[001 ] A presente invenção faz referência a uma plataforma de controle para sistemas autônomos, que integra informações digitais de produto e processo com dados obtidos por meio de sensores, fazendo uso de inteligência artificial como, por exemplo, redes neurais artificias para retroalimentação do sistema e tomada de decisão na execução autônoma de atividades.

Descrição do estado da técnica

[002] Os sistemas atualmente conhecidos pertencem à chamada Era da Automação. São sistemas altamente repetitivos e possuem toda sua parametrização (como programação de trajetórias e parametrização de processos) realizados manualmente. Isto é, necessitam de uma programação prévia que deve ser inserida no sistema para que a automação aconteça.

[003] Nesse caso, ainda que possuam interfaces auxiliares de programação como Sistemas CAE, interfaces de programação e simulação como VERICUT e DELMIA, estas são dispendiosas em tempo e não apoiam a tomada de decisão.

[004] Assim, as principais características encontradas nas soluções da Era de Automação já conhecidos do estado da técnica são: (a) robôs programados para seguir trajetória rígidas e não adaptáveis, ou seja, não tratam erros no processo, nem diferenças do ambiente para o qual foram programados; (b) o ambiente virtual utilizado muitas vezes pode não ser representativo ao ambiente físico e, neste caso, os robôs dos sistemas já conhecidos não possuem métodos e instrumentos adaptativos; (c) não há instrumentação destes sistemas para operarem com Inteligência Artificial (IA) e, portanto, não possuem algoritmo de aprendizado; (d) a parametrização dos processos é feita manualmente, muitas vezes através de tentativa e erro, pois não fazem uso do histórico de dados de processos similares para otimizar o processo de parametrização, demandando uma carga de trabalho elevada. [005] Além de todas essas características, observa-se que o ciclo e o custo são altos para validação da entrada em produção do equipamento e tanto o ciclo como o custo se repetem a qualquer mudança no cenário programado.

[006] Um outro exemplo de uso de robôs autônomos é ensinado no documento US 2017/0334066 que faz referência a um método e a um dispositivo que usam algoritmos de “Machine Learning” ou algoritmos de aprendizagem, para prever movimentos que irão ocorrer para objetos em um ambiente de um robô em resposta a um movimento particular deste robô neste ambiente. Para tanto, o método e o dispositivo provêm um treinamento de um modelo de rede neural para prever pelo menos uma transformação, se houver, de uma imagem no ambiente do robô que irá ocorrer como um resultado de uma implementação de pelo menos uma porção de movimento particular do robô neste ambiente. O modelo de rede neural de treinamento pode prever a transformação baseada em dados inseridos que incluem a imagem e um grupo de parâmetros de movimento do robô que definem a porção particular de movimento.

[007] Embora o método a que se refere o documento US 2017/0334066 empregue recursos de Inteligência Artificial para otimizar os parâmetros e faça uso de informações digitais de processo, produto, ambientes e recursos, para controle e geração automática da trajetória do robô, não é ensinado por esse documento, o uso de informações históricas de processo, o uso em conjunto de dados de sensores para o monitoramento da trajetória do robô ou outra solução autônoma e, principalmente, a realimentação das informações digitais, consequentemente, o recurso de algoritmo de aprendizagem desse método já conhecido do estado da técnica fica bastante limitado.

Objetivos da invenção

[008] Assim, a presente invenção tem como objetivo prover uma plataforma de controle para sistemas autônomos, integrando informações digitais de produto e processo com dados obtidos por meio de sensores e fazendo uso de inteligência artificial como, por exemplo, redes neurais artificias para retroalimentação do sistema, de modo a possibilitar tomadas de decisão na execução autônoma de atividades pelos dispositivos.

Breve descrição da invenção

[009] Esta invenção tem como objeto, uma plataforma de controle para sistemas autônomos, a plataforma de controle compreendendo consumo de dados de processo, produto, ambiente e recursos de um modelo digital para geração automática de trajetórias para sistemas autônomos, a plataforma de controle para sistemas autônomos compreendendo, ainda:

(i) Criação de dados de referência de meios físicos;

(ii) Aplicação de dados históricos de processos, produto, ambiente e recursos dispostos em uma base de dados;

(iii) controle das informações digitais, dos dados de referência e dos dados históricos em combinação para geração automática das trajetórias para sistemas autônomos;

(iv) Atuação de um subsistema anticolisão por meio de um módulo de autoproteção no monitoramento das trajetórias automáticas dos sistemas autônomos;

(v) Uso de algoritmos de Inteligência Artificial (IA) para controle ativo e modificação das trajetórias automáticas dos sistemas autônomos;

(vi) Controle e monitoramento de recursos e parâmetros; e

(vii) Inspeção automática e geração de dados históricos de informações digitais de processos, produto, ambiente e recursos para realimentação na base de dados.

