-físicos. Logo, parece que restou melhorar a inteligência e comunicação do equipamento como forma de evolução do produto.
Em termos de mão de obra, acho que os transformadores terão que investir num bom time de automação e tecnologia de informação, para garantir a conectividade e uso dos recursos inteligentes das máquinas quando combinadas com periféricos (também inteligentes).
Em geral, considero os técnicos de processo (profissional incumbido do set-up e ajustes das máquinas) os mais atingidos pelas mudanças acarretadas pela IA. Afinal, as IHMs já se tornaram computadores poderosos, com inúmeras funções inteligentes. Profissionais com este perfil já não são tão numerosos nas fábricas, então não antevejo redução na quantidade deles e, sim, melhora na sua qualificação e desempenho. Em paralelo, os grandes fabricantes de equipamentos realizam excelente trabalho com o design dos softwares e treinamentos de capacitação. Desse modo, apesar de complexas, as ferramentas digitais tornam-se bastante intuitivas.
Com a IA nas novas máquinas de transformação, básicas e auxiliares, a geração de aparas tende a perder a relevância como segmento da reciclagem?
Para garantir meu entendimento, vamos separar os termos: apara é fruto de um retoque/acabamento necessário, enquanto refugo é a peça que saiu da máquina com algum defeito de qualidade.
Todo refugo é um tipo de penalização de qualidade, mas nem toda apara é considerada assim. Algumas são fisicamente inerentes ao processo de moldagem. À margem da classificação, toda apara pode virar material de reúso, o que não vale para qualquer refugo.
A análise de dados de processo pode e deve reduzir significativamente os refugos pelas mais diferentes vias: diminuir transições e erros de formulação, de set up e tempo desta etapa. A mesma análise converge para a escolha inteligente de moldes e máquinas e para o aprimoramento de sua manutenção. Quanto às aparas, como já disse, muitas vezes sua eliminação do processo é quase impossível. Acho que o parque industrial da transformação ainda tem muitas ineficiências e a redução do volume de aparas, a ponto de afetar o mercado de reciclagem, ainda vai demorar um tanto.
