Skip to main content
Esta página é apresentada utilizando tradução automática. Prefere ver em inglês?
FABRICO

A reindustrialização e as realidades da indústria transformadora

Por: Del Costy, Presidente e Diretor Executivo, Siemens Digital Industries

O ressurgimento da manufatura americana abrange muito mais do que o que acontece no chão de fábrica.

A reindustrialização exige que as organizações dominem todo o ciclo de vida da inovação, desde a concepção do produto até à engenharia, validação, produção e otimização. Os Estados Unidos há muito lideram o caminho em excelência em inovação. O desafio agora é harmonizar essa inovação com capacidades de fabrico modernas para que possamos continuar a inovar com velocidade.

Quando pensamos no segmento industrial, ainda estamos na fase inicial da curva de adoção de tecnologia. Há enormes ganhos a ter — e as pessoas vão desempenhar um papel importante. E, claro, não pode ter nenhuma conversa sem perguntar: O que significa adotar a IA na manufatura?

Essa mentalidade moldou a forma como penso sobre o que está a acontecer na manufatura hoje. Onde quer que eu vá, as pessoas estão a falar de IA. Estão ansiosos para falar sobre o que a IA pode fazer, ainda menos estão a falar sobre o que é que a IA precisa para funcionar de forma eficaz, e isso é contexto.

A produção requer uma compreensão clara de sistemas complexos, processos, materiais e restrições. É aqui que a IA na fabricação pode ser incrivelmente poderosa. Pode elucidar hordas de dados, encontrar padrões nos insights para fazer recomendações para melhoria de produtos, sistemas, processos e plantas. A ressalva é que isso só funciona se a IA estiver fundamentada na realidade de que a fabricação é um ambiente de precisão. Sem contexto, a inteligência torna-se pouco mais do que previsão — e a previsão por si só não é suficiente para transformar a indústria.

Porque é que a Industrial AI é tão boa quanto os dados por trás dela

Até agora, toda a gente já ouviu a promessa: “A IA irá otimizar as linhas de produção, acelerar o desenvolvimento do produto, melhorar a qualidade e prever falhas antes que elas aconteçam.” Essas oportunidades são reais. Mas a IA só pode escalar na produção quando os dados são contextualizados e conectados à física da engenharia e da produção.

Pode ter o modelo mais sofisticado do mundo, mas se faltar uma compreensão das suas tolerâncias, materiais, restrições de produção, histórico de validação e requisitos operacionais, os resultados serão pouco fiáveis na melhor das hipóteses e prejudiciais para o seu negócio na pior das hipóteses. Os fabricantes não podem correr o risco de implementar IA excessivamente confiante Eles precisam de IA que possa fazer recomendações precisas e confiáveis todas as vezes

É aí que muitas conversas de Industrial AI interrompem. Muitas vezes, as discussões sobre IA não refletem as restrições, prioridades e condições do chão de fábrica. As organizações apresentam argumentos que parecem convincentes mas estão desconectados do mundo físico. E na manufatura, a confiança sem certeza é perigosa.

O que muitas vezes não é dito é que muitas implementações de IA são construídas no modelo de outra pessoa, com base nas suposições de outra pessoa sobre como uma empresa opera. Com efeito, os fabricantes estão a alugar informações que deveriam possuir.

Ao mesmo tempo, o desenvolvimento de produtos continua sobrecarregado por processos de décadas. Trazer um novo produto ao mercado pode demorar entre 40 a 50 meses. Além disso, até 60% dos custos de desenvolvimento são frequentemente consumidos por prototipagem física. Muito do orçamento de I&D é gasto a provar designs em vez de inová-los.

Se os fabricantes americanos querem competir e ganhar, temos de comprimir todo o ciclo industrial do conceito à produção. A Industrial AI pode ajudar a atingir esse objetivo, mas apenas quando é construída sobre uma base de dados que reflita com precisão como os produtos são projetados, fabricados e operados.

A fabricação requer uma compreensão clara de sistemas complexos, processos, materiais e restrições. É aqui que a IA na fabricação pode ser incrivelmente poderosa, mas apenas se a IA estiver fundamentada na realidade de que a manufatura é um ambiente de precisão.

