A Inteligência Artificial (IA) Industrial deixou de ser uma promessa futurista para se tornar um diferencial competitivo imediato. Em ambientes industriais, que exigem engenharia de alta precisão, confiabilidade e rastreabilidade, a IA deve operar de forma integrada a sistemas de produção complexos [1]. No entanto, muitas organizações enfrentam o desafio de passar de projetos experimentais ("pilotos") para implementações escaláveis que geram valor real [2].

Este curso intensivo de 30 horas foi desenhado para profissionais que precisam de conhecimentos práticos para integrar IA Industrial em diversos setores e acelerar a transformação digital. Inspirado em programas de excelência como o Strategy, Survival, and Success in the Age of Industrial AI do MIT Sloan Executive Education [2] e o Industrial AI in Manufacturing da A*STAR Singapore [1], o currículo foca nos casos de uso de maior retorno sobre o investimento (ROI), como manutenção preditiva e controle de qualidade [3].

Referências

[1] Lee, J. (2020). Industrial AI: Applications with Sustainable Performance. Springer Singapore. https://doi.org/10.1007/978-981-15-2143-0

[2] Escobar, C. A., & Morales-Menendez, R. (2024). Machine Learning in Manufacturing: Quality 4.0 and the Zero Defects Vision. Elsevier. https://doi.org/10.1016/B978-0-323-99029-5.00001-X

[3] Hosseinzadeh, A., Chen, F. F., Shahin, M., & Bouzary, H. (2023). A predictive maintenance approach in manufacturing systems via AI-based early failure detection. Manufacturing Letters, 35(Supplement), 1179-1186. https://doi.org/10.1016/j.mfglet.2023.08.125

O objetivo principal é equipar os participantes com o conhecimento prático necessário para entender, identificar e aplicar soluções de IA em contextos de manufatura, acelerando a jornada da experimentação para a implantação em escala.

Ao final do curso intensivo, os participantes estarão aptos a:

• Identificar oportunidades viáveis de aplicação de IA Industrial em suas linhas de produção, priorizando projetos com base em impacto e viabilidade técnica [1].
• Compreender os requisitos de infraestrutura de dados, sensores (IoT) e conectividade necessários para suportar algoritmos avançados de Machine Learning no chão de fábrica [3].
• Projetar fluxos de trabalho de análise preditiva, com foco em manutenção preditiva e redução de tempo de inatividade não planejado [3].
• Aplicar conceitos de visão computacional para automatizar e aprimorar processos de controle de qualidade e inspeção de defeitos.
• Desenvolver um roadmap estratégico para a adoção de IA que se integre perfeitamente às metodologias de excelência operacional existentes (Lean, Six Sigma) [2].

Líderes de operações, engenheiros de processo, gerentes de produção, profissionais de dados e responsáveis por transformação digital na indústria.