Monitoramento de modelos de simulação utilizados como gêmeos digitais: uma abordagem baseada em aprendizado de máquina e carta de controle

• Ano de defesa: 2023
• Autor(a) principal: SANTOS, Carlos Henrique dos
• Orientador(a): MONTEVECHI, José Arnaldo Barra
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Itajubá
• Programa de Pós-Graduação: Programa de Pós-Graduação: Doutorado - Engenharia de Produção
• Departamento: IEPG - Instituto de Engenharia de Produção e Gestão
• País: Brasil
• Palavras-chave em Português: Simulação; Gêmeo digital; Validade do modelo; Aprendizado de máquina; Cartas de controle
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUÇÃO
• Link de acesso: https://repositorio.unifei.edu.br/jspui/handle/123456789/3832

O uso de modelos de simulação como Gêmeos Digitais (GD) vem ganhando destaque nos últimos anos e representa uma revolução na tomada de decisão em processos produtivos, sendo uma solução chave no contexto da chamada Indústria 4.0. Neste sentido, nota-se decisões cada vez mais rápidas e eficientes a partir do espelhamento do comportamento dos sistemas físicos por meio de sensores, equipamentos inteligentes, sistemas de gestão e bases de dados. Os modelos utilizados como GD são atualizados periodicamente, em tempo real ou quase real e de acordo com as mudanças físicas, e fornecem orientações ou comandos para a tomada de decisões. Por outro lado, apesar da grande aplicabilidade dessa abordagem, destacam-se desafios relacionados à validade dos modelos de simulação ao longo do tempo, uma vez que as abordagens tradicionais de validação não consideram a atualização periódica do modelo. Garantir a validade dos GDs é vital, uma vez que tal utilização costuma envolver decisões de grande impacto para os sistemas produtivos em geral. Além disso, embora seja um campo de pesquisa com grande importância tanto para pesquisadores quanto para profissionais da área, nota-se que há ainda uma lacuna quanto a métodos visando o monitoramento da validade dos GDs. Dessa forma, de modo a contribuir com a literatura e preencher tal lacuna existente, o presente trabalho propõe uma abordagem baseada na avaliação periódica dos modelos de simulação utilizados como GDs por meio de Aprendizado de Máquina e carta de controle. Sugere-se uma ferramenta de monitoramento baseada no classificador K-Nearest Neighbors (K-NN), combinado com a carta de controle p, visando avaliar periodicamente a validade dos modelos de GDs. Inicialmente, a abordagem proposta foi testada em diversos casos teóricos de forma a se avaliar o funcionamento da ferramenta em situações onde o ambiente físico difere significativamente do virtual, fato que representaria um possível caso onde o GD não é válido. Neste caso, foram emulados dados correspondentes aos ambientes físico e virtual considerando distribuições de probabilidade padronizadas. Além disso, a ferramenta também foi implementada em dois objetos de estudo reais, atuando como um suplemento visando tornar os GDs mais robustos e confiáveis. Neste caso, foram adotados GDs já implementados e em fase operacional. O primeiro objeto de estudo refere-se a um modelo que apoia decisões de planejamento operacional em uma empresa de médio porte do ramo de confecções, cujos processos são majoritariamente manuais. Já o segundo objeto de estudo refere-se a um GD implementado em uma célula de produção automatizada e que opera próximo de tempo real, permitindo a avaliação dos principais parâmetros do processo. A ferramenta se mostrou capaz de monitorar o funcionamento de ambos os GDs e identificar possíveis causas especiais que podem comprometer seus resultados e, consequentemente, sua validade. Por fim, destaca-se a ampla aplicabilidade da ferramenta, que pode ser utilizada em diferentes abordagens de GD, incluindo modelos de simulação com diferentes características de conexão, integração e complexidade. Neste caso, a abordagem proposta opera independentemente das características dos GDs, ou seja, contempla modelos que operam em tempo real ou quase real, considerando sistemas físicos automatizados ou manuais e abrange sistemas com diferentes níveis de complexidade.