Descrição detalhada das figuras

[010] Figura 1 - é um fluxograma da plataforma de controle para sistemas autônomos objeto desta invenção; e [01 1] Figura 2 - é um esquema dos módulos que compõem a plataforma de controle para sistemas autônomos objeto da presente invenção.

Descrição detalhada da invenção

[012] De acordo com uma concretização preferencial e conforme ilustrado nas figuras 1 e 2, a plataforma de controle para sistemas autônomos, objeto desta invenção, tem como objetivo prover autonomia aos sistemas autônomos, em especial os sistemas autônomos industriais, por meio de um ciclo de funções e ações que se realimenta para o desenvolvimento de produtos e processos. Os sistemas autônomos podem ser braços robóticos, equipamentos mecatrônicos e outros similares que se deslocam em um ambiente.

[013] Neste sentido e como pode ser visto nas figuras, a plataforma de controle para sistemas autônomos compreende o uso ou consumo de informações digitais de processo, produto, ambiente e recursos, ou seja, feita uma solicitação de início de tarefa é feita uma identificação digital do produto e processo a ser realizado. Mais precisamente, são obtidas as informações digitais do produto, do processo, do cenário do local a ser feita a tarefa e dos recursos disponíveis obtidas por meio de sistemas corporativos e bancos de dados (ERP) como, por exemplo, sistemas MES/SAP ou equivalentes.

[014] Em seguida, a plataforma de controle para sistemas autônomos procede com a criação dados de referência de meios físicos, que consiste no reconhecimento e comparação do físico com o virtual/digital. Nesta etapa, uma pluralidade de sensores dispostos no ambiente no qual os sistemas autônomos performam as trajetórias geradas tem a função de monitorar o deslocamento dos sistemas autônomos, criando os dados de referência dos meios físicos, identificando alterações neste ambiente como, por exemplo, a presença de um novo objeto ou ausência de um objeto já identificado, que podem demandar alterações nas trajetórias a serem percorridas pelos sistemas autônomos. Os dados obtidos por essa pluralidade de sensores são recebidos pela plataforma de controle, reconhecidos e comparados com os dados do modelo digital com o objetivo de realimentá-la de modo a alterar/confirmar as trajetórias dos sistemas autônomos para aquele ambiente.

[015] Além disso, a plataforma de controle para sistemas autônomos também faz uso de dados históricos de processos, produto, ambiente e recursos dispostos em uma base de dados. Nesse sentido, um módulo de parametrização estabelece os parâmetros do processo a partir das trajetórias geradas. Tais parâmetros consistem em dados de processo como: furação (velocidade de rotação, velocidade de avanço da ferramenta, quantidade de lubrificante, peck drilling, etc.), selagem (taxa de aplicação de selante, velocidade de aplicação), usinagem, etc., cujos históricos provenientes de produtos anteriores estão presentes em bancos de dados e podem ser usados como referência para parametrizar processos em novos produtos que sejam semelhantes. Uma comparação entre os dados históricos e os dados da solicitação em andamento também é realizada.

[016] Assim, com base no cenário ou dados digital, nos dados fornecidos pelo histórico e nos dados obtidos e reconhecidos pelos sensores, a plataforma de controle para sistemas autônomos procede com o controle e geração automática de trajetórias e processos (parâmetros e tarefas) para os sistemas autônomos.

[017] Após a geração automática das trajetórias, a plataforma de controle provê a execução e o monitoramento da tarefa solicitada, bem como o controle dessas trajetórias e processos gerados, detectando eventuais mudanças de trajetória ou parâmetros caso haja necessidade.

[018] Mais especificamente, para que os sistemas autônomos não colidam em razão de alterações no ambiente em que executará suas trajetórias, um subsistema anticolisão atua nesse monitoramento das trajetórias dos sistemas autônomos por meio de um módulo de autoproteção. Esse subsistema anticolisão compreende pluralidade de sensores como sensores ultrassónicos, Lidares e/ou câmeras, por exemplo, e que monitoram o ambiente formando um volume permitido a cada ponto da trajetória. Se este volume é violado por qualquer objeto em seu interior que não foi contemplado pela trajetória gerada, o subsistema emite um comando de recalculo de trajetória ou de parada para a plataforma. Além disso, o volume de proteção pode ter uma zona de alerta para recalcular trajetória e outra zona menor de parada instantânea.

