O projeto EXPAI consiste em utilizar um ambiente digital flexível e controlado suportado por um framework de tecnologias IA em varias áreas da indústria, relacionados à Indústria Inteligente. Podemos relacionar em duas áreas:
Ambiente Produção Industrial
Nos anos recentes, a integração das tecnologias IA no processos de produção industrial revolucionou a indústria, o que levou a melhoramentos significativos na eficiência, qualidade e custo de produção. Algum dos pontos onde a AI ajudou a melhorar a indústria são os seguintes.
Prever Manutenção de equipamentos
Inspeção de produtos
Detectar anomalias
Autonomous Mobile Robots (AMRs)
Visão Computacional
A utilização das técnicas XAI na Visão Computacional, contribuiu para tornar a tomada de decisão dos modelos IA mais transparentes e compreendidos por humanos. Algumas dos métodos utilizados foram os seguintes.
Mapas de Saliência
CAM
Shap
Lime
Perspectiva
Prespetiva de produto
No que diz respeito à perspectiva do produto, Portugal focou-se no melhoramento inteligente de design de escova de carbono através de técnicas de inteligência artificial, incluindo digitalização de retopologia e modelação procedural.
A solução pretendida aprimorará o processo de otimização da geometria de polígonos 3D, usando metodologias baseadas em IA, incluindo digitalização de retopologia e modelação procedural. Ao refinar e reestruturar modelos de escova de carbono, o sistema fornecerá precisão geométrica optimizada, aprimorando a eficiência da rede para mecanismos em tempo real e permitirá modificações precisas no design.
Os casos de uso forneceram as seguintes principais funcionalidades.
Digitalizaçāo 3D e Processamento de Retopologia: Obtém digitalizações de alta resolução de escovas de carvāo e refina-as para uma análise computacional eficiente.
Modelaçāo Procedimental para Otimizaçāo: Melhora a representaçāo dos componentes das escovas de carvāo e suporta melhorias de design baseadas em regras.
Ajustes Automatizados de Design: Sugere melhorias para os projetos de escovas de carvāo com base em insights gerados por IA.
Validaçāo de Desempenho: Compara escovas de carvāo otimizadas por IA com designs tradicionais através de testes práticos.
Interface Intuitiva: Permite que engenheiros de design interajam e implementem sugestões de design impulsionadas por IA de forma simples.
Características de Utilizador
No contexto deste projeto, “características do utilizador” referem-se aos atributos e necessidades dos indivíduos ou entidades que irão interagir com os sistemas de fabrico implementados com XAI (Explainable AI). Compreender estas características é essencial para conceber sistemas intuitivos, eficazes e alinhados com as expectativas dos utilizadores.
Ao analisar estas características do utilizador, o projeto pode adaptar melhor os sistemas de fabrico assistidos por IA para corresponder às necessidades e preferências reais dos seus utilizadores, aumentando assim a satisfação e eficácia globais.
Os principais utilizadores do sistema para o caso de uso foram:
- Clientes: Edgar Praça irá explorar o sistema desenvolvido junto da sua base de clientes que estão interessados na configuração e características do produto.
- Engenheiros de Design: Utilizam a ferramenta baseada em IA para melhorias no design das escovas de carvão.
- Gestores de Produção: Garantem a integração dos designs otimizados por IA no processo de fabrico.
- Cientistas de Dados: Desenvolvem e refinam modelos de IA para reconhecimento de padrões e análise preditiva.
Restrições
Quaisquer restrições que afetem o desenvolvimento e implementação do sistema, como requisitos regulamentares, limitações de hardware ou dependências de outros projetos. As mesmas consistem em: limitações de hardware, conformidade regulatória, integração com sistemas existentes, disponibilidade de dados.
Suposições e Dependências
Quaisquer suposições feitos durante o processo de recolha de requisitos e identifique dependências de outros sistemas, projetos ou serviços de terceiros.
- Presume-se que o sistema terá acesso a digitalizações 3D de alta qualidade das escovas de carvão.
- As otimizações de design orientadas por IA dependem da precisão das técnicas de retopologia e modelação procedural.
- A eficácia da modelação preditiva está condicionada à existência de dados históricos sobre o desempenho das escovas de carvão.
- Uma implementação bem-sucedida exige colaboração entre desenvolvedores de IA, engenheiros de produção e equipas de design.
Retopologia Automática e Configuração Paramétrica
Atores: Operadores da Empresa
Descrição: Este caso de uso descreve o fluxo de trabalho, desde a captura do scan de dados 3D até a configuração paramétrica em tempo real das peças do produto.
Pré-condições: O utilizador deve estar autenticado no sistema e ter as permissões necessárias.
Passos:
- O utilizador importa uma malha high poly para o sistema.
- O sistema gera uma malha low poly otimizada para renderização em tempo real e com fluxo de arestas adequado para parametrização da forma.
- O modelo 3D fica disponível em formato multi-plataforma e pode ser adicionado à interface de configuração.
- O utilizador pode editar os campos paramétricos em modo de visualização 3D para armazenar a configuração da peça do produto na base de dados.
Pós-condições: Os dados são guardados com sucesso e ficam acessíveis para relatórios.
Desempenho
Especificação dos Critérios de Desempenho que o Sistema Deve Cumprir, constituem em: processamento 3D eficiente, análise em tempo real, escalabilidade e eficiência na modelação procedimental.
Estes critérios garantem que a solução atenda aos requisitos de desempenho, incluindo tempos de resposta e velocidades de processamento adequados para manufatura inteligente.
Segurança
O principal objetivo do projeto EXPAI é desenvolver uma solução de IA confiável e robusta. A fiabilidade, embora seja um requisito não funcional, é de extrema importância para este projeto. Nesta secção, focamo-nos nas métricas de fiabilidade esperadas para a solução, em particular para os AMRs (Autonomous Mobile Robots).
As métricas de fiabilidade esperadas resumiam-se em: tempo de atividade (uptime), tempo médio entre falhas.
As métricas de fiabilidade relativamente à perspetivas do produto seriam: precisão na deteção de geometria de polígonos, processamento de dados robusto e estabilidade do sistema.
Usabilidade
De forma a garantir uma operação intuitiva, o sistema deve incluir: interface intuitivo, requisitos mínimos de formação, visualização clara, integração simples.
Para garantir uma boa usabilidade dos AMRs (Robôs Móveis Autónomos), devem ser considerados os seguintes aspetos: formação do utilizador, documentação, suporte técnico.
Estes requisitos visam assegurar que os AMRs sejam fáceis de usar, eficientes e bem integrados nos fluxos de trabalho existentes.
Manutenção
Com o intuito de garantir o bom funcionamento contínuo dos AMRs (Robôs Móveis Autónomos), requisitos de manutenção devem ser considerados: atualização dos modelos de IA, compatibilidade de software, monitorização automatizada do sistema e capacidade de escalar para futuras inovações tecnológicas.
Portabilidade
O sistema deve ser portável, compatível com vários sistemas operativos e formatos CAD, adaptável a diferentes configurações de hardware e escalável para diferentes ambientes de produção.
