Webinar Indústria 4 - Radix · necessita instalação e permite a geração de muitos dados para...
Transcript of Webinar Indústria 4 - Radix · necessita instalação e permite a geração de muitos dados para...
01. Sobre a RadixEmpresa de engenharia e tecnologia
focada em inteligência operacional,
melhoria de processos, planejamento e
gestão de produção.
02. Indústria 4.0É um termo que engloba algumas
tecnologias para automação e troca de
dados e utiliza conceitos de Sistemas
ciber-físicos, Internet das Coisas e
Computação em Nuvem.
03. Questões e casesExistem muitos cases nacionais e
internacionais que provam o retorno
sobre investimento (ROI) positivo para
projetos da indústria 4.0.
No aumento dos resultados da indústria de papel e celulose
PorFlavio WaltzProf. Maurício B. de Souza Jr.Thiago MoradaLuciano Filho
Webinar
Indústria 4.0
04. Controle avançado & Machine learningAprendizagem automática é um
subcampo da ciência da computação e
matemática que evoluiu do estudo de
reconhecimento de padrões e da teoria
em inteligência artificial.
Mais de 25 anos de experiência Serviços de engenharia e tecnologia são a espinha
dorsal do nosso portfólio, que são combinados com a
nossa capacidade de desenvolvimento de software
para tratar de uma ampla gama de aplicações.
+500 colaboradores
Atua em Automação, Engenharia e Software.
Mais de 10 escritórios no Brasil e EUA.
Operação
Escritórios CentraisRio de Janeiro (Head Office);Houston (USA); Toronto (Canada);
Arcos (MG), Itabira (MG); Camaçari (BA) and Salvador (BA).
Filiais
São Paulo (Brazil - SP);São José dos Campos (Brazil – SP);Belo Horizonte (Brazil - MG);Volta Redonda (Brazil – RJ).
4ª revolução indústrial
~ Momento atual
3ª revolução indústrial
~1960
2ª revolução indústrial
~ 1900
1ª revolução indústrial
~1800
Cronologia - Indústria 4.0
O termo "indústria 4.0"
representa a quarta
revolução industrial.
Enquanto as outras
transformações foram focadas
na automação de máquinas e
processos, a Indústria 4.0
centra-se na digitalização de
ponta a ponta de todos os
ativos físicos e a integração
em um ecossistema digital.
O que é a Revolução Digital ?
Captura de informação e
câmeras automatizadas no
campo são mais viáveis.
A transmissão de dados é
mais segura,
financeiramente viável e
menos restrita pelo tempo
e espaço.
Armazenamento e
gerenciamento de dados
grandes é mais viável.
Equipamentos inteligentes,
big data, cloud computing
e análise dos dados.
As análises são mais
rápidas, facilmente
disponíveis e mais
sofisticadas. Com
visualizações e
informações mais
acessíveis e úteis.
Como enxergamos a indústria 4.0
Com isso em mente, a Radix apoia seus clientes em entender como a tecnologia pode ajudá-los a
superar seus principais desafios operacionais e capacitar seus negócios para crescer. Em outras
palavras, como demonstrado na figura, queremos responder às questões mais críticas através da
tecnologia de ponta.
Nossa abordagem à Revolução Digital começa
sempre por definir as perguntas que queremos possibilitando respostas
por meio dos dados
Questões que vamos responder
Internet industrialComo o IoT (Internet das Coisas) está mudando meu mundo?
Big DataComo a Big Data e o Advanced Analytics podem alavancar minha inteligência operacional?
Evolução no controle de processos químicosA velocidade com que as coisas acontecem hoje exige uma capacidade de reação aumentada
A!proxDesenvolvimento de novos sentidos ao operador e máquinas para prevenir
acidentes e aumentar a produtividade.
X!DigitalSistema de manutenção baseado em condições.
Como o IoT (Internet das Coisas) está mudando meu mundo?
A!prox
Objetivo do sistema é
reduzir o número de
acidentes.
O sistema A!prox fornece
novos sentidos ao operador
e as máquinas. Criando um
campo de proteção, através
da tecnologia de RFID ativa,
criando um mecânicas de
segurança que conta com
sistema de alarmes e
intertravamento, evitando
acidentes.
