Desenvolvimento de modelos preditivos em laboratório com a ST-One e UFMG, utilizando máquinas e componentes voláteis, baseados em fórmulas matemáticas.
A indústria de alimentos cearense M. Dias Branco, conhecida por marcas como Piraquê, implementou uma inovadora solução tecnológica para otimizar o processo de fabricação de margarina. Essa melhoria foi possível graças à parceria com a startup curitibana ST-One, especializada em tecnologia industrial, e ao apoio do Laboratório de Inteligência Artificial da Universidade Federal de Minas Gerais (UFMG).
A Inteligência Artificial desempenhou um papel fundamental nesse projeto, permitindo a integração de sistemas e a análise de dados em tempo real. Além disso, a tecnologia da informação e o aprendizado de máquina foram essenciais para a implementação de um sistema de controle de produção mais eficiente. Com essa inovação, a M. Dias Branco conseguiu reduzir custos e melhorar a qualidade dos seus produtos, reforçando sua posição no mercado. A tecnologia é o futuro da indústria e a M. Dias Branco está à frente desse movimento.
Desenvolvimento de Modelos Preditivos com Inteligência Artificial
A parceria entre a ST-One e a UFMG se concentrou no desenvolvimento de modelos preditivos em aprendizado de máquina, uma área fundamental da Inteligência Artificial, que permitem à equipe de operações intervir antes que ocorra a quebra do vácuo. O uso de máquinas que gerem vácuo é crucial para remover da margarina componentes voláteis que prejudicam o produto final, e a tecnologia da informação desempenha um papel essencial nesse processo.
Para que isso fosse possível, o projeto foi executado em três grandes etapas: investigação, modelagem matemática e testagem dos resultados. Inicialmente, a equipe definiu as ferramentas e os critérios necessários para os modelos, utilizando a inteligência computacional para otimizar o processo. Na fase seguinte, diversas fórmulas matemáticas foram aplicadas para treinar os modelos, operacionalizando o processo e permitindo sua visualização.
Aplicação de Modelos de Aprendizado de Máquina
‘Separamos uma quantidade específica de dados para ser processada pelo modelo de aprendizado de máquina escolhido, transformando-os em um formato treinável’, explica Guilherme Francescon Cittolin, sócio fundador da ST-One. Em seguida, os cientistas da UFMG se dedicaram a desenvolver perguntas que ajudaram a criar um modelo explicativo do comportamento dos dados coletados, utilizando a Inteligência Artificial para analisar e interpretar os resultados. Essa abordagem permitiu que a equipe identificasse padrões e tendências nos dados, o que foi fundamental para o desenvolvimento de modelos preditivos eficazes.
Fonte: @Baguete
Comentários sobre este artigo