Notre Dame, Indiana — InkDesign News — Pesquisas recentes mostram que machine learning e inteligência artificial (IA) podem aprimorar a segurança dos trabalhadores e a qualidade dos produtos em manufatura, especialmente em setores industriais como soldagem.
Contexto da pesquisa
Um estudo conduzido na Universidade de Notre Dame explorou o uso de modelos de linguagem multimodais (multimodal large language models – LLMs), como o ChatGPT, para avaliar a qualidade de soldas em ambientes industriais. Embora a adoção de IA em tarefas de escritório seja amplamente explorada, a aplicação em contextos industriais produtivos ainda é pouco discutida. A pesquisa envolveu colaborações com especialistas de soldagem e instituições locais do norte de Indiana, um dos centros industriais com maior concentração de empregos nos EUA.
Método proposto
Os pesquisadores analisaram a capacidade dos modelos LLMs multimodais de processar imagens de soldas e classificar sua efetividade para diferentes indústrias, como veículos recreativos, aeroespacial e agrícola. Utilizou-se um conjunto de imagens tanto selecionadas da internet quanto capturadas em situações reais. A abordagem buscou avaliar a precisão dos modelos na identificação da qualidade das soldas, incluindo aspectos de raciocínio e interpretação contextual para a tomada de decisão.
Resultados e impacto
Os modelos apresentaram desempenho significativamente superior ao analisar imagens online de soldas, em comparação aos dados do mundo real, evidenciando a necessidade de incluir exemplos reais durante o treinamento das IA. Não foi verificada relação direta entre a complexidade dos modelos e a acurácia na tarefa. Além disso, prompts específicos e treinamentos contextuais aumentaram a eficácia dos LLMs, ressaltando a importância de ajustes finos para domínio industrial.
“Esta discrepância destaca a necessidade de incorporar dados reais de soldagem no treinamento desses modelos de IA e utilizar estratégias avançadas de destilação de conhecimento ao interagir com a IA, para garantir que as soldas funcionem conforme esperado. Isso, por sua vez, contribuirá para a segurança dos trabalhadores, qualidade do produto e oportunidades econômicas.”
(“This discrepancy underscores the need to incorporate real-world welding data when training these AI models, and to use more advanced knowledge distillation strategies when interacting with AI, to help ensure welds work as they should. Ultimately, this will help improve worker safety, product quality and economic opportunity.”)— Nitesh Chawla, Professor de Ciência da Computação e Engenharia, Universidade de Notre Dame
“À medida que a adoção da IA nos contextos industriais cresce, será necessário equilibrar o uso de modelos gerais complexos e caros com modelos ajustados especificamente para atender às necessidades do setor. Integrar IA explicável nestes processos será fundamental para garantir que os sistemas sejam eficazes, transparentes e responsáveis.”
(“As AI adoption in industrial contexts grows, practitioners will need to balance the trade-offs between using complex, expensive general-purpose models and opting for fine-tuned models that better meet industry needs. Integrating explainable AI into these decision-making frameworks will be critical to ensuring that AI systems are not only effective but also transparent and accountable.”)— Yong Suk Lee, Professor Associado e Chair de Ética em Tecnologia, Universidade de Notre Dame
O estudo sugere que próximos passos envolvem o desenvolvimento de modelos de IA capazes de raciocinar melhor em domínios industriais não familiares, com o objetivo de aumentar a aplicabilidade real dessa tecnologia na manufatura. Aplicações futuras podem incluir sistemas automatizados para controle de qualidade e suporte à decisão para profissionais, alinhando segurança, produtividade e eficiência.
Fonte: (TechXplore – Machine Learning & AI)
