No dia 28 de abril de 2025, um apagão atingiu toda a Península Ibérica. Espanha e Portugal ficaram sem energia por horas, impactando hospitais, transportes, sistemas de comunicação e, de forma crítica, as cadeias logísticas. O que parecia ser um evento isolado expôs uma cadeia de falhas interligadas: oscilações na frequência, desativação de geradores e desconexão da rede europeia, provocando instabilidade generalizada no fornecimento elétrico. Esse cenário evidencia o quão vulnerável pode ser uma rede na qual até uma falha pontual desencadeia efeitos em cascata.

Redes inteligentes vêm sendo fundamentais para mitigar riscos de colapso em sistemas elétricos complexos. Com monitoramento em tempo real, previsão de falhas e simulações, essas tecnologias aumentam a capacidade de antecipar e reagir a eventos críticos. Em Portugal, por exemplo, soluções como o Outage Forecast já vinham sendo testadas com até 85% de precisão na identificação de pontos vulneráveis, a partir da análise combinada de dados históricos, condições climáticas e a topologia da malha elétrica.

No entanto, durante o apagão de abril, essas ferramentas ainda não estavam plenamente integradas à operação em tempo real de toda a rede, o que limitou sua efetividade. A plena adoção e integração de tecnologias preditivas como essa poderia ter feito diferença no tempo de resposta e na extensão dos danos, permitindo decisões antecipadas como o redirecionamento de equipes e o reforço de trechos frágeis da rede, ações que influenciam diretamente a fluidez e continuidade das operações logísticas, como distribuição de insumos, abastecimento urbano e movimentação de cargas.

Durante o colapso, centros de distribuição ficaram sem energia e sem conexão com sistemas de gestão, o que afetou diretamente o controle de estoques e rotas de transporte. Cadeias de frio foram interrompidas, comprometendo alimentos e medicamentos. Portos operaram com restrições, e o carregamento de mercadorias foi suspenso em várias regiões. Tudo isso exigiu respostas rápidas e alternativas emergenciais, como o uso de geradores móveis, redirecionamento de entregas e priorização de cargas críticas. A logística, nesse contexto, deixou de ser elemento de apoio e passou a ser fator determinante para mitigar os prejuízos causados pela falha energética.

O episódio reforça como a previsibilidade e a capacidade de resposta são essenciais para garantir a continuidade de serviços críticos, especialmente os logísticos. Num cenário em que redes energéticas estão cada vez mais complexas e expostas a riscos extremos, o uso de tecnologias baseadas em dados, simulações e inteligência operacional deixa de ser um diferencial e passa a ser uma responsabilidade estratégica. Garantir a resiliência energética é garantir que cadeias de suprimentos continuem operando, o que exige planejamento entre operadores de rede, gestores logísticos e autoridades públicas.

Os algoritmos de recomendação revolucionaram a forma como as empresas interagem com seus consumidores, proporcionando experiências altamente personalizadas e eficazes. Baseados em análise de dados, machine learning e deep learning, eles analisam dados comportamentais para prever preferências, sugerir produtos e otimizar estratégias de venda. Quanto mais diferenciada a solução, maior o valor agregado para o cliente.

Essas tecnologias têm transformado setores como e-commerce, plataformas de streaming e redes sociais. Empresas como Netflix, Amazon, Spotify e YouTube são exemplos de como algoritmos bem implementados influenciam diretamente o comportamento dos usuários, engajando-os e fidelizando-os.
A Netflix recomenda filmes e séries com base no histórico de visualizações e preferências de comunidades semelhantes, mas também personaliza as capas de seus títulos. Essa prática, iniciada em 2017, utiliza machine learning para entender o comportamento de cada usuário e adaptar as imagens de acordo com seus interesses. Se um assinante assiste mais comédias, verá capas destacando aspectos cômicos; se prefere dramas, os elementos refletirão esse gênero. Essa personalização melhora a experiência do usuário e aumenta o engajamento na plataforma.

