ESTUDO DE CASO
Conjuntos de treinamento selecionados para previsões de IA inovadoras
Setor
Produtos químicos diversificados e eletrônicos
Solução
CAS Custom Services℠
RESULTADO PRINCIPAL
2x
mais rápido do que projetos comparáveis
RESULTADO PRINCIPAL
1º
novo dispositivo no caminho para ser o 1º no mercado
RESULTADO PRINCIPAL
↑
precisão de previsão aprimorada em cada estágio de validação
O Desafio
Implementando uma abordagem de aprendizado de máquina para a inovação
Uma grande empresa química diversificada buscou a vantagem de ser a primeira a chegar ao mercado desenvolvendo novos dispositivos eletrônicos com propriedades específicas e inéditas. Historicamente, novos materiais e dispositivos eram desenvolvidos por um pequeno grupo de cientistas seniores por meio de tentativa e erro, confiando em sua experiência e intuição acumuladas. Essa abordagem criou um risco significativo de conhecimento institucional: quando indivíduos-chave deixavam a organização, o ritmo de projetos críticos estagnava.
À medida que a empresa explorava o aprendizado de máquina para ampliar seus esforços de P&D, uma lacuna fundamental surgiu rapidamente. Os dados internos coletados eram um ponto de partida razoável, mas não eram suficientes para apoiar o desenvolvimento completo do modelo. Todas as fontes externas disponíveis ofereciam apenas propriedades de materiais generalizadas, carecendo dos parâmetros específicos que a equipe havia identificado como essenciais. Para fazer previsões significativas orientadas por IA sobre como as propriedades de um material se relacionam com o desempenho do dispositivo, a empresa precisava de conjuntos de treinamento de alta qualidade e precisamente direcionados que simplesmente não existiam prontos para uso.
A Solução
Treinando um modelo de aprendizado de máquina com dados personalizados
A empresa recorreu ao CAS, cuja equipe revisou o que estava prontamente disponível na abrangente CAS Content Collection™ e, em seguida, trabalhou com as principais partes interessadas da empresa para definir o escopo de um esforço de curadoria personalizada. Os cientistas do CAS selecionaram os materiais e as propriedades dos dispositivos relevantes, aproveitando conteúdos indexados anteriormente e obtendo dados adicionais de literatura publicada e patentes. O resultado foi um conteúdo altamente estruturado e com curadoria humana, projetado para capturar as conexões sutis dentro das informações científicas — o tipo de contexto que a extração automatizada por si só não consegue produzir de forma confiável.
Uma vez que o modelo foi treinado com esse conjunto de dados focado, ele gerou recomendações precisas cobrindo as substâncias, condições de processo, layout e montagem dos dispositivos alvo. Os resultados foram convincentes o suficiente para que conjuntos de treinamento personalizados adicionais fossem encomendados para refinar ainda mais a precisão e a transferibilidade da previsão. Em cada estágio, a equipe de informática validou as saídas do modelo antes de prosseguir. Essa abordagem disciplinada manteve o risco baixo e a confiança da liderança alta, alinhando-se regularmente aos ciclos de relatórios trimestrais.
Essa metodologia sistemática acelerou drasticamente as descobertas. O que historicamente era um processo lento e baseado na intuição passou a produzir resultados cerca de duas vezes mais rápido do que projetos comparáveis; a empresa está no caminho certo para ser a primeira a lançar o dispositivo inovador e otimizado no mercado.
"A qualidade dos dados é o principal desafio citado pelos tomadores de decisão ao tentar implementar recursos de IA."
Forrester
O Resultado
De conhecimentos isolados a descobertas escaláveis baseadas em dados
Além dos ganhos de velocidade, o projeto mudou fundamentalmente a forma como a inovação em P&D funciona nesta organização. O conhecimento que antes vivia apenas na mente de alguns cientistas seniores agora está codificado em uma estrutura de aprendizado de máquina validada e reproduzível. O risco de perder conhecimento institucional crítico quando as pessoas saem foi reduzido, e o caminho da ideia inicial à previsão testável foi comprimido de maneiras que eram impossíveis com os dados internos originais da empresa.
Agende uma consulta gratuita com os CAS Custom Services℠
Your privacy is important to CAS. More detail about how we use your information is in our privacy policy.