Normalmente, a formação em engenharia química envolve uma base sólida em ciências exatas. À medida que avançamos no curso e aprendemos sobre termodinâmica, fenômenos de transporte e cinética, amadurecemos a aplicação dos conceitos fundamentais desta base.
Contudo, semestre após semestre, também aprendemos que a profissão demanda versatilidade dos profissionais da área. É necessário ter uma boa visão de negócio, conseguir fazer boas apresentações, saber liderar e trabalhar em equipe.
Neste contexto, as certificações como a de Lean e Seis Sigma ganham destaque. Afinal, elas permitem que profissionais adquiram visões mais maduras sobre o mapeamento e melhoria de processos. Tarefas que, dentre várias etapas, envolvem a coleta e análise de dados de produção para entendimento e otimização de processos.
Como na sociedade da informação, os conceitos da área de dados se tornam cada vez mais relevantes. Neste texto, apresentaremos o conceito de Big Data e as razões para você se interessar neste assunto enquanto engenheiro químico.
É natural que à medida que essa quantidade de dados aumente, torne-se mais difícil trabalhar com eles. Por esta razão, foram desenvolvidas técnicas que auxiliam e orientam quando estamos diante de um desafio como este.
No entanto, é importante ressaltar que Big Data não é somente trabalhar com muitos dados. Quando se fala neste conceito, é preciso levar em consideração os 5V’s do Big Data:
1 - Volume: alto volume de dados;
2 - Velocidade: processamento e modelagem de dados rápida;
3 - Variedade: capacidade de processar vários tipos de dados: tabelas, vídeos, imagens, etc;
4 - Veracidade: qualidade dos dados processados;
5 - Valor: geração de valor para organizações e/ou indivíduos a partir dos dados;
Pessoalmente, quando estava concluindo o meu curso de graduação em engenharia química, participei de um trabalho, junto com alguns colegas, em que pudemos experimentar este cenário. No projeto, foram utilizados dados de uma fábrica real para obter insights sobre as condições mais adequadas para um processo de moagem de farinha do cru em uma indústria de cimento, tendo em vista a produção e a qualidade do produto.
Fato é que, a cada corrida, uma fábrica pode registrar diversos dados diferentes sobre seu processo. Estes dados, quando devidamente processados e estudados, permitem que processos mais econômicos e seguros sejam desenvolvidos.
O interesse, portanto, na ciência de dados na indústria está relacionado com o aproveitamento desses dados como um recurso que pode suportar a tomada de decisão na etapa de otimização de processos. Recurso este que, como vários outros no ambiente industrial, não deveria ser desperdiçado.
Com a experiência, a indústria pode aprender que a inclusão de variáveis que não eram controladas anteriormente podem melhorar bastante o desempenho dos modelos preditivos utilizados pelo seu setor de qualidade, por exemplo. Pode querer introduzir novos sensores, ou expandir o monitoramento digital para outras áreas da produção.
Todos estes fatores contribuem para o crescimento do seu banco de dados e para a eventual demanda por maior poder de processamento dentro da indústria. Esta demanda pode ser atendida pelo investimento na infraestrutura local ou pelo uso de serviços de nuvem.
Ainda assim, independente da escolha da fábrica em que você trabalha, haverá custos. Por isso, conhecer os fundamentos de Big Data e estar bem versado nas boas práticas da técnica é muito importante.
2 - Comprima os dados: o formato adequado dos dados pode economizar muito espaço na memória. Investigue o armazenamento de dados no formato parquet, isto pode ajudar bastante!
3 - Particione os dados: em vez de armazenar tudo em uma tabela única, por exemplo, você pode criar partições de acordo com algum critério (ano, mês, etc). As partições menores podem permitir acesso mais rápido e fácil a regiões específicas dos dados que você pode querer acessar.
4 - Dedique-se a estudar o assunto: a tecnologia está sempre evoluindo, novas ferramentas e técnicas aparecem e se vão rapidamente. Então não deixe de investigar e acompanhar as novidades, para se manter sempre atualizado no tema.
Confira também:
Para que serve a programação na engenharia química? (eqrenca.com.br)
E a indústria 4.0? (eqrenca.com.br)
4 canais para conhecer melhor a indústria e a EQ durante a graduação (eqrenca.com.br)
Contudo, semestre após semestre, também aprendemos que a profissão demanda versatilidade dos profissionais da área. É necessário ter uma boa visão de negócio, conseguir fazer boas apresentações, saber liderar e trabalhar em equipe.
 |
| (Imagem de Pete Linforth por Pixabay) |
Neste contexto, as certificações como a de Lean e Seis Sigma ganham destaque. Afinal, elas permitem que profissionais adquiram visões mais maduras sobre o mapeamento e melhoria de processos. Tarefas que, dentre várias etapas, envolvem a coleta e análise de dados de produção para entendimento e otimização de processos.