Outro exemplo notável é a Amazon, que aplica um modelo híbrido de filtragem para oferecer recomendações personalizadas, como “frequentemente comprados juntos” e “itens que você pode gostar”. Essas estratégias, combinadas com técnicas de cross-selling e up-selling, aumentam tanto as conversões quanto o valor médio dos carrinhos de compra. Recomendando produtos de forma ágil e relevante, tornam a experiência de compra mais fluida e atraente.

Plataformas como Spotify e YouTube exploram o poder dos algoritmos para criar experiências personalizadas. O Spotify, por exemplo, gera playlists como “Daily Mix” e “Descobertas da Semana” a partir de dados de reprodução, buscas e compartilhamentos. Já o YouTube utiliza o histórico de visualizações, tempo de engajamento e interações para sugerir vídeos que mantêm os usuários ativos por mais tempo.

Além de melhorar a experiência do usuário, os algoritmos permitem otimizar estratégias de marketing. Técnicas como retargeting impactam usuários que já interagiram com a marca, apresentando anúncios personalizados baseados em ações anteriores. Esse tipo de abordagem aumenta a probabilidade de conversões.

Em resumo, algoritmos de recomendação transformaram como negócios conectam-se aos consumidores. Criando experiências personalizadas, ágeis e satisfatórias, aumentam fidelização e ROI, moldando tendências de consumo.

Neste mês sendo comemorado o Dia da TV, é interessante refletir sobre como a televisão, que já foi a protagonista do entretenimento em família, precisou se reinventar em um mercado marcado pela volatilidade da demanda e pelas rápidas mudanças tecnológicas. A jornada da TV aberta até o domínio das plataformas de streaming como Netflix e Amazon Prime Video ilustra como a tecnologia e o comportamento do consumidor moldaram um novo cenário.

Com o advento do streaming, a logística de distribuição de conteúdo foi transformada. Modelos tradicionais, como o envio de DVDs e o gerenciamento de estoques em locadoras, foram substituídos pelo armazenamento digital em servidores globais. Essa mudança não só reduziu custos operacionais, mas também garantiu que o consumidor pudesse acessar uma vasta biblioteca de conteúdo de forma instantânea e eficiente, bastando alguns cliques.

Além disso, as plataformas de streaming, como a Netflix, têm ido além ao utilizar algoritmos avançados para personalizar a experiência do usuário. Esses algoritmos não apenas analisam padrões de visualização para recomendar títulos, mas também adaptam as capas dos filmes e séries ao gosto específico de cada usuário. Essa estratégia aumenta as chances de engajamento, já que o conteúdo é apresentado de forma visualmente mais atraente e relevante para cada perfil, estimulando o consumo dentro da plataforma.

Empresas icônicas como a Blockbuster, por outro lado, ilustram como a resistência às transformações tecnológicas pode levar ao declínio. A falta de adaptação ao novo modelo de consumo digital resultou no fechamento de suas lojas, enquanto a Netflix se tornou um case de sucesso, migrando de um serviço de aluguel de DVDs para um dos maiores players de streaming no mundo.

Atualmente, a TV aberta ainda busca formas de se manter relevante, investindo em formatos híbridos e explorando a integração com plataformas digitais. A volatilidade desse mercado exige estratégias dinâmicas, capazes de se moldar às preferências dos consumidores e à velocidade das mudanças tecnológicas.

Depois de torcer muito pelo Brasil nas Olimpíadas, chegou a vez das Paralimpíadas! Mas você conhece as principais tecnologias que estão por trás do evento?

As Paralimpíadas são um verdadeiro espetáculo de habilidade, determinação e inovação. Um dos aspectos mais fascinantes dessa competição – além do desempenho dos atletas – é o uso de tecnologias avançadas que os ajudam a alcançar seu pleno potencial.

Um bom exemplo é a Blind Cap, uma touca de nado desenvolvida pela Samsung para atletas cegos. Essa tecnologia permite que o técnico acione, via smartphone, um alerta vibratório na touca para avisar ao nadador quando ele está se aproximando da borda da piscina. Essa inovação ajudou o brasileiro Wendell Belarmino a conquistar a medalha de ouro nos 50 metros livre.

