A Internet das Coisas e seu papel no aumento da produtividade da Indústria

Publicado na edição 161 da revista Brazil Automation – Julho/Agosto – 2015, páginas 32 a 40 - Por Marcelo Salvador, Diretor de Negócios, Elipse Software

Grande parte dos leitores da Brazil Automation provavelmente já ouviu falar sobre a Internet das Coisas (IoT). Para equalizar o entendimento, trata-se de uma revolução tecnológica fundamentada em dotar objetos e aparelhos do dia-a-dia com sensores e meios de comunicação, conectando-os a computadores e sistemas inteligentes. Ao adicionar ainda algum poder de processamento local, é possível transformar itens antes estáticos em componentes novos, dinâmicos e conectados, estimulando a criação de produtos inovadores e novos serviços.

Através da IoT, qualquer pessoa pode ser informada sobre um possível problema em seu carro antes que ele ocorra, através da comparação de seu funcionamento com um padrão estabelecido pelo fabricante ou comparando-o com outros veículos. Dispositivos como pulseiras inteligentes que coletam dados vitais permitem diagnosticar riscos de saúde iminentes ou indicar melhores práticas de exercícios.

Contudo, qual é a relação exata disso com a indústria? Isso já não é feito atualmente através da automação industrial? 

As indústrias de processos e manufatura passaram por diversas transformações ao longo das últimas décadas, principalmente com a massificação do uso de instrumentação, controladores (CLP´s e SDCD´s) e sistemas de supervisão e monitoramento. Hoje, é difícil imaginar uma empresa que possua uma linha de produção sem nenhum sistema de medição ou controle, por mais simples que seja, de seu processo. 

Entretanto, o custo para adicionar um novo instrumento, sensor ou malha de controle a um processo não é irrisório, apesar de ter caído em termos históricos. É preciso especificar, comprar, instalar, comissionar, alterar as telas do sistema para receber a nova indicação, adicionar a nova informação ao sistema de historiamento, etc.

A partir da observação da situação atual, é possível constatar que, na maioria das indústrias, a quantidade de dados sobre o processo que são coletados e armazenados tem crescido bastante, porém se baseiam ainda em informações essenciais referentes ao processo, ou seja, representam uma melhoria incremental sobre a forma como costuma-se processar essa informação.

Ao aplicar os conceitos da IoT na indústria, obtém-se uma nova visão sobre como coletar e processar informações de componentes, máquinas ou processos antes inviáveis econômica ou tecnicamente, com o objetivo de identificar oportunidades de melhorias, criar novas formas para produzir ou oferecer novos serviços. Em última análise, todas estas oportunidades somadas têm o poder de aumentar a produtividade da indústria como um todo.

Em um recente artigo publicado na revista Harvard Business Review, de Junho/2015, os autores Ovanessoff, Peppes e Jensen discorrem sobre o problema da competitividade na indústria brasileira, que permanece estagnado desde 2008. Na análise, os autores comprovam que o país carece de uma maior eficácia, ou seja, gerar mais riqueza com os mesmos ou menos recursos e, para isso, propõem um conjunto básico de quatro ações. Entre elas, estão a identificação dos gargalos de produtividade e a missão de extrair maior valor dos ativos já existentes. E aqui, a IIoT (internet das coisas na Indústria) pode desempenhar um papel importante.

Molas Propulsoras

Alguns fenômenos recentes unidos tornaram-se os agentes desencadeadores do boom da Internet das Coisas. Confira abaixo alguns deles:

Sensores: são a forma como traduzimos condições físicas, como temperatura, pressão, tensão, corrente e deslocamento em algo mensurável. Tal como outros avanços tecnológicos, com o tempo, eles têm ficado menores, mais baratos, sofisticados e ainda por cima consomem menos energia (ou nenhuma, em alguns casos). Como exemplo, em 2007, o custo de um acelerômetro nos EUA era da ordem de US$3. Em 2014, estava na casa de US$0,54.