A!prox
O A!prox também se encaixa
perfeitamente para soluções
de logística, com ele você
pode saber onde de encontra
cada máquina ou caminhão
em sua operação, as rotas
mais utilizadas e ter todas as
informações de maneira de
fácil visualização no seu
computador ou celular
A!prox
Como resultado o sistema
informar onde cada ativo se
encontra e quanto tempo
ficou em um certo lugar: Não
necessita instalação e
permite a geração de muitos
dados para utilização de
sistemas de Big Data
X!DigitalObjetivo do sistema é criar
mais valor da manutenção
baseada em condições
(CBM).
A solução proposta foi
monitorar o ciclo de trabalho
de ativos-chave para
impulsionar os esforços da
CBM. Sistema integrado de
gerenciamento de
informações baseado em
redes neurais para uso em
campo com opções para
geração de alertas.
X!Digital
A RADIX avaliou os Sistemas
SOTREQ existentes e
desenvolveu o X!Digital para
trabalhar com banco de
dados dinâmicos e com
mineração de dados das
máquinas CATERPILLAR.
Integra dados de laboratório,
mecânicos enviados via
telemetria, dados de GPS,
operação da máquina e
também sistemas alto nível
como SAP de manutenção.
X!Digital
No final, o serviço técnico e a
central de monitoramento
foram aprimoradas e a
produtividade aumentou, já
que a SOTREQ pode agora
saber antecipadamente qual
máquina precisa de
manutenção e / ou
substituição de peças.
Volume de manutenção da
Sotreq diminuiu 10%
usando IoT e Aprendizado
de Máquinas.
Manutenção preditiva de Servomotores
Manutenção Preditiva na máquina de envase
Como a Big Data pode alavancar minha inteligência operacional?
Visualização e Analytics
Manutenção Preventiva Servomotores
A fim de reduzir custos com
a manutenção de
servomotores, existe a
necessidade de uma
integração com camada
PIMS e ERP, possibilitando
extrair dados e disponibilizá-
los para realização de
manutenção preditiva.
Manutenção Preventiva Servomotores
Implementação de um
sistema para aquisição dos
dados de processo das
máquinas diferentes
máquinas controladores e
drivers.
Através desse sistema ermitir
a visualização de todos os
servomotores de uma linha
com o seu status em tempo
real.
Manutenção Preventiva Servomotores
Nessa tela é possível
visualizar os gráficos CEP
(Controle Estatístico de
Processo) para todas
variáveis monitoradas
Os pontos s apresentados
nos gráficos representam a
média de 250 pontos
coletados durante o
funcionamento de 1 ciclo de
movimentação completo por
do servomotor.
Manutenção Preditiva na máquina de envase
Projeto piloto para verificar
os ganhos com conceitos de
IoT e Big Data.
O projeto extraia dados
diretamente do CLP via OPC
Server e criou um ambiente
de Advanced Analytics em
Cloud para apresentar a
Natura os ganhos com novas
tecnologias.
Visualização e Analytics
Sistema em desenvolvimento
para melhorar a visualização
de dados da operação de
toda a planta da Georgia
Pacific e desenvolver uma
camada de Analytics.
Visualização e Analytics
Sistema em desenvolvimento
para melhorar a visualização
de dados da operação de
toda a planta da Georgia
Pacific e desenvolver uma
camada de Analytics.
Visualização e Analytics
Sistema em desenvolvimento
para melhorar a visualização
de dados da operação de
toda a planta da Georgia
Pacific e desenvolver uma
camada de Analytics.
Desenvolvimento de rede neuronal para
estimar número Kappa
Evolução no controle de processos químicos
Desenvolvimento de uma rede neuronal para
calcular o Freeness
• Redes RBF (Radial Basis
Function) treinadas para estimar
o número de partículas formadas.
Monitoramento da formação de material particulado em caldeira de recuperação kraft
• No processo de produção de
celulose kraft, há a formação de licor
negro que é levado à caldeira de
recuperação, onde se forma material
particulado (Costa et al., 2005).
• Este material é arrastado pelo ar de
combustão para outras partes da
caldeira, causando depósitos nas
superfícies de troca térmica, o que
diminui significativamente a eficiência
de troca.
• Depósitos determinam o momento de
parada da caldeira.
24
Representação esquemática da queima de licor negro na
caldeira de recuperação (Costa et al., 2005).