Outro avanço significativo veio da BMW, com a criação de uma cadeira de rodas de corrida de última geração. Feita de fibra de carbono, essa cadeira é considerada o “santo graal” para atletas das modalidades de 400 e 600 metros do atletismo. Destacada pela sua aerodinâmica avançada, permite que os atletas alcancem velocidades superiores a 30 km/h. Além disso, o uso de luvas feitas sob medida com impressão 3D para empurrar as cadeiras demonstra o nível de personalização e tecnologia envolvida. A cadeira de rodas de corrida se tornou famosa nos Jogos do Rio de 2016, quando a americana Tatyana McFadden a utilizou em sua conquista da medalha de ouro.

As cadeiras de rodas também têm aplicações específicas em esportes de contato como basquete e rúgbi. Projetadas para facilitar manobras, elas possuem rodas curvadas entre 10 e 20 graus e são feitas de materiais resistentes como alumínio ou titânio. No rúgbi, as cadeiras são especialmente reforçadas para resistir a colisões e equipadas com características únicas para ataque e defesa.

Além disso, as próteses de fibra de carbono continuam a revolucionar o mundo paralímpico. Atletas como o sul-africano Oscar Pistorius e o alemão Markus Rehm demonstraram que essas próteses não apenas compensam a deficiência física, mas também podem proporcionar um desempenho sobre-humano. Pistorius, por exemplo, foi o primeiro a competir em alto nível usando lâminas de fibra de carbono, que aumentaram sua eficiência ao correr. Rehm, por sua vez, alcançou resultados no salto em distância que o tornariam medalhista até mesmo em competições olímpicas

Essas inovações são mais do que ferramentas; elas são facilitadoras de inclusão, igualdade e superação de barreiras. E, além das competições, muitas dessas tecnologias são adaptadas para melhorar a vida de pessoas com deficiência no cotidiano, contribuindo para um mundo mais inclusivo e acessível para todos. As Paralimpíadas não são apenas uma celebração de esportes, mas também um campo de prova para tecnologias que têm o poder de transformar vidas muito além das pistas, campos e piscinas.

O maior evento esportivo do mundo não é apenas sobre excelência atlética, mas também sobre inovação tecnológica para melhorar o desempenho dos atletas, a experiência dos espectadores e a eficiência da organização. Vamos conhecer algumas das principais tecnologias utilizadas nas Olimpíadas 2024?

Inteligência Artificial está sendo utilizada para garantir a segurança de atletas e espectadores. Em Paris 2024, autoridades francesas estão empregando câmeras de vigilância alimentadas por IA para monitorar áreas de grande aglomeração, identificando potenciais riscos, como exemplo de pacotes abandonados ou aumento repentino no volume de pessoas em uma determinada área.

Eficiência Energética e Sustentabilidade são pilares dos Jogos de Paris. A Vila Olímpica foi projetada com foco em sustentabilidade, utilizando 100% de energia renovável e adotando uma estratégia de desperdício zero. Edifícios de baixo carbono e veículos de emissão zero, juntamente com a proximidade das instalações esportivas, demonstram um compromisso claro com o meio ambiente.

Acessibilidade também é uma prioridade. Tecnologias como audiodescrição, coletes vibratórios e tablets sensíveis ao toque estão sendo usadas para garantir que torcedores com deficiências visual e auditiva possam acompanhar os jogos. Essas inovações permitem que todos possam vivenciar a emoção dos Jogos, tornando o evento mais inclusivo.

Tecnologias de checagem são essenciais para garantir a precisão nas competições. O uso de fotofinish e cronometragem eletrônica capturam cada milésimo de segundo, eliminando dúvidas sobre os vencedores nas provas de velocidade. Nos esportes aquáticos, sensores de toque nas bordas das piscinas registram o tempo exato dos nadadores. Além disso, a tecnologia Hawk-Eye, com suas câmeras que acompanham a trajetória da bola, ajuda árbitros a tomar decisões assertivas em lances difíceis de avaliar a olho nu.

