Raízen economiza R$ 58 milhões com IA em colheitadeiras
O uso intensivo de tecnologia avança nas usinas de açúcar e álcool. Com o emprego de inteligência artificial (IA), a Raízen, a maior produtora brasileira de etanol, criou um modelo que otimiza manutenção de colhedoras de cana-de-açúcar. Desde 2020 a empresa vem utilizando técnicas de machine learning para o controle de cerca de 60 máquinas nas usinas Bonfim, em Guariba; Serra, em Ibaté; e Parque de Bioenergia Araraquara, em Araraquara, todas no interior de São Paulo.
De acordo com o Gabriel Jonatas Santos Netzlaff, gestor de processos de manutenção da Raízen, o uso de IA melhorou de tal forma a manutenção de maquinário que foi incorporado em Guia de Manutenção Preditiva do Centro para a Quarta Revolução Industrial no Brasil (C4IR), iniciativa multissetorial do Fórum Econômico Mundial, para cooperação entre governos empresas, sociedade civil e pesquisadores.
Esse conhecimento está disponível gratuitamente no site do C4IR, e pode ser utilizado como referência para outras empresas sucroenergéticas. O case destacado pelo C4IR é resultado de um projeto A3/PDCA (Plan, Do, Check, Act, ou em português, Planejar, Fazer, Verificar e Agir), ferramenta de qualidade de quatro fases, amplamente utilizada para a solução de problemas, controle e melhoria contínua de processos e produtos.
O projeto foi inserido no Sistema de Excelência Raízen (SER+), iniciativa criada para potencializar ações de melhoria e eliminar desperdícios. Esse movimento, que existe desde 2021, já proporcionou ganho de R$ 58 milhões à Raizen, na forma de redução de custos, incrementos de performance e de qualidade. “Trata-se de metodologia de resolução de problemas padronizada na Raízen pelo programa SER+. Com o uso das técnicas de PDCA, identificamos os problemas mais relevantes com a nossa necessidade de negócio e definimos ações de mitigação para melhorar nosso processo. O modelo A3 é uma técnica para apresentarmos e acompanharmos os projetos de maneira rápida, objetiva e direta”, explica Netzlaff.
Previsibilidade
No caso específico do case aproveitado pelo C4IR, a criação de um modelo computacional aumentou para 77% a previsibilidade do fim da vida útil das unidades injetoras de colhedoras de cana, um avanço que otimiza o processo de manutenção e aumenta a disponibilidade desses equipamentos. “Pela primeira vez na manutenção automotiva de equipamentos, construímos uma metodologia de aplicação de conceitos de IA para previsão de falhas”, destaca o gestor de processos em manutenção da unidade Bonfim, em Guariba (SP).
Para tocar o projeto de IA, a Raízen teve consultoria de Data Science da Lean 4.0 em 2021, mas após a implementação, os trabalhos de Machine Learning continuaram sendo conduzidos internamente pela própria empresa. Segundo o gestor, são utilizadas técnicas de ML não supervisionada de clusterização e classificação de falhas e a técnica de ML supervisionada para previsão da vida dos componentes.
“O conhecimento gerado por esse projeto já está sendo replicado para outros sistemas de colhedoras da Raízen, sob a liderança da engenharia de manutenção corporativa da companhia. Estamos em um processo de replicação e ampliação de técnicas de Data Science e Machine Learning em conjunto com a área de Analytics. Além das técnicas mais tradicionais também adotamos técnicas mais recentes, como redes neurais ara identificação e classificação de imagens”, esclarece Netzlaff.
