Para ampliar a capacitação do Instituto de Pesquisas Tecnológicas (IPT) na condução de pesquisas aplicadas e geração de inovação em transformação digital, dois pesquisadores do Centro de Tecnologia da Informação, Automação e Mobilidade realizaram estágios na Europa em 2019 a fim de se habilitarem em Inteligência Artificial e estudos de modelagem em sistemas ciberfísicos.
Os dois pesquisadores do IPT, Adriano Galindo Leal e Mario Yoshikazu Miyake, realizaram pós-doutoramento na Technische Universität Berlin e na Universitat Politècnica da Catalunya, respectivamente, para capacitação em sistemas ciberfísicos que, em poucas palavras, são aqueles direcionados a transpor fenômenos físicos para ambientes digitais e, a partir da interpretação de dados, faz-se a implantação de plataformas de suporte a soluções inteligentes em cidades ou indústrias.
O plano de desenvolvimento institucional do IPT aborda conceitos e ferramentas dos sistemas ciberfísicos a fim de realizar provas futuras em aplicações reais na Indústria 4.0 e em smart cities – para isso, os pesquisadores estão mapeando o estado da arte nas áreas de Internet das Coisas; Arquitetura de sensibilidade (sensing) inteligente de cidades; Inteligência Artificial – IA: machine learning e deep learning; Arquitetura de Sistemas; Big Data e Segurança de sistemas.
Pesquisador da Seção de Automação, Governança e Mobilidade Digital do IPT,
Plano de desenvolvimento institucional do IPT aborda conceitos e ferramentas dos sistemas ciberfísicos a fim de realizar provas futuras em aplicações reais na Indústria 4.0 e em cidades inteligentes
Leal permaneceu na Alemanha entre os meses de maio de 2019 e janeiro de 2020 na TUB para capacitação na aplicação de Aprendizado de Máquina em Internet das Coisas, que compõe o ecossistema ciberfísico de cidades inteligentes. “O aprendizado pode ser utilizado tanto para classificação ou regressão com fins de automação ou de otimização, por meio de processamento em batch e online, sendo este último um tópico de pesquisa em ebulição devido a sua aplicação em redes 5G”, afirma ele.
A escolha da TU Berlin se deveu não somente à reputação acadêmica no uso de modelos de simulação aplicados a sistemas ciberfísicos, aprendizado de máquina, rede de sensores e Internet das Coisas, mas por conta de seu portfólio de projetos realizados em parceria principalmente com o Instituto Fraunhofer de Telecomunicações, também conhecido como Instituto Heinrich Hertz (HHI). “O HHI está acumulando experiência em redes de comunicação tanto na tecnologia de 5G, que será o backbone da Internet das Coisas, quanto em redes industriais”, afirma Leal.
MACHINE LEARNING – Aprendizado de Máquina é um método de estudo de dados que automatiza o desenvolvimento de modelos analíticos. É possível utilizar algoritmos para coletar informações e aprender com elas, levando em consideração os históricos para fazer uma determinação ou predição sobre uma situação do mundo real – em outras palavras, a máquina é ‘treinada’ para adquirir habilidades com os dados.
“Muitos ignoram que o Aprendizado de Máquina é uma das evoluções da análise funcional, que é o ramo da matemática voltado para o estudo de espaços de funções. Surgiram nos últimos anos novas técnicas de aprendizado de processamento em batch e online que permitem ao computador ‘aprender e prever situações’ a partir dos dados de um sensor ou de uma determinada base de dados. Dependendo do algoritmo empregado, podem atuar de maneira autônoma, retornando resultados consistentes para os quais nem foram treinados”, explica Leal, dando como exemplos os carros autônomos do Google, as ofertas e as recomendações online de redes sociais e lojas virtuais e a detecção de fraudes automáticas em cartões de créditos e contas bancárias.
O pesquisador participou de um projeto em andamento no TUB, Taktiles Internet für zeitsensitive Anwendungen der Industrieautomation mit zellularer Mobilkommunikation (Taktilus) ou em português ‘Aplicações de automação industrial sensíveis ao tempo de resposta utilizando Internet tátil por meio de rede de comunicação móvel celular (Taktilus)’, que utiliza diversas técnicas de Aprendizado de Máquina.
“Essas aplicações de automação consideradas no projeto exigem uma comunicação segura. Com base na tecnologia Narrowband-IoT (ou banda estreita), o projeto busca soluções para a comunicação machine-to-machine acionada por evento, flexível e escalável, para habilitar serviços CMCT (Machine Type Communication) de missão crítica na indústria”, explica ele.