Os atletas também se beneficiam de tecnologias nas roupas e equipamentos. Roupas feitas com materiais avançados estão sendo utilizadas por corredores e maratonistas para otimizar o desempenho. Esses materiais absorvem energia, são responsivos, leves e orientados ao desempenho, garantindo que a energia dos atletas não seja desperdiçada durante as competições.

Software de análise de dados e sensores de biometria permitem analisar cada aspecto do desempenho dos atletas, desde a técnica de movimento até a eficiência energética, possibilitando ajustes precisos em suas estratégias. Sensores de biometria fornecem informações em tempo real sobre o estado físico dos atletas, ajudando a personalizar programas de treinamento e prevenir lesões.

As Olimpíadas 2024 estão mostrando a conexão entre tecnologia e esporte e estabelecendo novos padrões de inclusão e sustentabilidade.

A tecnologia de Digital Twin, também conhecida por aqui como gêmeos digitais, está revolucionando a forma como monitoramos e gerenciamos ativos físicos. Ao criar um modelo virtual de um objeto físico, abrangendo todo o seu ciclo de vida e utilizando dados em tempo real de sensores, é possível simular comportamentos e monitorar operações de forma precisa. Essa tecnologia permite replicar itens do mundo real, como equipamentos industriais, turbinas eólicas e até fábricas inteiras. Com isso, ganhamos uma visão detalhada do desempenho dos ativos, possibilitando decisões informadas sobre manutenção e ciclo de vida. Os gêmeos digitais oferecem benefícios como otimização de performance, manutenção preditiva, monitoramento remoto e aceleração do tempo de produção.

Um setor em que se utiliza bastante essa tecnologia é a manufatura. Os gêmeos digitais podem ser usados ao longo de todo o ciclo de vida da fabricação, desde o projeto e planejamento até a manutenção das instalações. Eles permitem monitorar equipamentos constantemente e analisar dados de performance ao mostrar como a fábrica está funcionando. Isso resulta em melhorias na eficiência operacional, identificação precoce de falhas e decisões informadas sobre manutenção, evitando paradas não planejadas.

Os gêmeos digitais funcionam ao replicar um ativo físico no ambiente virtual com sensores inteligentes que coletam dados em tempo real. Diferentes de simulações tradicionais, que apenas testam cenários hipotéticos, eles utilizam esses dados para simulações e otimizações ao longo do ciclo de vida do ativo. Para isso, se beneficiam de tecnologias como a Internet das Coisas (IoT) e a Inteligência Artificial (IA), que ajudam a processar grandes volumes de dados e identificar padrões para melhorias de performance e manutenção.

As empresas estão cada vez mais adotando gêmeos digitais, e há uma tendência de que novos equipamentos venham com suporte a essa tecnologia. Isso facilitará a gestão de ativos e sistemas complexos, possibilitando simulações e ajustes antes que problemas surjam, melhorando a eficiência operacional e reduzindo custos de manutenção.

Muito se fala sobre Inteligência Artificial (IA) atualmente, mas você sabe o que é e como ela funciona? Nesse post iremos responder essas perguntas e citar alguns exemplos de IAs. Ou melhor, a IA vai responder essas perguntas para você!

“Inteligência artificial é uma área da ciência da computação que se concentra no desenvolvimento de algoritmos e sistemas capazes de realizar tarefas que geralmente exigem inteligência humana, como reconhecimento de fala, visão computacional, tomada de decisões e resolução de problemas complexos. Esses sistemas usam técnicas de Machine Learning (ML) para aprender com dados e melhorar seu desempenho ao longo do tempo.”

Esse texto foi gerado pelo ChatGPT, você acredita?! Lançado no final de 2022, o ChatGPT é um algoritmo que utiliza IA para gerar as respostas solicitadas pelos usuários, recebendo um treinamento com inúmeros textos da internet, como artigos, conversas e vários outros gêneros. Entretanto, ao invés de fornecer as respostas no modo convencional como estamos acostumados a receber quando pesquisamos algo no Google, por exemplo, o ChatGPT tem a capacidade de produzir respostas similares às humanas para contextualizar um assunto, dar sugestões, montar tabelas de informações, elaborar códigos de programação, dentre várias outras funcionalidades.

