1) Introdução
– Apresentação dos instrutores
– Temas abrangidos no curso
2) Indústria 4.0
– Contextualização e temática atual
– O potencial da Industria 4.0
– Indústria 4.0 no Brasil
3) O começo e os fins
– Digitalização, o princípio
– Edge Architecture : Dado x informação
– Meios para digitalização
– Processamento de informação digital
4) Medir para controlar
– O que é preciso medir
– OEE: Medição ampara tomada de decisão
– A medição e a predição
5) Produção Inteligente
– Um novo modelo de negócio para um novo consumidor
5.1) Máquinas adaptativas
– Exemplo da Indústria de Embalagens
– Desafio da Indústria de Embalagens
– Vantagens Competitivas
– Tecnologias empregadas
– Exemplo real
5.2) Sistemas de Visão
– Fundamentos do sistema de visão
– Vantagens
– Funções de Visão
5.3) Sistemas Inteligentes de Movimentação (Tracks)
– KPIs da Indústria
– Princípio de Funcionamento
– Recursos Tecnológicos
– Movimentação com 6 graus de liberdade
5.4) MCR: Machine Centric Robotics
– Exemplos de tipos de Robôs
– Robôs e Máquinas em uma única plataforma
6) Agricultura Inteligente
– Definição de Agricultura Inteligente / Agricultura 4.0
– Principais pilares da Agricultura 4.0
– Benefícios para o produtor
6.1) Agricultura automatizada
– IoT na Agricultura
– Aplicações de IoT na Agricultura: Irrigação inteligente; Correção do solo; Controle de pragas e doenças; Estufas inteligentes; Diagnóstico da lavoura com o uso de drones; Telemetria
6.2) Sistemas autônomos de plantio e colheita
7.1) Controle de Processos
– Introdução em Sistema Digital de Controle Distribuído – SDCD: Controle de processos, Controle de segurança, Automação Elétrica
– As mais recentes tecnologias em SDCD impactadas pela digitalização: Poder da integração e operação, Redes de campo, Ethernet I/O, Engenharia integrada e em nuvem, O uso de edge e cloud computing, A convergência (fusão) OT/IT
7.2) Aplicações em O&G
– Soluções digitais em FPSO
– Asset Performance Management
– Cyber Security para sistemas de controle segundo IEC62443
– Apoio ao ciclo do hidrogênio / menores emissões CO2
– Plataforma de integração OT/IT: Integridade de Ativos, Eficiência operacional, Eficiência Energética, Eficiência nos negócios
8) IT e OT se unificando
– Conceitos da I4.0 utilizados
– Etapas de Implementação
9) Aquisição de dados
– Sensores e dados existentes em campo: diversos fieldbuses
– Dados do processo, presente nos CLPs e DCSs
– Sensores adicionais: ex vibração para maquina rotativas: ConMon: predição de falha análise local
– CLP concentrador: diversas IFs, recebendo dados de diversas redes
– Pré análise no CLP
10) Comunicação: OPC-UA
– Rede Unificada, deve virar o padrão na indústria
– Vantagens x desvantagens
– Por enquanto usado na topologia local, comunicação M2M e com sistemas de hierarquia superior, como ERPs e MESs
– OPC-UA over TSN
– Local x Nuvem: o que pode ser feito localmente (apresentação GEC2018 – IIoT)
11) Comunicação MQTT
– Conceito do protocolo, origem, forte em TI e IoT
– QoS e funcionalidades
– Broker e exemplos
– Vantagens x desvantagens
– Pode ser usado em topologia local ou nuvem
12) Serviços de nuvem
– Serviços de IoT, como AWS IoT core e Azure IoT Hub
– São brokers MQTT ou AMQP
13) Case: Site Manager como gateway OPC-UA -> MQTT
– Funcionalidade DCM
– Conversão OPC-UA para MQTT – AWS
– Concentra dados de diversos CLPs
14) Cybersecurity (Apresentação SRM)
– Protocolos TLS 1.2 e VPN
– Caso stuxnet
– Firewall
– Perigos de deixar a rede aberta
– Site Manager: Acesso remoto, DCM e logtunnel
15) Etapa i4.0: Visibilidade
– Armazenar dados
– Visualizar os dados
– Visualização Web exemplos: local mappView e remoto NodeRED
16) Etapa i4.0: Transparência
– Análise dos dados
– Entender comportamentos