Como construir a base digital para uma Industrial AI fiável

No ano passado, a Siemens investiu 15 mil milhões de dólares em empresas de software dos EUA para garantir ainda mais que os clientes prosperem na próxima era da transformação digital e baseada em dados, e passamos décadas a construir a base de dados relacionada.

A nossa abordagem começa com sistemas de gestão do ciclo de vida do produto que capturam e preservam todas as revisões de design, alterações de engenharia e resultados de validação dentro do próprio ambiente do cliente. Esse conhecimento institucional permanece onde pertence: com o fabricante.

Combinamos isso com tecnologias de simulação baseadas na física que validam as recomendações de IA em relação a modelos reais de engenharia, em vez de depender apenas de resultados estatísticos. Quando as sugestões de IA podem ser testadas de acordo com as leis da física, os fabricantes ganham confiança de que podem agir de acordo com os resultados.

A terceira parte é a automação. Com a tecnologia Siemens a ligar o design e a produção, os dados não param na fase de engenharia. Estende-se às operações, criando visibilidade em tempo real sobre o desempenho dos produtos, linhas e instalações em tempo real. Juntas, estas capacidades criam algo que nenhuma plataforma de IA autónoma pode replicar: dados contextualizados ligados ao longo de todo o ciclo de vida.

Chamamos-lhe o fio digital. Conecta a intenção do design à realidade da produção e preserva o conhecimento organizacional à medida que os produtos e sistemas evoluem. Fornece à IA o contexto necessário para gerar resultados significativos.

E essa distinção é importante. A Industrial AI confiável não pode ser usada como uma reflexão tardia. Os fabricantes não podem terceirizar a sua inteligência de domínio e esperar melhores resultados. Eles precisam de uma base conectada que ligue produtos, processos e produção para que a Industrial AI possa operar em toda a empresa em vez de dentro de silos isolados.

O valor dessa abordagem torna-se claro quando olhamos para a forma como as empresas estão a colocá-la em prática.

Como precisamos de executar a reindustrialização

Os Estados Unidos estabeleceram uma meta ambiciosa para reindustrializar a sua economia.

A indústria americana já fez um progresso tremendo através da automação, software e tecnologia digital gêmea. Estas inovações ajudaram os fabricantes a tornarem-se mais produtivos, mais resilientes e mais adaptáveis.

Mas os nossos clientes estão a entrar numa nova fase. Estão a tentar construir uma nova capacidade, modernizar as operações existentes e permanecer globalmente competitivos — tudo isso enquanto enfrentam uma escassez persistente de mão-de-obra qualificada.

A Industrial AI baseia-se nessa base digital sólida, ajudando os clientes a expandir o que as suas pessoas são capazes de fazer. Dá aos engenheiros, operadores e técnicos novas ferramentas para se tornarem mais produtivos, acelerar a inovação e realizar mais.

O desafio não é mais inventar a IA. Está a implementar IA à escala empresarial. Hoje, apenas uma pequena percentagem das organizações integrou com sucesso a IA nas suas operações. Fechar essa lacuna de implantação é um dos principais desafios industriais — e oportunidades — da próxima década.

É nisso que a Siemens está focada: ajudar os nossos clientes a passarem da ambição da IA para a implementação de IA e traduzir a promessa da IA em ganhos reais de produtividade em toda a indústria americana.

Como a PepsiCo usa gémeos digitais e IA para acelerar o desempenho da produção

Com um dos nossos clientes, a PepsiCo, construímos uma estrutura replicável que combina a tecnologia Digital Twin, a Industrial AI e uma arquitetura de TI/OT conectada para ajudar a dimensionar melhorias nas operações de fabrico, armazenamento e logística.

Os resultados foram significativos. Numa instalação da Gatorade nos EUA, a PepsiCo alcançou um aumento de 20% no rendimento em apenas três meses. A empresa estima também uma redução de 10 a 15% nas despesas de capital usando a validação virtual para descobrir a capacidade oculta antes de fazer investimentos físicos.

