Inovacao tecnológica

No artigo anterior, abordamos o tópico Análise dos Padrões. Agora, finalizando, vamos entender de que forma são obtidos esses dados.

O monitoramento dos dados

Na indústria da construção, a capacitação e a confiança nos sistemas de informação dependem fundamentalmente da credibilidade da fonte dos dados, da lógica e da racionalidade empregadas na captura desses dados.

No quesito da captura dos dados obtidos em campo, constatamos avanços tecnológicos já disponíveis, sendo possível a utilização de dispositivos conectados à internet, gerando fidelidade nas informações e a comunicação de modo instantâneo, integrado e compartilhado.

Assim, na aferição das métricas e indicadores de performance, esses avanços irreversíveis são procedentes de soluções com uso da automação, controle de precisão, rastreabilidade, posicionamento e cronologia, inclusive fornecidas por tecnologias móveis.

No quesito da credibilidade de dados, existem formas eficientes de captação de dados na nuvem conduzidas pelo Big Data.

Entretanto, essa inovação requer da Inteligência Artificial um alto poder de computação, uma vez que trabalha com grandes volumes de dados na complexidade da captação e refinamento das fontes.

A questão que se coloca diz respeito à restritiva disponibilidade do conhecimento, raramente disseminadas na rede ou, que estejam caracterizadas por métodos e táticas reconhecidas e consolidadas pelo meio técnico.

O que se justifica é a falta da bibliografia técnica específica e a reserva de saber das empresas que trabalham com serviços especiais.

Essas limitações poderiam impor ao sistema alguns escassos planos de aprendizado, podendo gerar algoritmos deficitários, por serem ratificados em poucos exemplos, insuficientes para consolidar a demanda preliminar da simulação de aprendizagem de máquinas.

Portanto, para o sistema ter como meta a precisão, nos motivou a adotar como solução para o treinamento das redes neurais o suporte de exemplos fundamentados por uma plataforma de Crowdsourcing.

Trata-se de um recurso para construir uma sinopse consistente, por meio de geração de resumos esboçados com um padrão próprio, que representará o reforço validado para a modelagem de partida do processo de aprendizagem.

Em síntese, o sistema aprende a partir de exemplos, numa abordagem supervisionada, permitindo que o algoritmo utilize uma combinação de modelos padrão para alcançar sua plenitude por seguir melhorando.

A tecnologia para leitura de dados

Destacamos alguns aparelhos com tecnologia de leitura de dados externos conhecidas como AIDC “Automatic Identification and Data Capture”, que permitem monitorar e gerenciar dados remotamente, trocando informações que agilizam o trabalho e interligam os recursos.

Essas tecnologias, geralmente acopladas à conectividade em tempo real, permitem a gestão das tarefas com pleno controle da continuidade, identificando o ordenamento, falhas e o progresso da produção no ato da execução.

Uso em recursos como ferramentas, máquinas, equipamentos, materiais e produtos

  • Dispositivo de coleta para a leitura de dados – operam por feixes de luz ou proximidade emitindo informações de identidade e localização
  • Dispositivos sensores ou transdutores – detectores de energia para identificação e leitura de dados, inspeção, captam estímulos, precisão, variação, desvios e a correlação dinâmica dos pontos de referência da grandeza física
  • Dispositivos controladores de máquinas – microprocessadores que desempenham funções programáveis utilizados para movimentações, ordenamento e execução de tarefas
  • Aparelhos Smart Grid – sistemas detectam informações de alterações significativas acionando uma central que irá analisar os dados identificando falhas e sugerindo otimização dos desempenhos 
  • Aparelhos inteligentes com uso da internet das coisas (IoT) – utilizados para aferir performance de sistemas como conforto, eficiência, desempenho, rendimento, conservação e manutenção
  • Aparelhos com sistemas de automação – interligação de detectores e controladores lógicos programáveis que possibilitam fazer a leitura do sinal a fim de controlar ou monitorar

Uso em recursos da mão de obra de produção e serviços terceirizados

  • Aplicativos de gerenciamento e posicionamento do posto de trabalho – permitem conectividade e compartilhamento instantâneo das informações, para aferir continuamente a realização das tarefas

O Crowdsourcing na produção dos repositórios de processos padrão

A estrutura dos fluxos dos processos é realizada por meio do compartilhamento das informações.

Esta solução admite a função de introduzir ao modelo padrão as condições para que a dinâmica de circulação de conhecimento proporcione interconexão de respostas mais assertivas e soluções criativas, garantindo um feedback qualificado do sistema.

Esta solução admite também uma entidade mentora com a função de coordenação e supervisão da integridade e conformidade.

Como estágio a avançar, acreditamos poder ser desempenhada por uma instituição acadêmica, vinculada às disciplinas, que possa interessar-se pela operação.

Plataforma de interação colaborativa WikiFlow

  • Criação do repositório categorizado com conteúdos rotulados e validação supervisionada, para agrupar soluções dos esforços coletivos, de forma especializada, para ser aplicado a necessidades específicas de cada tipologia de obra

Concluímos aqui as exposições sobre o tema Soluções por Inovação Tecnológica na Formação do Preço de Obras, esperando ter contribuído para uma melhor compreensão do assunto.

Durante toda a nossa abordagem enfocamos como são analisadas as origens dos dados, como estes são minerados para transformá-los em informação e qual a infraestrutura necessária para o funcionamento do sistema.

Apresentamos também, alternativa de solução para quando o conhecimento atual não está disponível, referente a aqueles em que as informações dos serviços são disponibilizadas de forma mais escassa na rede.

O atual estágio de desenvolvimento é a modelagem matemática.

Aqui ressaltamos o necessário apoio profissional capacitado na ciência de análises de dados, habilidade avançada para as soluções requeridas, onde a partir dai, teremos condições de fazer os primeiros treinamentos de aprendizagem.

Outra etapa a se seguir será a monitoração da evolução do modelo e os ajustes de refinamento das ferramentas e dos parâmetros, para assim alcançarmos a plenitude do sistema.

Uma questão que no momento detemos atenção é a correção de decisões induzidas a erros numa eventual performance dessas redes neurais.

Com o intuito de melhorar substancialmente a precisão, há que se prever um sistema onde se possa aplicar uma engenharia reversa sobre as informações da aprendizagem.

Como tudo pode ser superado, esse é um problema a ser resolvido pelos Experts no assunto!

Nos colocamos à disposição dos interessados no aprofundamento das questões, inclusive para colaborações nas soluções e desenvolvimento do sistema.

Faça o seu contato através do e-mail: [email protected]