[019] A plataforma de controle para sistemas autônomos faz uso de algoritmos de Inteligência Artificial (IA) para gerar, executar, fazer controle ativo e modificar estas trajetórias dos sistemas autônomos de forma constante. Neste sentido, são usados os dados provenientes do modelo digital, da pluralidade de sensores e informações do subsistema anticolisão para o aprendizado das modificações necessárias nas trajetórias e comportamento dos sistemas autônomos, de modo que a plataforma para sistemas autônomos faz os devidos ajustes nos dados a serem usados dali em diante.

[020] Neste caso, a IA pode gerar uma trajetória original ou fazer o monitoramento e correção de trajetórias geradas. Para isso, a IA é treinada em ambiente de simulação (Digital twin do produto/processo). Algoritmos e técnicas de IA, por exemplo Reinforcement Learning, são usados para aprender a tomar decisões de movimento de cada grau de liberdade dos sistemas que permitam construir a trajetória até o objetivo final sem colidir. Tanto o modelo digital como o referenciamento no modelo real e as leituras da pluralidade de sensores são usadas, seja no ambiente virtual ou real ao longo de toda a trajetória.

[021] Opcionalmente, a plataforma de controle para sistemas autônomos pode desativar o módulo IA de aprendizado, de maneira que, após geradas as trajetórias o sistema autônomo atua de forma repetitiva, convencional, caso não haja mais otimização a ser realizada para a tarefa demandada.

[022] Além disso, os recursos e parâmetros dos sistemas autônomos durante a execução das trajetórias geradas são controlados e monitorados, com o objetivo de garantir a integridade do produto e dos recursos utilizados. Nesta etapa, a plataforma de controle para sistemas autônomos faz uso novamente de algoritmos de Inteligência Artificial (IA) para proporcionar aprendizado e otimização dos parâmetros. Uma pluralidade de IAs pode ser usada para tarefas específicas. Uma para gerar e monitorar trajetórias e outras para parametrizar cada processo que o sistema autônomo efetuará ao chegar no ponto de destino. Esta parametrização associa dados históricos de processos executados a priori em produtos semelhantes para gerar novos parâmetros otimizados para novos produtos ou melhorias de processos atuais.

[023] Todas estas informações e parâmetros são utilizados pelo módulo de inspeção para a inspeção automática do produto e processo, ou seja, o módulo de inspeção inspeciona o produto para garantir suas características e identificar possíveis ruídos do processo, anomalias, não-conformidades que poderão ser usados como dados para que a IA ajuste a parametrização e assegure a qualidade do produto por exemplo. Se o diâmetro de um furo está com tendência de ultrapassar o limite superior isso pode ser captado pela inspeção e a rede neural poderá reduzir a velocidade de avanço para contornar esta tendência e voltar para os resultados de furos próximos ao nominal. Em uma selagem, a viscosidade é alterada em função do tempo de cura e temperatura. Assim, a rede neural pode obter esta informação através de sensores e regular automaticamente a taxa de aplicação de selante, assegurando qualidade e gerando dados históricos de informações digitais de processos, produto, ambiente e recursos para realimentação na base de dados, tanto com os dados digitais como com os dados de processos e parâmetros.

[024] Assim, a plataforma de controle para sistemas autônomos é realimentada com os dados de processo, recursos, produtos e parâmetros, em uma abordagem do tipo “Closed Loop”, proporcionando uma atualização constante desses dados e um aprimoramento da automação dos sistemas.

[025] Neste sentido, a otimização de processos usando os dados históricos que são realimentados permite que a plataforma de controle para sistemas autônomos, objeto da presente invenção, aprimore a geração e execução das trajetórias, sem que seja necessário o uso de métodos de tentativa e erro e melhorando sobremaneira a produtividade dos sistemas autônomos.

[026] Outra vantagem da plataforma de controle para sistemas autônomos está na exclusão da programação manual que não agrega valor ao produto e consome tempo de processo.

[027] Por fim, a realimentação da plataforma de controle para sistemas autônomos com os dados gerados no monitoramento de parâmetros nas execuções das trajetórias e, ainda, a geração de dados para histórico que são posteriormente usados para gerarem novas trajetórias aprimoradas, proporcionam maior precisão no uso dos recursos e maior qualidade no produto.

[028] Tendo sido descrito um exemplo de concretização preferido, deve ser entendido que o escopo da presente invenção abrange outras possíveis variações, sendo limitadas tão somente pelo teor das reivindicações apensas, aí incluídos os possíveis equivalentes.