Use este identificador para citar ou linkar para este item: https://repositorio.ufjf.br/jspui/handle/ufjf/16844
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
izaqueestevesdasilva.pdfPDF/A7.88 MBAdobe PDFThumbnail
Visualizar/Abrir
Tipo: Dissertação
Título: DT-Create – suíte de serviços para especificação de Digital Twins na Indústria 5.0
Autor(es): Silva, Izaque Esteves da
Primeiro Orientador: Braga, Regina Maria Maciel
Co-orientador: David, José Maria Nazar
Membro da banca: Menezes, Victor Ströele de Andrade
Membro da banca: Classe, Tadeu Moreira
Resumo: A manutenção preditiva nos cenários da Indústria 4.0 e da Indústria 5.0 demanda soluções inteligentes que garantam a sustentabilidade da indústria no que diz respeito a sua eficiência, minimizando custos associados à manutenções corretivas. Um dos desafios da manutenção preditiva é tomar decisões baseadas em dados de forma ágil e assertiva. Sensores e equipamentos conectados produzem dados operacionais que favorecem o uso de técnicas de processamento inteligente para enriquecer informações e permitir a tomada de decisão. Digital Twins (DTs) são uma representação em tempo real de máquinas físicas e geram dados que a manutenção preditiva pode utilizar a fim de tornar decisões assertivas e rápidas. A principal contribuição deste trabalho é a especificação de uma suíte de serviços para especificação de DTs, a DT-Create, focada no suporte à decisão na manutenção preditiva. A DT-Create é baseada no uso de técnicas inteligentes, processamento semântico de dados e auto adaptação. A DT-Create foi desenvolvida a partir da abordagem epistemológica Design Science Research (DSR), através de dois ciclos de desenvolvimento e avaliada em dois estudos de caso, sendo o primeiro no domínio da indústria têxtil e o segundo no domínio da indústria metalúrgica. Os resultados demonstraram a viabilidade de uso da DT-Create na especificação de DTs considerando os seguintes aspectos: (i) coleta, armazenamento e processamento inteligente de dados gerados por sensores, (ii) enriquecimento de informações por meio de aprendizagem de máquina e ontologias, (iii) uso de técnicas inteligentes para seleção de modelos preditivos aderentes ao conjunto de dados disponível, e (iv) suporte à decisão e auto adaptação a partir de processamentos ontológico.
Abstract: Predictive maintenance in Industry 4.0 and Industry 5.0 scenarios demands intelligent solutions that guarantee the sustainability of the industry in terms of its efficiency, minimizing costs associated with corrective maintenance. One of the challenges of predictive maintenance is making decisions based on data in an agile and assertive way. Connected sensors and equipment produce operational data that favors the use of intelligent processing techniques to enrich information and enable decision-making. Digital Twins (DTs) are a real-time representation of physical machines and generate data that predictive maintenance can use to make assertive and quick decisions. The main contribution of this work is the specification of a suíte of services for specifying DTs, DT-Create, focused on decision support in predictive maintenance. DT-Create is based on the use of intelligent techniques, semantic data processing, and self-adaptation. DT-Create was developed using the Design Science Research (DSR) methodology, through two development cycles and evaluated in two case studies, the first in the textile industry and the second in the metallurgical industry. The results demonstrated the feasibility of using DT-Create in specifying DTs considering the following aspects: (i) collection, storage and intelligent processing of data generated by sensors, (ii) enrichment of information through machine learning and ontologies, (iii) use of intelligent techniques to select predictive models that adhere to the available data set, and (iv) decision support and self-adaptation based on ontological processing.
Palavras-chave: Indústria 4.0
Indústria 5.0
Técnicas inteligentes
Internet das coisas
Sustentabilidade
Manutenção preditiva
Suporte à decisão
Digital twins
Sistemas autoadaptativos
Industry 4.0
Industry 5.0
Intelligent techniques
Internet of things
Sustainability
Predictive maintenance
Decision support
Digital twins
Self-adaptive systems
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Idioma: por
País: Brasil
Editor: Universidade Federal de Juiz de Fora (UFJF)
Sigla da Instituição: UFJF
Departamento: ICE – Instituto de Ciências Exatas
Programa: Programa de Pós-graduação em Ciência da Computação
Tipo de Acesso: Acesso Aberto
Attribution-NoDerivs 3.0 Brazil
Licenças Creative Commons: http://creativecommons.org/licenses/by-nd/3.0/br/
URI: https://repositorio.ufjf.br/jspui/handle/ufjf/16844
Data do documento: 22-Mar-2024
Aparece nas coleções:Mestrado em Ciência da Computação (Dissertações)



Este item está licenciado sob uma Licença Creative Commons Creative Commons