Gerenciamento de energia elétrica em sistemas de manufatura avançada utilizando aprendizagem de máquina

• Processo: 17/25987-3
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de junho de 2018
• Data de Término da vigência: 31 de maio de 2020
• Área do conhecimento: Engenharias - Engenharia de Produção - Gerência de Produção
• Pesquisador responsável: Fábio Lima
• Beneficiário: Fábio Lima
• Instituição Sede: Centro Universitário FEI (UNIFEI). Campus de São Bernardo do Campo. São Bernardo do Campo , SP, Brasil
• Pesquisadores associados: Alexandre Augusto Massote ; João Chang Junior
• Bolsa(s) vinculada(s): 19/12026-0 - Gerenciamento de energia elétrica em sistemas de manufatura avançada utilizando aprendizagem de máquina, BP.TT
• Assunto(s): Aprendizado computacional Manufatura avançada Redes neurais (computação) Energia elétrica
• Palavra(s)-Chave do Pesquisador: Aprendizagem de Maquina | Gerenciamento de Energia | manufatura avançada | Redes Neurais Artificiais | Manufatura Avançada

Resumo

Recentes dificuldades de abastecimento pelo sistema energético brasileiro, mudanças climáticas globais, pressão pela aplicação de práticas sustentáveis e custos de geração, transmissão e distribuição de energia elétrica com perspectiva de crescimento são fatores cada vez mais presentes na pauta de discussão da sociedade atual. Diante deste cenário, diversos estudos apontam que há um potencial significativo de melhoria dos indicadores de eficiência energética na indústria de manufatura. Dessa forma, os processos produtivos atuais devem preocupar-se não somente com a qualidade dos produtos desenvolvidos, mas também com a sua sustentabilidade. Há programas computacionais de manufatura capazes de fazer o gerenciamento e a monitoração da energia consumida no processo automatizado. Estes programas estão dentro de um conceito mais amplo, conhecido como Manufatura Digital. A digitalização dos processos de manufatura é o primeiro passo para se atingir a Manufatura Avançada ou Indústria 4.0. Porém, por se tratarem de ferramentas ainda relativamente novas, há um grande potencial de estudo e contribuições de pesquisa nesse segmento. Este projeto destina-se a estudar e implementar estratégias inovadoras e eficientes de gerenciamento de energia em sistemas de manufatura, utilizando ferramentas de manufatura digital. Ainda no contexto de manufatura avançada, irá utilizar nessas soluções conceitos de aprendizagem de máquina, mais especificamente as Redes Neurais Artificiais (RNA), aproveitando o potencial dos dados que serão gerados nesse novo cenário industrial. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

PEREIRA, MOISES S.; LIMA, FABIO; IEEE. A Machine Learning Approach Applied to Energy Prediction in Job Shop Environments. IECON 2018 - 44TH ANNUAL CONFERENCE OF THE IEEE INDUSTRIAL ELECTRONICS SOCIETY, v. N/A, p. 6-pg., 2018-01-01. (17/25987-3)

LIMA, FABIO; MASSOTE, ALEXANDRE AUGUSTO; MAIA, RODRIGO FILEV; IEEE. IoT Energy Retrofit and the Connection of Legacy Machines Inside the Industry 4.0 Concept. 45TH ANNUAL CONFERENCE OF THE IEEE INDUSTRIAL ELECTRONICS SOCIETY (IECON 2019), v. N/A, p. 6-pg., 2019-01-01. (17/25987-3)