Monitoramento da formação de material particulado em caldeira de recuperação…
Variáveis operacionais
Vvlu – vazão volumétrica de licor negro
x – concentração de alimentação de licor
negro
Tlu – temperatura de alimentação de licor
negro
Var 1, 2 e 3 – vazões de ar primário,
secundário e terciário
Tar1 e 2 – temps. de alimentação do ar
primário e secundário
PI – pressão de alimentação do licor negro
Epart – número de partículas produzidas por
minuto
25
Dados da KPP (Costa et al., 2005),
12 meses de operação industrial.
GRUPOS:
Epart - 1 – 0 a 200 npp;
2 – acima de 200 npp.
Rede neuronal para estimar número
Kappa no digestor contínuoConfiguração e
implementação de uma
ferramenta baseada em rede
neuronal: ISTK(Fisher) –
agora módulo de rede
neuronal da Delta-V, para
calcular o número kappa na
saída do digestor de
celulose.
Ganhos: Redução na
variabilidade de processo e
Melhoria do Controle de
Processos
Treinamento da rede neuronal
com dados do analisador inline
Treinamento da rede neuronal com dados
de laboratório (2 meses)
Rede neuronal para estimar número
Kappa no digestor contínuoConfiguração e
implementação de uma
ferramenta baseada em rede
neuronal: ISTK(Fisher) –
agora módulo de rede
neuronal da Delta-V, para
calcular o número kappa na
saída do digestor de
celulose.
Ganhos: Redução na
variabilidade de processo e
Melhoria do Controle de
Processos
Validação da rede neuronal com
dados de laboratório (1 mês)
9
11
13
15
17
19
21
23
25
1 16 31 46 61 76 91 106 121 136 151 166 181 196 211 226 241 256 271 286 301 316 331 346 361 376 391 406 421 436 451 466 481
KAPPA AI03 KAPPA LABORATÓRIO
Valor kappa real x valor kappa laboratório
Desenvolvimento de uma rede neuronal
para calcular o Freeness
Desenvolvimento de uma
ANN para calcular o
Freeness (o indicador de
permeabilidade de um
conjunto de fibras) na saída
do digestor de cavacos. A
unidade tinha dois
digestores.
O Freeness era anteriormente
usado para monitorar o
processo analisando as
amostras retiradas a cada
hora à saída de cada
digestor.
Novas abordagens para redes neurais“Deep learning” para gerar
regras para data analytics e
manuseio de big data. Redes
(DNN): cascata de camadas
ocultas de unidades entre as
camadas de entrada e de
saída.
Ganhos: > Aumento de eficiência de
produção e de consumo de
matérias-primas e energia,
> Redução de paradas e custos de
manutenção,
> Demanda customizada e
melhoria na comunicação com o
operador
> Maximização da eficiência da
logística etc.
http://www.rsipvision.com/exploring-deep-learning/
Projeto CNPq “Novas Tecnologias Digitais Aplicadas a Detecção e Diagnóstico de Falhas”
Monitoramento da condição
do processo:
> Dados históricos e reais são
valiosos para operações;
> Determinar as falhas pelo big
data provido pelas análises de
HAZOP de plantas irmãs;
> Integração de informações de
todas as unidades irmãs;
> Ambiente de computação em
nuvem;
http://www.rsipvision.com/exploring-deep-learning/
Projeto CNPq “Novas Tecnologias Digitais Aplicadas a Detecção e Diagnóstico de Falhas”
Com o acesso a dados de
todas as unidades em um
ambiente de computação em
nuvem, quando não se
dispuser de dados de falhas
em uma unidade específica,
será possível usar dados de
uma unidade similar
disponível em historiadores
para o desenvolvimento de
modelos de falhas.
http://www.rsipvision.com/exploring-deep-learning/
Um projeto com indústria 4.0
Contatos,
Maurício B. de Souza Jr. DEQ/EQ/UFRJ [email protected]
Nossa abordagem à Revolução Digital começa
sempre por definir as perguntas que queremos possibilitando respostas
por meio dos dados
Mapeie sua estratégia do setor 4.0Crie projetos pilotos inicias
Defina as capacidades que você precisa
Torne-se um virtuoso na análise de dados
Transforme-se em uma empresa digital
Planejar ativamente uma abordagem de ecossistema