O CONCEITO DE D IGITAL T WIN NO CONTEXTO DO PROJETO DE MESTRADO

O projeto conceitual é uma das etapas mais importantes do projeto de um produto, uma vez que as decisões nela tomadas orientam o desenvolvimento das

etapas seguintes. Na fase de projeto conceitual as atividades da equipe do projeto relacionam-se com a busca, criação, representação e seleção de soluções para o problema de projeto (ROSENFELD et al., 2006).

A partir do mapeamento das tecnologias relacionadas, do levantamento de requisitos dos clientes e das especificações geradas, partiu-se para a etapa de definição de um conceito geral de Digital Twin no contexto do projeto de mestrado.

Para atingir tal objetivo, será selecionada uma ferramenta de simulação de processos onde será possível configurar um Digital Twin a partir das informações levantadas do processo produtivo, e futuramente integrá-lo à planta física, coletando dados em tempo real.

Conforme a revisão bibliográfica do capítulo 5, o Digital Twin é uma representação virtual de um produto ou processo usado para compreender, analisar e prever as características de desempenho do equivalente físico. O Digital Twin pode ser aplicado em todo o ciclo de vida do produto, desde o seu desenvolvimento, fabricação até o monitoramento do desempenho em campo (Figura 9).

Figura 9 – Digital Twin aplicado ao ciclo de vida do produto

Fonte: adaptado de Siemens

Portanto, de acordo com esta visão da Siemens, há três tipos de Digital Twin:

Produto, Produção e Desempenho, explicados a seguir.

 Digital Twin do Produto: permite analisar virtualmente como um produto funciona e realizar ajustes no modelo digital para garantir que o a próxima versão do produto físico seja sempre melhorada. Desta forma, elimina-se a necessidade de vários protótipos, reduz o tempo de desenvolvimento do

produto e o seu desempenho em campo. As especificações do produto podem ser enviadas para o Digital Twin da produção, que se encarregará de otimizar o processo produtivo de acordo com essas informações.

 Digital Twin da Produção: permite otimizar e validar o processo produtivo antes de iniciar a produção. Através de um modelo digital do processo, é possível simular diferentes situações e determinar as condições ideais de produção. Os resultados simulados são enviados de volta para o Digital Twin do produto, que pode, a partir destes dados, fazer melhorias no projeto. Além disso, o Digital Twin da produção permite realizar o comissionamento virtual para validar todos os parâmetros de processo antes de iniciar a execução da produção.

 Digital Twin do Desempenho: Através da coleta e digitalização dos dados do produto e da planta física durante a produção, é possível analisar o seu desempenho para permitir a tomada de decisões. Essas informações são utilizadas para aplicar melhorias nos modelos virtuais e aumentar a eficiência do produto e do sistema de produção. Em um cenário mais avançado, as informações coletadas na planta são analisadas no Digital Twin, que pode controlar os processos e os equipamentos físicos de forma a melhorar continuamente o desempenho da produção e qualidade dos produtos.

No contexto deste projeto de mestrado, será dado um enfoque maior no Digital Twin da produção e suas interfaces com a planta física, conforme ilustrado na Figura 10, que define a fronteira do sistema.

Figura 10 – Fronteira do sistema

Uma vez definida a fronteira do sistema, foram elencadas as etapas necessárias para a implementação do Digital Twin. Diversos trabalhos recentes abordam o tema de Digital Twin, porém poucos deles descrevem de forma sistemática como implementar a tecnologia na indústria.

Uhlemann et al. (2017) leva em consideração as etapas de aquisição de dados, armazenagem de dados e data analytcs para implementação do Digital Twin e descreve a importância da coleta automática de dados. Porém, diferente deste trabalho, não aborda a parte de modelagem e simulação de processos.

Kritzinger et al. (2018) classifica o Digital Twin em três diferentes níveis de integração: Digital Model, Digital Shadow e Digital Twin. O Digital Model seria a representação digital de um objeto, porém sem troca automática de dados entre ambos. No caso do Digital Shadow, há troca automática em apenas um sentido, onde o objeto fisico envia informações de forma automática para o modelo digital. Já no Digital Twin, há troca de informações em ambos os sentidos, onde o modelo digital é capaz de controlar o objeto físico. A Figura 11 ilustra o comparativo entre estes conceitos apresentados.

Figura 11 – Comparativo entre Digital Model, Digital Shadow e Digital Twin

Fonte: Adaptado de Kritzinger et al. (2018)

Lee et al. (2015) vai ainda além e propõe uma arquitetura de 5 níveis que serve como um guia para implementação de CPS, conforme ilustra a Figura 12.

Figura 12 – Arquitetura 5C para implementação do Sistema Ciber-Físico.