Meios de comunicação: além do avanço do acesso à internet e das redes locais sem fio (WiFi), graças à popularização da telefonia celular, é possível adicionar telemetria, via modems GPRS, a qualquer dispositivo com comunicação dentro do raio de cobertura das operadoras. Entretanto, como essa opção tem seus prós e contras, surgiram rapidamente novas formas, tornando os preços cada vez mais competitivos. Entre elas, as redes de rádios Mesh, Wimax, PLC (Power Line Carrier) e satélites BGAN, para citar algumas.

Smartphones: permitem que as pessoas tenham acesso à informação e possam interagir com o mundo a qualquer momento.

Computação em Nuvem: graças à melhoria da qualidade do acesso à internet, é possível transferir o armazenamento e processamento dos dados para servidores fora do ambiente corporativo, diminuindo os custos de aquisição e gerenciamento da infraestrutura de TI.

Big Data e Analytics: tecnologias que permitem processar e obter indicadores e análises sobre grande quantidade de dados, oferecendo apoio para a tomada de decisões com base em situações reais. É aqui que reside o benefício final da IIoT.

Alguns autores se referem às características dos dispositivos de IoT como os “3 I´s”: instrumentados, inteligentes e interconectados.

Como exemplo do uso dessas tecnologias, visualize uma empresa A que possua motores dos fabricantes X e Y. Através do monitoramento e uso de algoritmos inteligentes, a empresa A pode comparar os dados dos diversos motores e concluir que um determinado motor do fabricante X gasta, no geral, 10% a mais de energia do que os demais. Assim, é possível agir localmente para corrigir o problema.

Através do compartilhamento dessas informações com o próprio fabricante X, a empresa A pode obter comparativos desse motor com outros similares das empresas B e C, por exemplo. Já o fabricante X pode concluir se aquela unidade específica apresenta defeitos ou se é um erro de projeto.

Desta forma, X pode oferecer um serviço de monitoramento contínuo para seus clientes, com base em benchmarkings reais, seja de manutenção preditiva, seja preventiva, de forma a diminuir custos de O&M.

Potencialidades da IIoT

Preparando o Terreno

Os componentes do IIoT podem ser conceitualmente separados em três partes:

Coleta de Dados

Independente do uso de novos sensores, inteligência local ou concentradores de dados, de alguma forma, a IIoT pressupõe a coleta e o tratamento de dados, cuja quantidade a depender da aplicação pode ser realmente grande. Para isso, diferentes aspectos devem ser observados:

  • Auto-Discovery: novos protocolos e serviços devem permitir que o sistema de coleta descubra automaticamente a existência de um novo sensor ou dispositivo.  Apesar dos protocolos existentes continuarem a ser utilizados, iniciativas como MQTT e CoAP merecem destaque por proporem a adoção desse mecanismo.
  • Auto-Configuration: caso o address-space (base de dados do dispositivo) não seja padronizado, deve haver um meio do sistema obter ou identificar automaticamente essa base, evitando assim um procedimento manual, que obrigatoriamente pode levar a erros, necessitar de comissionamento ou ainda adicionar custos, tornando o processo inviável economicamente.
  • Uso em Nuvem: a utilização de servidores on premises (dentro da empresa) ou na nuvem deve ser transparente ou facilmente migrável.
  • Escalabilidade: o sistema deve ser capaz de suportar uma quantidade de dispositivos que pode começar com centenas, indo até a casa dos milhões. A adição de novos servidores ou a divisão da carga de processamento em diferentes máquinas não deve representar um transtorno operacional.

Armazenamento e Estruturação da Informação

Depois de coletar todos esses dados, é preciso validar, organizar e armazenar a informação para que tenha a velocidade, confiabilidade e representatividade necessária e suficiente, de forma que as análises realizadas pelas próximas camadas sejam rápidas e precisas para atender as demandas do negócio.