– OEE, Aluguel por produtividade, diagnóstico, estatísticas
17) Etapa i4.0: Predição
– Com base nos dados coletados, prever o comportamento, classificar, entender
– Modelo matemático: ex: caso de análise de vibração
– IA: conceito
– IA tipos: Regressão, classificação e clustering
– Métodos: Rede neural, SVM, arvore de decisão, KNN Naive Bayes
– Modelo da máquina: digital Twin: capacidade de predição de eventos
– Exemplo de Aplicação: regressão (Manutenção preditiva), classificação (tipo de erros), clustering (identificar padrões não visualizados)
– Como implementar: diversas ferramentas disponíveis, para data Science: python. Ferramenta para iniciar: Weka
18) Etapa i4.0: Adaptação
– Uma vez obtido o Digital Twin, é possível simular situações diversas e inviáveis de reprodução na planta real, testando milhões de possibilidades em instantes, logo otimizações inesperadas podem surgir
– Reparametrização da máquina com base nesses dados
Professores:
Evandro Avancini – Engenheiro Eletricista formado pela UNESP e pós-graduado em Administração de Empresas e Direito Empresarial pela Faculdade Getúlio Vargas. Iniciou a carreira como desenvolvedor de software e hardware para automação do acelerador de partículas LNLS em Campinas/SP. Posteriormente ingressou no segmento de automação industrial onde atua há 20 anos, desde o início na B&R como Engenheiro de Aplicação, Vendas e finalmente ocupando a posição de Diretor para o Brasil.
Erico Afonso – Engenheiro Eletricista formado pela Escola Politécnica da USP e pós-graduado em Gestão de Projetos pela Faculdade Getúlio Vargas. Possui mais de dez anos de experiência no desenvolvimento de automação de máquinas industriais para as mais diversas industriais como Automotiva, Metais, Alimentos & Bebidas, Embalagens, Impressão e Farmacêutica. Atualmente atua como Engenheiro de Vendas, no time da B&R Automação Industrial, atuando com a prospecção de clientes, desenvolvimento de novos negócios e relacionamento com clientes chave.
Antonio Carvalho – Pós-graduado em Administração Estratégica de Negócios e Administração Industrial, graduado em Engenharia Elétrica e Automação pela Universidade Federal de Itajubá. Tendo trabalhado em empresas líderes de tecnologia em automação industrial (ABB, Emerson, Schneider e Rockwell), atua há mais de 30 anos fornecendo sistemas de Automação e Eletrificação para indústrias em diversos segmentos de mercado, mas especialmente para O&G. Por 12 anos na ABB, Antonio atualmente é Automation Specialist & Digital Lead, responsável por definir as soluções de Automação de Processos e Automação Elétrica e disseminar tecnologias de sistemas digitais dentro da unidade de negócios PAEN.
Marcelo Barud Pedrosa – Graduado em Engenharia Elétrica modalidade Eletrônica com ênfase em Telecomunicações pelo Instituto Nacional de Telecomunicações – INATEL, pós-graduado em Automação e controle de processos Industriais e Agroindustriais pela UNICAMP. Já atuou como engenheiro de aplicações na B&R Automation de 2011 à 2014. Atualmente atua como engenheiro de vendas técnicas na B&R Automation, responsável pelo interior de São Paulo e pelo Rio Grande do Sul.
Matheus Kunhavalik da Rosa – Engenheiro de Controle e Automação, formado pela UTFPR campus Curitiba, atualmente cursa especialização em Engenharia Industrial 4.0 na UFPR. Durante a formação, executou projetos na área de IoT, com rede de sensores sem fio e envio de dados para a nuvem. Atua como engenheiro de aplicação na B&R Automação há mais de três anos, onde desenvolve aplicações de máquinas automatizadas, abrangendo experiências com diversos processos produtivos e tecnologias, que incluem desenvolvimento de software, Motion Control, track system, IoT, coleta e análise de dados.
