Titulo Estágio
Monitorização inteligente de sistemas ciberfísicos suportada por técnicas de fusão de dados
Áreas de especialidade
Sistemas de Informação
Local do Estágio
Laboratório de Informática Industrial e Sistemas do DEI/CISUC (LIIS@DEI-FCTUC)
Enquadramento
A monitorização inteligente de sistemas ciberfísicos para diagnóstico e prognóstico é de grande relevância, nomeadamente em sistemas industriais. Além disso, os sistemas de produção geram grandes quantidades de dados que importa analisar e processar de forma inteligente, usando, por exemplo, técnicas de fusão de dados e motores de inferência, tornando os sistemas cada vez mais flexíveis e reconfiguráveis para permitir a sua adaptação a novos cenários e modos de operação variáveis no tempo.
As fábricas ágeis que podem ser prontamente implantadas e reconfiguradas com esforços mínimos de integração e programação podem beneficiar do uso destas abordagens.
Neste contexto, o projeto europeu KYKLOS 4.0 tem como objetivo desenvolver um ecossistema inovador de Manufatura Circular baseado em novas tecnologias baseadas em sistemas ciberfísicos e em Inteligência Artificial, melhorado com novos mecanismos e algoritmos de produção, visando produtos personalizados com ciclo de vida estendido e promovendo processos de produção dentro da fábrica com eficiência energética e baixo consumo de material, resultando em emissões reduzidas de gases de efeito estufa e poluentes do ar.
Objetivo
No contexto do projeto KYKLOS 4.0, este estágio tem como objetivo o desenvolvimento de estratégias de monitorização inteligente de sistemas ciberfísicos suportadas por técnicas de fusão de dados de grande dimensão, de modo a permitir uma interpretação intuitiva e confiável das leituras, e também, aproveitando as técnicas de computação computacional dedicadas para otimizar o tempo computacional subjacente, como resultado da redução da complexidade dos dados. A conjugação com a utilização de motores de inferência permitirá a análise inteligente de dados recolhidos de diferentes sensores dos sistemas, tendo em vista a criação de um sistema global mais resiliente, de maior longevidade e melhor eficiência energética.
Para isso serão desenvolvidos módulos, que serão integrados no sistema global para a monitorização do estado estrutural desses componentes.
O desenvolvimento dos módulos terá por base metodologias de análise inteligente de dados, envolvendo a especificação do modelo, os algoritmos de redução da dimensão dos dados, de fusão de dados e de motores de inferência, com aplicação a processos industriais.
Plano de Trabalhos - Semestre 1
1. Estudo sobre metodologias e ferramentas de análise e processamento inteligente de dados;
2. Estudo sobre técnicas de redução da dimensão dos dados e de fusão de dados;
3. Estudo sobre motores de inferência;
4. Análise de requisitos dos módulos do sistema inteligente a desenvolver;
5. Especificação dos módulos e dos algoritmos a desenvolver;
6. Realização de uma versão protótipo;
7. Elaboração de documentação.
Plano de Trabalhos - Semestre 2
8. Desenvolvimento dos algoritmos e do sistema inteligente;
9. Implementação dos módulos a integrar no sistema global, suportados pelos motores de inferência;
10. Teste e validação dos módulos desenvolvidos;
11. Elaboração de artigo científico;
12. Elaboração de documentação e da Dissertação final.
Condições
O estágio decorrerá no Laboratório de Informática Industrial e Sistemas do DEI (LIIS@DEI-FCTUC). Sendo o estágio de investigação, a/o candidata/o deverá apresentar motivação e competências relevantes na área de trabalho.
A/O estagiária/o será integrada/o numa equipa de investigadores que se encontram a trabalhar no projeto europeu KYKLOS 4.0 – An Advanced Circular and Agile Manufacturing Ecosystem based on rapid reconfigurable manufacturing process and individualized consumer preferences.
Observações
O estágio poderá beneficiar da atribuição de uma bolsa de investigação para licenciados por um período de 3 meses, eventualmente renovável, suportada pelo projeto europeu em curso.
Orientador
Alberto Jorge Lebre Cardoso
alberto@dei.uc.pt 📩