SP2 – Continental FoF

SP 2 | Dispositivos inteligentes e sistemas mecatrónicos

O SP2 é ldierado pela promotor NEOCEPTION com forte historial no desenvolvimentos de soluções inovadoras de sensorição de suporte à intralogística industrial. Este SP conta com a particapção do promotor Follow Inspiration que atua no mercado industrial de robótica móvel parti. O SP2 permitirá a recolha e leitura dos dados operacionais para fornecer ao SP3, através do cumprimento de ordens de processo geridas pelo sistema de gestão desenvolvido no âmbito do SP4

Por sua vez, os desenvolvimentos decorridos no âmbito do SP2 irão suportar o processo de sensorização dos equipamentos das linhas produtivas e em prateleiras logísticas, permitindo o controlo de qualidade entre todas as fases do processo produtivo e armazém. Serão, ainda, desenvolvidos robots autónomos com mobilidade livre no chão de fábrica e sem rotas fixas previamente traçadas, otimizando a capacidade de gerir a relação armazém – processo

Resultados Exploravéis

Sensor de integração natural (TRL 7)
Sistema digital kanban (TRL 7)
Sensor multidimensional (TRL 7)
Sistema inPicking (TRL 7)

Resultados

Metodologias/Tarefas

Criação de um novo sensor que permite uma leitura restrita a uma única prateleira, com apoio ao operador responsável pelo reabastecimento. Utilização de RFID e Infravermelhos como suporte para os sensores fisicos. Desenvolvimento de software para suporte à integração com os sistemas de gestão das fábricas. Utilização de metodologias tradicionais iterativas no seu desenvolvimento, com suporte ao teste local na própria fábrica da continental.
Análise e definição de sensores infravermelhos, infra-sons, localização e rastreio para deteção de anomalias. Aplicação de tecnologias de machine Learning, nomeadamente algoritmos e métodos de processamento de dados multimodais para sensorização multissensorial. Definição de metodologia para pré-processamento de dados online (em streams) e coordenação entre modelos locais a cada sensor, e modelos globais conjugando sinais agregados ou outputs de resultados de vários sensores. Implementação de sistemas multiadaptados baseados em machine Learning combinado com treino de redes neuronais (CNN, RNN, GANs) para recolha de dados (sons, vibrações, luminosidade, presença de gases, entre outros) e classificação. Para o efeito, serão utilizados algoritmos desenvolvidos em Python. Por último, a presente tarefa focar-se-á na avaliação teste offline de algoritmos de machine learning para sensorização multi sensorial, avaliação da capacidade preditiva e eficiência computacional, usando dados sintéticos ou reais.

Análise e definição da arquitetura de uma solução de sensores easy-connect (focado em RFID). Identificação das limitações existentes e definição da arquitetura a ser montada. Implementação da norma IEC61499. Monitorização de sensores críticos e estudo de otimização de componentes hardware com recurso a plataformas como o Grafana e/ou baseadas no Apache Kafka. Será concebido um sistema de monitorização, bem como um registo de operações e incidências, com interface integrada num suporte de acesso fácil e com funcionalidades de BackOffice, que permitam gerir e administrar os sensores existentes da rede de forma centralizada. Em paralelo, será feita a análise de escalabilidade e disponibilidade das infraestruturas da cloud privada e híbrida. O código desenvolvido será colocado num repositório Git e serão implementados sistemas de integração e entrega contínuas (CI – Continuous Integration / CD – Continuous Delivery). Estabilizada a estrutura, será convencionado a ligação entre os sensores (ex.: IO-Link) de forma a harmonizar as comunicações internas do sistema, facilitar a sua manutenção e melhorar a conectividade entre diferentes tipos de sensores (arquitetura unificada OPC).
Desenvolvimento da infra-estrutura robótica industrial móvel (hardware) e Integração de especificação de ferramentas de código para software “lights-out-manufacturing” através (i) do desenvolvimento de algoritmos e técnicas de localização e mapeamento simultâneos (SLAM), (ii) da tradução da visão computacional para reconhecimento de diferentes produtos, (iii) do controlo, monitorização e comunicação industrial modelar. Através deste sistema hardware/software, é possível efetuar o comando à distância sobre um determinado robô e gerir a sua função ou tarefa a executar recorrendo a uma gestão de processo e comunicação com softwares externos. Para tal, será necessário desenvolver e estabelecer comunicações entre diferentes plataformas de software e desenvolver interfaces gráficas para análise, comando e monitorização para utilizadores finais.

Continental AA's Factory of Future

SP 2 | Dispositivos inteligentes e sistemas mecatrónicos

Resultados Exploravéis

Metodologias/Tarefas