Além do ChatGPT, aplicativos de GPS, ChatBots, reconhecimento facial, carros autônomos e assistentes virtuais – como a Siri e a Alexa – são alguns exemplos de IA que provavelmente você já utilizou ou ouviu falar… O universo das IAs é MUITO amplo e certamente você utiliza várias delas em sua rotina.

O termo ‘Machine Learning’ é quase autoexplicativo, o computador aprende a partir de dados e experiências anteriores, mas como isso acontece? Em qual contexto este método pode ser utilizado? Neste post você encontra uma introdução sobre o assunto, trazendo também alguns exemplos de aplicações em estudos desenvolvidos no laboratório.

O aprendizado computacional é resultado do desenvolvimento de algoritmos e modelos que fazem com que o computador aprenda a partir de informações e experiências prévias, sem ser explicitamente programado para realizar uma tarefa específica. O objetivo do Machine Learning é permitir que os sistemas aprendam e melhorem sua performance a partir de dados, sem a necessidade de intervenção humana constante, aplicando o conhecimento adquirido na resolução de novos desafios.

Os modelos de Machine Learning são treinados com dados históricos e padrões, utilizados para prever ou classificar novos dados com base em suas características, aprendendo continuamente assim que novas informações são recebidas. Existem várias técnicas de Machine Learning, incluindo aprendizado supervisionado, não supervisionado e por reforço.

Os modelos desenvolvidos podem ser aplicados para análise de dados, reconhecimento de fala, visão computacional, processamento de linguagem natural, previsão de demanda, detecção de fraudes, personalização de conteúdo, identificação de imagens, e muito mais.

Com todas essas funções o Machine Learning se torna cada vez mais importante e relevante para empresas e organizações em todo o mundo.

Aqui no laboratório, alguns alunos aplicaram Machine Learning em suas pesquisas das mais diversas temáticas. Caso queira ver mais de seu desenvolvimento e as diferentes aplicações propostas, confira os artigos:

1- Integration of Machine Learning and Simulation for dynamic rescheduling in Truck Appointment Systems – Simulation Modelling Practice and Theory – Disponível aqui

2- A data-driven approach to adaptive synchronization of demand and supply in omni-channel retail supply chains – Disponível aqui

3- A supervised machine learning approach to data-driven simulation of resilient supplier selection in digital manufacturing – Disponível aqui

4- Machine Learning in Production Scheduling: An Overview of the Academic Literature. – Disponível aqui

5- Towards a data-driven predictive-reactive production scheduling approach based on inventory availability. – Disponível aqui

Você já parou para pensar em como o seu celular funciona? Como conseguimos comprar online com tanta facilidade? Tudo está conectado devido ao avanço das linguagens de programação! No dia a dia nos deparamos com diversas aplicações delas, mesmo que às vezes nem percebamos.

Neste post vamos te apresentar as principais e mais utilizadas linguagens de programação que auxiliam a nossa rotina e são essenciais para realizarmos estudos baseados em simulação.

Python: uma das linguagens mais famosas atualmente. Caracterizada por ser interpretada e orientada a objetos, de código aberto e multiplataforma (executada em vários sistemas operacionais), foi criada por Guido van Rossum em 1991. O nome “Python” é uma homenagem ao grupo de comédia Monty Python, o qual Rossum era fã. Esta linguagem tornou-se altamente popular pelo seu formato limpo e legível, facilitando a compreensão, desenvolvimento e manutenção dos códigos. Ademais, possui uma vasta biblioteca padrão e diversos desenvolvedores que acrescentam mais possibilidades de expansão para diversas finalidades. Algumas empresas que utilizam Python são Google, Meta e Amazon.