O armazenamento das variáveis, ao longo do tempo (histórico temporal), deve prever algum mecanismo de otimização para diminuir o espaço em disco necessário, bem como aumentar a velocidade das consultas. Para isso, são utilizados algoritmos como o BoxCar/Backslope, que propaga uma banda morta na horizontal e outra na diagonal, permitindo que dados em trajetória horizontal constante, em subida ou descida, sejam guardados da forma mais eficiente possível, respeitando um fator de recuperação desejado pela aplicação.

Algoritmo de compactação de séries históricas

Quando se fala em “Big Data”, muitas pessoas associam à questão apenas ao volume de dados que precisam ser trabalhados. Doug Laney, em artigo datado de 2001, introduz o conceito de 3 V´s: Volume, Velocidade e Variedade. Ou seja, ao se pensar exclusivamente no volume, não necessariamente se está atendendo de forma adequada a implementação. Em diversas aplicações, o Volume pode até não ser relevante e outros fatores como a Velocidade e a Variedade são mais importantes.

Novos autores introduziram dois novos V´s: Veracidade e Valor, sem dúvida, o mais importante deles, visto que são produzidos muitos dados hoje em dia, mas que nem sempre podem ser transformados em benefícios diretos. No quadro abaixo, é possível ter uma visão mais completa destes diferentes aspectos.

Os 5V´s do Big Data

A estruturação ou representação do sistema de IIoT através de um modelo adequado, quando possível, permite extrair o conhecimento de forma mais eficiente e dinâmica.  A veracidade dos dados delegados ao modelo, entretanto, tem papel fundamental no sucesso das análises. O termo GIGO (Garbage-in Garbage-out), atribuído ao técnico da IBM George Fuechsel, reflete bem a situação. Caso sejam utilizados dados ruins em um ótimo modelo matemático, a saída será obrigatoriamente um resultado ruim. Da mesma forma, ao usar dados bons em um modelo ruim, a saída será igualmente um lixo.

Garbage In - Garbage Out

Outro benefício da estruturação da informação é que todos os colaboradores e aplicações podem ter uma visão única sobre os ativos, oferecendo assim uma base sólida para qualquer tipo de análise. Para que seja possível inferir conclusões de forma consistente através do tempo, uma boa modelagem de tempo real para IIoT deve conter algumas entidades principais:

  • Tipos de Objetos: declaração de motores, válvulas, máquinas e assim por diante
  • Atributos: propriedades de cada objeto. Entre eles, o fabricante, potência nominal, modelo, outros dados de etiqueta ou cadastrais
  • Instâncias: representam os itens reais ou virtuais definidos pelos tipos. De preferência, devem utilizar nomes padronizados por alguma norma ou regra interna da empresa. Ex: XV101 (Válvula), MT6713A (Motor)
  • Propriedades: itens de armazenamento temporal que representam as medições e dados coletados de grandezas, como temperatura, pressão, velocidade, posicionamento, estado e assim por diante. Aqui é importante mencionar a necessidade de equalizar as unidades de engenharia para as grandezas analógicas (a temperatura do Forno1 é 300 oC ou F?) e também a semântica para os dados discretos (estado da válvula XV103A em 0 significa aberto ou fechado?)
  • Cálculos: propriedades como resultado de cálculos entre membros do próprio objeto (neste caso já definidos de forma fixa) ou pelo relacionamento com entidades externas. Aqui podem ser encontrados indicadores importantes do processo (KPI´s) capazes de serem inclusive historiados como novas variáveis.
  • Relacionamentos: como cada objeto se relaciona ou interfere nos demais, representando não somente graus de parentesco (hierarquias comuns), mas também relacionamentos dinâmicos que podem ser modificados ao longo do tempo, exprimindo informações, como similaridade ou padrões de comportamento.

Na figura abaixo, alguns tipos de relacionamentos:

Tipos de Relacionamentos

Análise e Ação

A estruturação da informação exposta acima permite que sejam incorporadas diversas situações de consulta e pesquisa. Um dos grandes esforços nesse sentido já está disponível em algumas soluções de mercado através do padrão OPC UA (Unified Architecture).

