ST-One: onde Universidade e Indústria se cruzam
Copyright ST-One
No último ano, a ST-One atuou em projetos em parceria com a UFMG (Universidade Federal de Minas Gerais) e M. Dias Branco, indústria alimentícia brasileira. A proposta do trabalho foi a elaboração de pesquisas voltadas para a criação de modelos de machine learning. Esses modelos foram treinados para aprender padrões de um processo de produção de margarina, na seção de desodorização de óleos.
A seção em questão é indispensável, visto que remove substâncias que afetam negativamente o odor, sabor e estabilidade do produto final. A primeira etapa desse processo é o aquecimento do óleo, que permite a sua filtração. Em seguida, a linha injeta vapor de água no óleo aquecido, para absorver os ácidos graxos presentes, e faz seu resfriamento para evitar oxidação. Finalmente, o óleo passa por um processo de destilação a vácuo, que remove componentes voláteis que causam instabilidades no produto.
Copyright Alfa Laval
O vácuo é importante nessa etapa pois permite que a desodorização ocorra a temperaturas baixas. Essa ação reduz o risco de degradação térmica do óleo e melhora a eficiência do processo. Ter a certeza de que isso ocorra sem erros é essencial, pois garante que a fabricação da margarina seja segura e agradável ao paladar.
Esse alimento é indispensável na dieta. Segundo a pesquisa da Associação Brasileira de Nutrologia (Abran), em 2011 cerca de 32,2% dos brasileiros optaram pelo consumo de margarina no café da manhã.
A estrutura da parceria
Desde março de 2023, o foco da pesquisa era entender o tempo de quebra de vácuo, que acontece quando ele passa de um certo limite operacional. Os resultados dela serão usados como base para implementação de melhorias da linha de produção. A pesquisa envolveu três instituições – a ST-One, a UFMG e a M. Dias Branco -, com cada uma delas tendo um papel essencial na busca de mais tecnologia e inovação.
A M. Dias Branco é uma das maiores indústrias alimentícias do Brasil, e está sempre em busca de digitalização visando aprimorar seu processo produtivo. Ela possui uma unidade industrial especializada na produção de gorduras e margarinas especiais, que foi usada como ponto de referência e expertise do projeto.
A UFMG (Universidade Federal de Minas Gerais), dentro do departamento de ciência da computação, possui um renomado Laboratório de Inteligência Artificial (LIA). Nesse laboratório, ocorre o incentivo ao desenvolvimento de projetos, a partir de bolsas, voltadas para o uso de machine learning e processamento de dados. O LIA é referência na área, colaborando inclusive com Instituições de outros países, como a Stanford University, nos Estados Unidos. Essas ferramentas são aplicadas em diversas áreas, incluindo a indústria.
A ST-One contribuiu como patrocinador principal, além de ter fornecido todos os dados necessários para a execução do estudo, a partir da tecnologia que desenvolve. A realização de reuniões semanais durante todo o processo, permitiu uma troca rica entre o laboratório de P&D da ST-One e as outras partes.
As soluções desenvolvidas visam a construção de modelos preditivos, que ajudam o time de operações a atuar no sistema antes que o vácuo quebre. A realização do projeto resultou em mais conhecimento e domínio sobre machine learning para todas as partes envolvidas. Além disso, foi uma oportunidade de aplicar os modelos criados em um ambiente industrial, o que permitiu o aprimoramento de resultados.
Copyright ST-One
As três etapas para desenvolver tecnologias de ponta
Como dito, o vácuo é uma parte muito importante do processo de preparo do óleo vegetal, que é utilizado na fabricação de margarina e gorduras no geral. Ao longo do projeto, optou-se por criar 3 modelos distintos de machine learning para testar qual deles traria as respostas mais assertivas. Essa questão deve ser observada pois criar vácuo é complexo, sendo custoso caso dê algo errado.
Levando isso em conta, a ideia foi desenvolver modelos de aprendizagem de máquina que conseguissem prever em quanto tempo essa quebra irá ocorrer. O projeto foi feito em três grandes etapas: a parte investigativa, a de modelagem matemática e a testagem dos resultados.
A primeira delas foca na análise e no descobrimento da questão a ser trabalhada. Essa fase inicial deve ser pensada pormenorizadamente, devido à grande contribuição do modelo na produção e às várias nuances envolvidas que determinam o bom resultado. Essa investigação acontece pela definição das ferramentas que deverão ser utilizadas, quais serão feitas para o modelo e quais respostas ideais ele deve dar.
A segunda engloba a aplicação de distintas fórmulas matemáticas que treinam esses modelos, através das questões pensadas, para operacionalizar o processo e permitir sua visualização. Nessa parte, uma quantidade de dados específica é separada para ser submetida ao modelo de machine learning escolhido. Ele é responsável por processar esses dados e os deixar em um formato treinável.
A partir desse, os cientistas do LIA desenvolveram perguntas usadas para criar um modelo que explica o comportamento dos dados coletados. A partir disso, o time da M. dias Branco pôde realizar adaptações na automação do equipamento.
A última etapa do projeto é a parte de teste do modelo, para garantir que após o treinamento os padrões dos dados sejam reconhecidos. Isso é feito usando um conjunto de dados teste que o modelo ainda não viu. A partir do resultado do teste, mais dúvidas apareceram, principalmente se o processo não conseguiu identificar as respostas com a exatidão necessária. Caso dê tudo certo, o modelo seria implementado.
Essas etapas descritas resultam em um ciclo, que utiliza o método da “explicação” desenvolvida no próprio LIA (Laboratório de Inteligência artificial), como representado a seguir:
Copyright ST-One
Resultados da aplicação de Machine Learning na indústria
Os modelos desenvolvidos ainda estão sendo aplicados, já trazendo vários resultados benéficos.
Ao pensar no ambiente universitário, a iniciativa dados-academia em conjunto com indústrias, traz mais inovação e oportunidades. Isso porque nos laboratórios, os acadêmicos estão dedicados a pesquisas voltadas para o desenvolvimento. Esses estudos, com bases teóricas de ponta e que são novidades no mercado, são aplicados em casos reais na indústria, resultando em experiências práticas valiosas. Por último, o relacionamento com instituições de ensino renomadas traz mais recursos para a indústria no mercado.
Para a ST-One, além da experiência como um todo, ter a oportunidade de se aprofundar em domínios sobre Inteligência Artificial foi edificante. Ao se envolver nas etapas de exploração, desenvolvimento de modelos e aplicação, foi possível melhorar a interpretação do “mundo” através dos dados, e visualizar isso dentro da sua própria estrutura. A ST-One se aprimora através de cada novo desafio, sempre visando trazer mais tecnologia e produtividade.
Também, a fábrica teve um ganho ao obter mais conhecimento, contatos e ao entender as possíveis formas de prever uma quebra de vácuo considerando a sua complexidade. Isso é um caminho para mais desenvolvimento e retreino, até atingir a quantidade de tempo ideal. Assim, os responsáveis garantem a qualidade do processo, e a uma linha mais inteligente e assertiva.
Ações como essa são produtivas para todas as partes, e ajudam a manter os estudantes, profissionais e envolvidos nas áreas de dados e indústria a estarem sempre atualizados e buscando melhorias. Saiba mais sobre a ST-One.
