Titulo Estágio
Monitorização inteligente de sistemas ciberfísicos suportada por técnicas de fusão de dados
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 dados de processos industriais (dados já disponíveis de processos de manufatura usando diversos tipos de equipamento como, por exemplo, prensas industriais, entre outros).
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.
O estágio será orientado por:
- Prof. Alberto Cardoso
- Prof. Jorge Henriques
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.
Os dados a considerar correspondem a conjuntos de dados recolhidos em várias experiências realizadas no âmbito do projeto H2020 KYKLOS 4.0.
Adicionalmente, poderão ser usados conjuntos de dados existentes (benchmarks), como dados da NASA ou da CWRU.
Orientador
Alberto Cardoso
alberto@dei.uc.pt 📩