Como na sociedade da informação, os conceitos da área de dados se tornam cada vez mais relevantes. Neste texto, apresentaremos o conceito de Big Data e as razões para você se interessar neste assunto enquanto engenheiro químico.
O que é Big Data?
Big Data refere-se ao tratamento e processamento de grandes volumes de dados. Quão grande é esse volume? Estamos falando de milhões, bilhões de registros que simplesmente ocupam muito espaço na memória (muito mesmo!).É natural que à medida que essa quantidade de dados aumente, torne-se mais difícil trabalhar com eles. Por esta razão, foram desenvolvidas técnicas que auxiliam e orientam quando estamos diante de um desafio como este.
No entanto, é importante ressaltar que Big Data não é somente trabalhar com muitos dados. Quando se fala neste conceito, é preciso levar em consideração os 5V’s do Big Data:
1 - Volume: alto volume de dados;
2 - Velocidade: processamento e modelagem de dados rápida;
3 - Variedade: capacidade de processar vários tipos de dados: tabelas, vídeos, imagens, etc;
4 - Veracidade: qualidade dos dados processados;
5 - Valor: geração de valor para organizações e/ou indivíduos a partir dos dados;
Dados na indústria e engenharia química
Anteriormente, quando falamos de Indústria 4.0, ilustramos como a automação tende a estar cada vez mais presente nas indústrias. O uso de dados mostrou-se útil para operações de qualidade, manutenção e para a construção e apresentação de torres de controle na fábrica.Pessoalmente, quando estava concluindo o meu curso de graduação em engenharia química, participei de um trabalho, junto com alguns colegas, em que pudemos experimentar este cenário. No projeto, foram utilizados dados de uma fábrica real para obter insights sobre as condições mais adequadas para um processo de moagem de farinha do cru em uma indústria de cimento, tendo em vista a produção e a qualidade do produto.
Fato é que, a cada corrida, uma fábrica pode registrar diversos dados diferentes sobre seu processo. Estes dados, quando devidamente processados e estudados, permitem que processos mais econômicos e seguros sejam desenvolvidos.
O interesse, portanto, na ciência de dados na indústria está relacionado com o aproveitamento desses dados como um recurso que pode suportar a tomada de decisão na etapa de otimização de processos. Recurso este que, como vários outros no ambiente industrial, não deveria ser desperdiçado.
Big Data e engenharia química, o que tem a ver?
O problema de grandes volumes de dados provavelmente não é um problema de fábricas que ainda estão começando a incluir a automação em suas diversas etapas de trabalho. Todavia, deve-se ter em vista que o trabalho com dados também exige sustentabilidade: se a fábrica está registrando dados sobre seus processos, estes registros devem crescer com o tempo, exigindo cada dia mais espaço e poder de processamento dos computadores que devem armazenar este conteúdo.Com a experiência, a indústria pode aprender que a inclusão de variáveis que não eram controladas anteriormente podem melhorar bastante o desempenho dos modelos preditivos utilizados pelo seu setor de qualidade, por exemplo. Pode querer introduzir novos sensores, ou expandir o monitoramento digital para outras áreas da produção.
Todos estes fatores contribuem para o crescimento do seu banco de dados e para a eventual demanda por maior poder de processamento dentro da indústria. Esta demanda pode ser atendida pelo investimento na infraestrutura local ou pelo uso de serviços de nuvem.
Ainda assim, independente da escolha da fábrica em que você trabalha, haverá custos. Por isso, conhecer os fundamentos de Big Data e estar bem versado nas boas práticas da técnica é muito importante.
Dica rápida: boas práticas de Big Data
1 - Utilize um framework de Big Data: ferramentas especializadas neste tipo de problema. Ex: Apache Spark.2 - Comprima os dados: o formato adequado dos dados pode economizar muito espaço na memória. Investigue o armazenamento de dados no formato parquet, isto pode ajudar bastante!
3 - Particione os dados: em vez de armazenar tudo em uma tabela única, por exemplo, você pode criar partições de acordo com algum critério (ano, mês, etc). As partições menores podem permitir acesso mais rápido e fácil a regiões específicas dos dados que você pode querer acessar.
4 - Dedique-se a estudar o assunto: a tecnologia está sempre evoluindo, novas ferramentas e técnicas aparecem e se vão rapidamente. Então não deixe de investigar e acompanhar as novidades, para se manter sempre atualizado no tema.
Confira também:
Para que serve a programação na engenharia química? (eqrenca.com.br)
E a indústria 4.0? (eqrenca.com.br)
4 canais para conhecer melhor a indústria e a EQ durante a graduação (eqrenca.com.br)
Comentários
Postar um comentário
Se chegou até aqui, não deixa de compartilhar com a gente o que você achou!