Ciência de Dados e Digitalização para Engenheiros Químicos

Com o avanço contínuo da Indústria 4.0, indústrias baseadas em processos enfrentam uma nova realidade: um aumento significativo no volume, velocidade e variedade de dados. Tecnologias digitais, como a Internet Industrial das Coisas (IIoT), e maior conectividade entre processos e empresas abrem novas formas de fazer negócios. Essa é a essência da digitalização: usar dados para transformar antigas formas de fazer negócios e criar valor. Isso proporciona a oportunidade de tomar decisões mais informadas, e é aqui que os engenheiros químicos entram.

Há mais dados disponíveis agora do que nunca devido à proliferação de sensores de baixo custo, novos métodos para analisar dados anteriormente negligenciados, como imagens e texto, e avanços na tecnologia digital que tornam o levantamento, contextualização e distribuição de dados em toda a empresa eficazes e eficientes.

É por isso que conceitos como IIoT, computação em nuvem e de borda, e data lakes são importantes para a melhoria de processos no campo. Simplesmente dar às pessoas acesso a dados em tempo real cria novas possibilidades, pois elas podem tomar decisões informadas com base em informações atuais e precisas em vez de se basearem em suposições ou dados desatualizados. Além disso, houve inovações no aprendizado de máquina que permitem que o software analise dados para ajudar a tomar decisões de melhoria de processos. Isso pode levar a insights que seriam impossíveis de descobrir sem o aumento da disponibilidade e acesso aos dados.

Este post fornece insights para engenheiros químicos sobre como se manter atualizados à medida que a digitalização continua a avançar, apresenta métodos de ciência de dados atualmente utilizados na indústria e chama a atenção para a operacionalização da ciência de dados.

O Impacto da Digitalização no Papel dos Engenheiros Químicos

À medida que a digitalização avança na indústria de processos, o papel do engenheiro químico mudará. Os engenheiros químicos precisam estar equipados não apenas com conhecimento fundamental, mas também com habilidades digitais. Em um mundo digitalizado, esses dois conjuntos de habilidades são complementares, e os engenheiros químicos precisam ser ensinados a serem especialistas em dois domínios.

Usamos os termos “alfabetização de dados” e “perspicácia em dados” para descrever duas habilidades que os engenheiros químicos podem usar ao lidar com dados. A alfabetização de dados é a capacidade de coletar, gerenciar, avaliar e aplicar dados de maneira crítica e é essencial para engenheiros químicos que trabalham na era digital. Isso inclui o uso de análises descritivas, como estatísticas resumidas básicas, e análises diagnósticas, como testes de hipóteses. Esses conceitos são frequentemente ensinados em cursos de graduação, mas podem requerer mais foco, pois são necessários para uma proporção maior de engenheiros em seu trabalho diário.

A perspicácia em dados descreve um bom julgamento de dados e inclui coisas como habilidades de modelagem para análises preditivas. O termo “cientista de dados cidadão” é usado para descrever pessoas que podem usar ferramentas analíticas comerciais e habilidades básicas de programação para analisar dados. Para um engenheiro químico se tornar um cientista de dados cidadão, é preciso se tornar mais proficiente no uso de dados para apoiar seu trabalho e lidar com dados de formatos variados, por exemplo, expandindo seus horizontes além de usar apenas dados históricos de séries temporais. Algumas universidades estão oferecendo cursos de ciência de dados/análise em engenharia química para ensinar esses conceitos.

Para leitores interessados ​​em melhorar sua alfabetização e perspicácia em dados, recomendamos cursos online em ciência de dados, programação e análise. Exemplos disso são encontrados em Kaggle, Coursera, edX e LinkedIn Learning. Também recomendamos fazer networking com colegas experientes nesses domínios e aproveitar qualquer treinamento interno oferecido por sua organização.

Os estágios de análise prescritiva e cognitiva são o domínio dos cientistas de dados profissionais. Embora seja um papel de nicho, muitas vezes é preenchido por engenheiros químicos que podem combinar seu conhecimento fundamental de processos com habilidades avançadas de programação e análise. Essas são pessoas que entendem como usar, pesquisar e melhorar ferramentas de ponta. Eles estão em uma boa posição para fornecer treinamento interno para aumentar a alfabetização em dados e a perspicácia da força de trabalho.

Usando a Ciência de Dados para Melhoria de Processos e Produtos

Existe uma infinidade de modelos de ciência de dados que podem ser aplicados a problemas nas indústrias de processos. Escolhemos alguns exemplos que exemplificam a combinação de conhecimento de domínio e de ciência de dados que está cada vez mais sob a responsabilidade do engenheiro químico. Esses exemplos também mostram como as análises preditivas e prescritivas são aplicadas na engenharia química.