Fonte: Adaptado de Lee et al. (2015)

O trabalho de Lee et al. (2015) foi o que mais se assemelha àquilo que se almeja implementar no contexto deste projeto de mestrado. A partir do estudo deste e de outros trabalhos descritos nas referencias bibliográficas, da experiência do autor desta dissertação no diagnóstico e implantação de tecnologias nas indústrias e reuniões entre colaboradores da Fundação CERTI envolvidos nas aplicações de simulação de processos e sistemas fabris, foram definidas as etapas necessárias para a implementação do Digital Twin, listadas a seguir.

Etapa 1: Aquisição e Digitalização de dados

A aquisição e digitalização dos dados no ambiente produtivo são os primeiros passos a serem executados para iniciar o processo de transformação digital da empresa. Esta etapa pode ser realizada através do uso de tecnologias de rastreabilidade, sensoriamento, comunicação com máquinas e sistemas de informação. Os dados coletados, quando utilizados devidamente, podem ser extremamente úteis para gerar indicadores para a tomada de decisão da empresa.

Nesta etapa, a coleta de dados pode-se dividir em quatro tipos distintos:

 Produto e materiais - são coletados, por exemplo, dados de apontamentos de produção, quantidade de materiais e rastreabilidade

 Máquinas – são coletados dados como tempo de ciclo, previsão, velocidade, consumo energético e outros parâmetros de processo

 Mão-de-obra – são coletados dados como tempo de execução de tarefas, movimentação e postura

 Meio ambiente – são coletadas informações do meio ambiente que impactam de forma direta ou indireta na produção, como por exemplo, a temperatura e a umidade.

Etapa 2: Criação do modelo digital da planta

Um modelo digital é a representação virtual de uma planta física, porém ainda não utiliza nenhuma forma de troca automática de dados entre eles. Nesta etapa, utilizam-se ferramentas de modelagem 3D e simulação de processos para criar o modelo digital que represente a planta física. Desta forma, é possível simular e avaliar diferentes cenários para tomada de decisão, a partir dos dados coletados do processo produtivo. Nesta etapa, utilizam-se também recursos de realidade virtual para que seja possível analisar de forma mais precisa o ambiente, avaliar a ergonomia e outros aspectos relacionados à interação do usuário com o ambiente produtivo.

Etapa 3: Integração da planta física com o modelo digital

Nesta etapa, inicia-se o processo de integração dos dados coletados na planta física através das tecnologias de rastreabilidade e IIoT disponíveis.

Dependendo do tipo de dado coletado, a integração ainda não é em tempo real, pois necessita de uma análise prévia antes de ser utilizada pelo modelo digital.

Aqui são utilizadas diferentes formas de coleta de dados, tais como conexão com banco de dados, arquivos XML - Extensible Markup Language, e comunicação via OPC - Open Platform Communications. Além disso, nesta etapa é realizado o comissionamento virtual, onde é possível testar e validar, por exemplo, o sistema de controle do CLP – Controlador Lógico Programável no modelo digital antes de transferir para a linha de automação na planta física.

Etapa 4: Previsibilidade

A enorme quantidade de dados coletados no chão de fábrica é armazenada e fica disponível na base de dados. Através de tecnologias como big data, data analytics e machine learning, é possível analisar estes dados e prover informações úteis para tomada de decisão, como por exemplo, otimizar o processo produtivo de acordo com a situação atual da planta e prever falhas em equipamentos através de manutenção preditiva.

Etapa 5: Adaptabilidade

Através das informações coletadas nas etapas anteriores, do modelo digital disponível para simulação e das análises e previsões para melhoria do processo produtivo, é possível utilizar recursos de inteligência artificial para que a planta possa se auto-organizar para melhorar a eficiência do processo produtivo. Desta forma, o Digital Twin pode ter o controle total da planta física.

A Figura 13 ilustra as etapas descritas, e a Figura 14 mostra o escopo a ser trabalhado neste projeto de mestrado.

Figura 13 - Etapas para o Digital Twin Aquisição e

Digitalização de dados

Criação do modelo digital

da planta

Integração da planta física com o modelo

digital

Adaptabilidade Previsibilidade

- Rastreabilidade - IOT

- Ferramentas CAD - Simulação

- Data analytics - Machine learning - Web services

- OPC

- Inteligência artificial

Figura 14 - Escopo para o projeto de mestrado

Portanto este trabalho tem foco na definição de ferramentas para criação do modelo digital da planta, avaliando também aspectos relacionados a aquisição, digitalização e integração dos dados da planta física.

Já a Figura 15 mostra o esquema de funcionamento do Digital Twin, onde o modelo virtual recebe informações do mundo real, analisa e obtém os resultados otimizados e atua na planta física de forma a otimizar e controlar o processo produtivo. A ideia é que este diagrama proposto seja utilizado futuramente para orientar o trabalho de implementação completa do Digital Twin na Fundação CERTI.

Figura 15 – Esquema de funcionamento do Digital Twin

Aquisição e Digitalização de

dados