JavaScript: é uma linguagem de programação utilizada principalmente na elaboração de sites na Web, possibilitando adicionar diversos recursos mais complexos como animações, interações com o usuário e upload assíncrono de conteúdo. Esta linguagem foi elaborada por Brendan Eich em 1995. Inicialmente se chamava Mocha, passou a ser LiveScript, e finalmente recebeu o nome que conhecemos hoje. Ademais, várias empresas também utilizam esta linguagem, como a Netflix, Amazon e Airbnb.

C: é uma das primeiras linguagens de programação famosas e teve o seu auge no início dos anos 1980, porém mantém sua importância por ser precursora de outras linguagens, como C++, Objective-C, e Java. É uma linguagem de alto nível que pode ser usada para escrever sistemas operacionais, drivers de dispositivos e compiladores. Permite ter controle sobre o hardware do computador e, ao mesmo tempo, tem uma sintaxe clara. Foi desenvolvida por Dennis Ritchie no início da década de 1970, a partir da evolução da linguagem chamada B. Uma das aplicações mais famosas desta linguagem foi o desenvolvimento do sistema operacional Linux.

Aprender uma linguagem de programação é indispensável para um Engenheiro de Produção. Elas oferecem inúmeras possibilidades para otimização de processos, melhoria da eficiência e redução de custos, entre outras vantagens.  Além disso, é preciso estar atento às tendências e novidades do mercado, a fim de acompanhar as inovações.

Você deve ter visto alguns termos da Indústria 4.0 em posts anteriores e ter se perguntando: o que são essas coisas?

Calma, nesse post iremos apresentar, de forma resumida e descomplicada, alguns dos principais termos e técnicas da Indústria 4.0.

> Sistemas Ciberfísicos (Cyber Physical System – CPS):

Representam a integração entre o mundo virtual (cibernético) e o mundo material (físico), visando  monitorar e controlar processos em tempo real. São aplicados, por exemplo, na identificação de produtos e fluxos, de forma a auxiliar nas etapas de produção, manuseio e transporte. Além disso, usando os CPS é possível elaborar cópias digitais de um processo físico para que sejam simulados cenários futuros no mundo virtual. 

> Internet das Coisas (Internet of Things – IoT):

A IoT está em nosso cotidiano, e também na indústria, conectando máquinas e dispositivos em uma rede, facilitando sua comunicação. Por exemplo, você possui um smartwatch? Ele se comunica e faz parte de uma rede de coisas, sendo que todos os dados que você compartilha ou usa no dia a dia podem ser usados para facilitar suas tarefas cotidianas por meio da interação com outros dispositivos dessa rede. 

> Big Data:

Sabe quando você pesquisa um produto na internet e logo depois já aparecem várias propagandas de produtos similares? É uma das aplicações do Big Data! O Big Data representa a grande quantidade de dados gerados, analisados e monitorados em tempo real em diversas áreas, seja em aplicações industriais ou no nosso dia-a-dia.

> Inteligência Artificial:

Representa a tomada de decisões baseadas em algoritmos, visando solucionar problemas e simular capacidades humanas (físicas e mentais). A Siri do Iphone é um exemplo de inteligência artificial capaz de dialogar com as pessoas, fornecer informações solicitadas e até contar piadas (nem sempre muito engraçadas). Dentre as tecnologias abrangidas pela inteligência artificial estão: Machine Learning, Deep Learning e Processamento de Linguagem Natural.

> Gêmeos digitais (Digital Twin):

São representações virtuais de um determinado elemento ou sistema físico. Um de seus principais objetivos é evitar que alterações e gastos desnecessários sejam executados no mundo real incerto, sendo realizadas simulações e testes no ambiente virtual para identificar os ajustes ideais antes de sua implementação.

> Fábrica inteligente (Smart Factory):

São fábricas que possuem dispositivos inteligentes conectados à rede, capazes de se comunicar. Máquinas que são facilmente configuradas, que possuem uma rede de comunicação e conseguem receber e utilizar a grande quantidade de dados enviados a elas, aumenta a flexibilidade da produção. Isso possibilita uma customização em massa de pequenos lotes, capaz de atender às especificações de cada cliente.