A modelagem híbrida é um método em que modelos baseados em princípios fundamentais são combinados com modelos de ciência de dados. Engenheiros químicos relataram recentemente uma variedade de aplicações para esse método. Isso inclui a otimização do processo de fabricação de polímeros, onde os modelos híbridos foram usados ​​para prever e otimizar a qualidade do produto. Em outra aplicação, a modelagem híbrida foi usada para prever a qualidade da água em uma estação de tratamento de água, permitindo a otimização do processo.

A aprendizagem de máquina para controle de processos é outro exemplo. Aqui, os engenheiros químicos usam a aprendizagem de máquina para desenvolver controladores que podem lidar com não linearidades e incertezas que são difíceis de modelar com técnicas convencionais. Em uma aplicação, um controlador baseado em aprendizado de máquina foi desenvolvido para um processo de produção de polímeros que resultou em uma redução de 50% nas variações de qualidade do produto.

Além disso, os engenheiros químicos estão usando a ciência de dados para lidar com dados não estruturados, como texto e imagem. Por exemplo, eles estão usando análises de texto para prever falhas de equipamentos a partir de relatórios de operação e manutenção. Isso leva a melhorias na manutenção preditiva, resultando em menos paradas não planejadas.

Por fim, a aprendizagem de máquina está sendo usada para o projeto de produtos. Aqui, os engenheiros químicos estão usando a aprendizagem de máquina para acelerar a descoberta de novos materiais e produtos. Por exemplo, a aprendizagem de máquina foi usada para prever as propriedades de novos polímeros, o que acelerou o processo de descoberta e desenvolvimento de novos produtos.

Desafios da Ciência de Dados e Digitalização

À medida que mais ferramentas digitais são implementadas para facilitar as decisões, os engenheiros químicos enfrentam outro desafio sobre quanto confiar nessas ferramentas. Qualquer ferramenta de ciência de dados é fundamentalmente orientada por dados e modelos, e à medida que se proliferam nas operações, será necessário que os engenheiros químicos compreendam em quais condições suas saídas serão confiáveis e apropriadas.

Operacionalização da Ciência de Dados na Indústria

 

 Embora os benefícios da ciência de dados para a engenharia química sejam claros, a operacionalização da ciência de dados continua a ser um desafio. Muitas organizações têm dificuldade em integrar os modelos de ciência de dados em seus processos operacionais. Alguns dos desafios incluem a obtenção e limpeza de dados, a comunicação eficaz dos resultados da análise, a integração dos modelos em sistemas operacionais e a manutenção dos modelos ao longo do tempo.

Para superar esses desafios, as organizações estão desenvolvendo funções e estruturas dedicadas de ciência de dados. Por exemplo, muitas organizações agora têm uma função de “cientista de dados” dedicada. Esta função trabalha de perto com a engenharia e outras funções para garantir que os projetos de ciência de dados sejam bem-sucedidos.

Conclusão

A digitalização nas indústrias de processos está criando novas possibilidades para fazer negócios, e a ciência de dados combinada com a compreensão fundamental do processo é fundamental para liberar todo o seu potencial. Os engenheiros químicos podem desempenhar um papel vital como especialistas em dois domínios e devem encontrar o equilíbrio certo entre aprimorar suas habilidades em ciência de dados e cultivar seus conhecimentos fundamentais de engenharia.

A jornada da ciência de dados fornece uma estrutura para entender as habilidades necessárias para os engenheiros químicos que desejam operar em diferentes estágios do processo de digitalização. A operacionalização da ciência de dados na indústria requer uma abordagem holística que permita a expansão da ciência de dados em toda a empresa, e estruturas como DevOps, MLOps e ModelOps surgiram para enfrentar os desafios únicos de implantar, monitorar e manter modelos de ciência de dados em ambientes de produção.

Nessa paisagem em constante mudança, os engenheiros químicos que adotam técnicas de ciência de dados ganharão uma vantagem competitiva, melhorarão a eficiência operacional e impulsionarão a inovação, levando a melhores resultados de negócios.

Fonte:

IChemE (2023). Data Science and Digitalisation for Chemical Engineers. [online] Thechemicalengineer.com. Disponível em: https://www.thechemicalengineer.com/features/data-science-and-digitalisation-for-chemical-engineers/ [Acessado em 11 de maio de 2023].

O conteúdo foi editado para estilo e comprimento.

Imagens: Freepik

Confira nossos posts mais recentes:

• Química em Fluxo: Transformando a Produção Química
• ProFluidics 285D: A impressora 3D para Microfluídica
• Inteligência Artificial: Além do Hype
• Pensando além do chip: Projetando e desenvolvendo Microfluídica
• Ciência de Dados e Digitalização para Engenheiros Químicos