Blog Esalqueanos

Você sabe a diferença? (Hulq, F99)

11/08/2020 - Por marco lorenzzo cunali ripoli
Atenção: Os textos e artigos reproduzidos nesta seção são de responsabilidade dos autores. O conteúdo publicado não reflete, necessariamente, a opinião da ADEALQ.

486 views 6 Gostei 0 Não gostei

Entre minhas leituras me deparei com um especialista chamado Tim Eschert, do ""The Leadership Network", quem tras um interessante e clara diferenciação entre três temas que ouvimos falar muito.

 

A manufatura industrial sempre esteve na vanguarda dos avanços tecnológicos. As empresas de manufatura foram as primeiras a utilizar supercomputadores (inicialmente apenas o setor aeroespacial e da academia), por exemplo, para análise de elementos finitos.  

 

No entanto, quando vemos o Machine Learning (ou aprendizado de máquinas) como um avanço tecnológico, ele tem sido adotado principalmente pelos setores financeiro e tecnológico, que têm usado o Machine Learning para:

  • traduzir textos complexos entre idiomas;
  • recomendar itens para comprar em sites de e-commerce;
  • estimar o risco de inadimplência dos solicitantes de empréstimos.

 

Mas o setor manufatureiro não adotou o aprendizado de máquina com o mesmo entusiasmo. (Ainda assim.) Uma das razões é que sempre usamos dados de várias maneiras dentro da fabricação, como Data Analytics e Six Sigma. Então, qual é exatamente a diferença entre Data Analytics, Six Sigma e Machine Learning - e o que eles têm em comum?  Em última análise, são três ferramentas diferentes que são úteis em diferentes situações.

 

  • A Data Analytics (Análise de Dados) é exploratória e envolve a criação de um processo automatizado de coleta de dados e, em seguida, analisar manualmente um conjunto de dados para procurar padrões.
  • O Six Sigma (não traduzido para o português) conta com valores e parâmetros escolhidos a dedo.  Se baseia em um processo definido, o "ciclo DMAIC".  Este ciclo deve ser seguido em um projeto de melhoria Six Sigma.  A quantidade de dados entrando em um problema do Six Sigma é muito menor. Os valores são escolhidos a dedo na fase "definir" e, em seguida, medidos na segunda fase.  Isso significa que um processo Six Sigma é frequentemente tendencioso pelos especialistas humanos que conduzem os estudos.
  • O que torna o Machine Learning único é uma visão holística e destacada sobre a fabricação.  O Machine Learning reconhece automaticamente padrões ocultos nos dados.  É explicativo, que vai além da abordagem exploratória da análise de dados.  É exaustivo, que vai além da abordagem limitada e potencialmente tendenciosa da Six Sigma.

 

Em conclusão, o Machine Learning é apenas mais uma chave de fenda em nosso kit de ferramentas de otimização de processos.  Não necessariamente substituir outras ferramentas - é uma chave de fenda para um parafuso diferente. Mas talvez no passado, às vezes usamos a chave de fenda errada para alguns deles.

 

O Agro não para!

 

Marco Lorenzzo Cunali Ripoli, Ph.D. é Engenheiro Agrônomo e Mestre em Máquinas Agrícolas pela ESALQ-USP e Doutor em Energia na Agricultura pela UNESP, executivo, disruptor, multiempreendedor, inovador e mentor. Proprietário da BIOENERGY Consultoria e investidor em empresas.  Acesse www.marcoripoli.com

PUBLIQUE NO BLOG!
PUBLICIDADE
APOIADORES