| Resumo: | A indústria transformadora de plásticos é já fortemente automatizada, no entanto, essa flexibilidade potencial não se materializa em agilidade, pelo menos na dimensão exigida pelos desafios da nova realidade industrial que exige maior celeridade na produção das peças e maior qualidade. Na IberOleff, por exemplo, no que diz respeito ao processo de soldadura por transmissão de laser existem problemas relacionados com a parametrização do equipamento pela sua inflexibilidade e demora excessiva. Estes problemas são responsáveis pela criação de tempos mortos na produção de peças poliméricas e pela obtenção de peças defeituosas. Os defeitos nas peças finais são percecionados através de ensaios destrutivos pontuais, sendo a força de separação das duas partes soldadas (rear e front frame) a métrica usada para definir a existência ou não de defeitos de soldadura. Ambos os problemas enunciados contribuem para uma redução das receitas da empresa e no caso específico da obtenção de peças defeituosas, um desperdício de material que também representa um problema para o ambiente. Torna-se, portanto, crítica a existência de um sistema de controlo inteligente que consiga reconhecer o produto que se pretende produzir e rapidamente atuar os parâmetros do equipamento de soldadura. Para isso, não basta conhecer de forma imediata os parâmetros padrão de produção, uma vez conhecida a peça a produzir, mas também realizar uma previsão da força de separação das peças unidas com esses parâmetros de forma a prevenir defeitos no produto final. O operador deve poder conseguir interagir com este sistema através de uma interface para avaliar criticamente as previsões efetuadas e alterar os parâmetros chave, caso seja necessário. Por fim, deve-se garantir a interação com a base de dados que contém as informações necessárias ao desenvolvimento do sistema através de uma REST API. Durante estes desenvolvimentos, é importante garantir a agilidade do sistema de produção e a sua acessibilidade, devendo procurar-se, que todos os programas desenvolvidos usem ambientes de programação open-source de fácil perceção e integração. Na solução proposta os vários módulos foram desenvolvidos em C#, Python e Node-Red, sendo utilizados dispositivos como o ESP8266 para possibilitar a leitura do código de barras de cada peça e o Raspberry Pi 4 para permitir a integração do sistema num ambiente fabril e comunicação dos parâmetros para o autómato associado ao equipamento. Também foi crucial garantir a exatidão das previsões do algoritmo preditivo. Foram testados dois algoritmos distintos: redes neuronais artificiais e XGBoost. Ambos foram alvo de uma otimização de hiperparâmetros realizada através do método de Taguchi, sendo que no final deste processo, o algoritmo mais exato consistia numa rede neuronal artificial com uma exatidão de aproximadamente 93% em relação ao valor verdadeiro da força de separação. Esta foi desenvolvida com recurso à framework PyTorch. Este sistema permite a obtenção de uma vantagem competitiva num mercado altamente exigente, como o da transformação de plásticos, com a redução dos tempos mortos na produção e com a redução do desperdício de matéria-prima.
|
|---|