Nascido como uma evolução dos padrões OPC mais comumente encontrados (DA, A&E, HDA, XML), o OPC UA introduz uma série de conceitos - antes dispersos ou complexos de serem implementados – de forma nativa, como autenticação, autorização e comunicação através de webservices para tráfego por firewalls.

Especificamente na questão IIoT, vale destacar os seguintes aspectos do OPC UA:

  • Agregação de Servidores: o conteúdo provido por um servidor OPC UA, rodando em uma máquina X, pode ser exposto por outro servidor OPC UA, rodando numa máquina Y, dinamicamente, oferecendo assim capacidade e escalabilidade para qualquer tamanho de aplicação;
  • Suporte a Objetos: tipos de dados, como motores, bombas, disjuntores ou outras entidades podem ser expostas a clientes OPC UA, permitindo buscar informações a partir deles;
  • Consultas Padronizadas: permite a clientes OPC UA (quem está consultando) definir agregações históricas, como, por exemplo, interpolações, estatísticas ou intervalos de tempo em estados específicos, como ligado e desligado.

Além disso, caso a estruturação realizada contenha o modelo semântico, isto é, o significado das variáveis e o relacionamento entre os objetos, é possível, via OPC UA ou mesmo por meio de linguagens tradicionais (SQL, CQL e SPARQL), extrair conhecimento, dando significado às palavras. Isto, permite realizar pesquisas como a descrita abaixo:

Selecione todas as bombas na Usina1 com potência nominal entre 500HP e 1000HP cuja energia média consumida no mês de abril for maior que 0,8KWh/HP. 

Realize a mesma consulta agora para a Usina2.

Indique a porcentagem de eficiência por fabricante, combinando as Usinas1 e 2.

Verifique se essa classificação tem relação com a agressividade do ambiente, tempo de vida ou última manutenção.

Alguns destes conceitos somados têm sido estudados e desenvolvidos por diversas empresas e universidades, sendo chamados também de Indústria 4.0. Entre seus benefícios, é possível listar:

  • Redução de Custos;
  • Economia de Energia;
  • Aumento da Segurança;
  • Preservação do Meio Ambiente;
  • Redução de Erros;
  • Diminuição do Desperdício;
  • Maior Transparência e Visibilidade nos Negócios;
  • Aumento da Qualidade de Vida;
  • Personalização e Escala sem Precedentes.

Uso Prático no Aumento da Produtividade

Através da implementação dos recursos de modelagem expostos, é possível coletar diversas fontes de informação em uma indústria simultaneamente e, via o modelo semântico de dados, correlacionar estas informações.

Veja o exemplo de uma empresa siderúrgica que precisa realizar uma manutenção preventiva em seus transformadores de energia, baseada em um calendário. Muitas vezes, recursos materiais e de mão-de-obra são gastos em equipamentos que estão em perfeito estado, simplesmente por haver chegado o momento programado para a manutenção.  

Entretanto, ao utilizar algumas análises baseadas em dados atuais, correlacionando variáveis externas, como a data da última manutenção, pode-se estabelecer um indicador de saúde, direcionando assim os recursos para os casos mais urgentes. Esta técnica, também conhecida como CBM (Condition Based Maintenance), permite aumentar a produtividade do processo de manutenção, de forma integrada aos demais sistemas e controles mantidos por legislação.

Conclusão

A avaliação do retorno de um investimento em aplicações IoT nem sempre pode ser diretamente mensurada. Entretanto, ao adotar uma infraestrutura adequada, é possível gerar novas informações, análises e indicadores para o processo a um custo relativamente baixo.

A forma como os dados são modelados, consolidados e armazenados possui uma relação direta com a diminuição desse custo de reutilização da informação, o que valida os esforços de padronização da informação mencionados. 

As possibilidades do uso de IoT são virtualmente infinitas e, conforme o acesso a estas tecnologias se torna mais fácil e mais casos de sucesso são implementados, um novo patamar de produtividade para a Indústria vai sendo moldado.