O gémeo digital ajudou a comprimir os prazos de design e otimização das instalações de meses para dias. Ao criar modelos baseados na física usando dados operacionais reais de várias instalações, as equipas podem estabelecer linhas de base de desempenho, identificar estrangulamentos, compreender o fluxo de material e identificar onde e porque é que a energia está a ser consumida.

Mais de 90 por cento dos problemas de produção podem ser identificados antes mesmo de a produção começar.

Este é o poder de uma abordagem digital que a PepsiCo aproveita. Os engenheiros otimizam layouts antes de o equipamento ser movido. O fluxo de material é validado antes que um transportador seja tocado. Processos intensivos em energia são identificados antes de criarem desafios operacionais. As decisões são conduzidas por dados e não por suposições.

Quando a inovação do produto, o desenvolvimento de processos e a execução da produção estão conectados, as organizações ganham a velocidade e a confiança necessárias para modernizar a infraestrutura legada. É exatamente assim que os fabricantes ganham a corrida contra o tempo.

Embora a reindustrialização seja certamente sobre a melhoria das operações existentes, outro componente chave é a construção de modelos inteiramente novos para a produção.

Como o Haddy demonstra o futuro da produção distribuída

Outro exemplo de uma empresa que utiliza o portefólio integrado de software, hardware e automação da Siemens é a Haddy, uma empresa de impressão 3D robótica alimentada por IA, que está a mudar fundamentalmente o futuro da forma como fabricamos.

O modelo MicroFactory da Haddy demonstra essa realidade, combinando capacidade de produção industrial com economia altamente eficiente para produzir tudo, desde decoração de parques de diversões a barcos para a Marinha. Esta empresa, uma recente vencedora de uma Siemens Prémio Techcellence, preenche os requisitos comerciais e de defesa, ajudando a ligar a inovação empresarial com a prontidão industrial nacional.

O que torna o modelo que Haddy usa atraente é como a IA melhora continuamente o desempenho de fabrico através de um ciclo de feedback fechado:

Passo 1—A parte fala: Uma câmara detecta um pequeno recuo de superfície quase impossível para um ser humano.

Passo 2—O sistema escuta: O sistema reconhece um pico de pressão quatro minutos antes do defeito aparecer. A IA liga esses sinais e identifica uma relação.

Passo 3—Traça a causa raiz: A análise revela que ocorreu uma degradação do material a montante no processo de secagem antes do início da impressão.

Passo 4—Ele se corrige sozinho: A temperatura do secador é ajustada automaticamente. A produção continua sem interrupção.

Passo 5—Verifica: As próximas dez camadas imprimem com sucesso. O problema é registado e registado como resolvido.

Passo 6—Cada máquina fica mais inteligente: A solução é partilhada em todas as impressoras Haddy globalmente, fazendo isso permanente e repetível.

Este ciclo não é possível apenas através da automação. É uma pilha combinada de hardware, software e automação que facilita a aprendizagem institucional à escala industrial.

A reindustrialização exige ligar a inovação à produção

A boa notícia sobre os esforços para reindustrializar todas as indústrias americanas é que os fabricantes não precisam de reinventar a engenharia para alcançar resultados inovadores. Combinando estruturas de engenharia comprovadas com simulação e Industrial AI, ganhos extraordinários em eficiência tornam-se possíveis.

As organizações que liderarão a próxima década de fabrico serão as que construíram a base mais sólida para a IA industrial. Serão as empresas que mantiveram a sua experiência de domínio, design e produção conectados e garantiram que todas as decisões orientadas por IA pudessem ser validadas em relação à física. Transformar recomendações probabilísticas de IA em resultados determinísticos.

Essa é a lição que vemos em empresas como a PepsiCo, Haddy e muitas outras que perceberam que esta não é apenas uma vantagem competitiva, mas o caminho para acelerar a produção nos EUA.

As cidades e empresas americanas que já estão a comprometer-se com a reindustrialização não esperaram por um sinal para começar a reconstruir o seu futuro. A indústria americana também não pode dar-se ao luxo de esperar.

Construir a base, possuir a inteligência e fazer parceria com organizações que entendem como conectar a inovação à produção e juntos podemos acelerar a próxima era da reindustrialização americana.

Publicado: 17 de agosto de 2026