A tecnologia de banda estreita oferece cobertura interna profunda e suporte para um número massivo de dispositivos de custo e de consumo de energia baixos.
“O projeto está preocupado com o desempenho da rede, em especial dos componentes [neste caso, válvulas de uma indústria química e de calor, por conta da necessidade de aquecimento das casas na Europa], e está focado em incrementar a comunicação por meio do levantamento de informações a serem coletadas pelos próprios dispositivos – é bom lembrar que a inteligência não está no projeto, mas nos dispositivos”, afirma ele.
MÉTODOS MATEMÁTICOS – Para o Aprendizado de Máquina, de uma forma simples, é possível falar em dois modelos: o primeiro é o processamento em batch, no qual o sistema coleta e armazena os dados em um Sistema de Gerenciamento de Banco de Dados, mais conhecido como SGBD. Posteriormente, é realizada uma ou mais análises utilizando algoritmos apropriados para produzir respostas de alto nível.
No segundo caso, o processamento online, um algoritmo monitora de maneira contínua os dados que chegam dos sensores, mesmo antes de serem armazenados em um SGBD, pois sua atuação no processo em que estão envolvidos necessita de uma atuação imediata do sistema ciberfísico.
Apesar de serem oriundas da mesma teoria matemática, as metodologias para sua aplicação são distintas: o contexto de aplicação do processamento em batch permite que seja utilizada uma riqueza maior de detalhes [maior quantidade de variáveis] e um histórico mais longo.
“Por outro lado, quando o contexto exige o processamento online, o usuário fica limitado à velocidade de captura dos dados e da capacidade do controlador utilizado para rodar o algoritmo. Isso pode implicar menos variáveis e um histórico reduzido”, explica ele. Para estudos preliminares, no qual o pesquisador possui tempo para examinar o fenômeno, o processamento em batch acaba sendo o mais adequado.
A grande maioria dos sistemas atuais acaba também utilizando esse sistema, mas não aqueles no qual o cenário de aplicação precisa de um tempo de resposta rápido e apresenta certo nível de imprevisibilidade: “O processamento online é próprio para esse cenário: é o utilizado no Sistema 5G e deverá ser o mais empregado tanto em projetos de indústrias quanto de cidades inteligentes”, acredita Leal.
CONTROLE DO MUNDO FÍSICO – Conhecer pesquisas e projetos de simulação, otimização, Big Data Analytics e IA foi o objetivo da viagem do pesquisador Mario Yoshikazu Miyake, da Seção de Soluções de Software e Sistemas para Engenharia do IPT, ao Departamento de Estatística e Pesquisa Operacional da Universitat Politècnica da Catalunya entre os meses de maio e dezembro de 2019.
“Queremos monitorar o mundo físico para verificar se os processos estão acontecendo de modo normal e esperado: no chão de fábrica, por exemplo, a meta é saber se as máquinas estão funcionando corretamente; em uma cidade, os responsáveis pela administração pública querem garantir a operação normal nos sistemas de transporte e enxergar a existência de gargalos como os congestionamentos”, afirma ele.
O pesquisador permaneceu sete meses na universidade a fim de adquirir capacitação em metodologias de pesquisa operacional e Big Data Analytics que possam ser aplicadas tanto em ambientes de cidades inteligentes quanto Indústria 4.0, e conheceu plataformas e ferramentas computacionais em ambientes ciberfísicos que permitem desenvolver aplicações reais das metodologias, principalmente voltadas ao tema da mobilidade.
“Para controlar o mundo físico, é preciso ter informações de seu estado. Estes dados podem ser coletados hoje em grande escala, a um custo baixo, por meio de sensores inteligentes”, explica Miyake. “Estes sensores podem ser instalados em dispositivos de movimentação do chão de fábrica para colher dados sobre as variáveis de operação e programar, por exemplo, atividades de manutenção; no caso das cidades, os sensores podem ajudar a determinar, no sistema de transporte, a fluidez do tráfico e a velocidade de deslocamento – estes dados alimentam um modelo virtual e permitem saber se o modelo real está de acordo com o esperado ou se existe desvio ou ruptura”.
Um dos desafios a serem enfrentados é a integração de todos os dados coletados para alcançar as melhores respostas e encontrar as soluções mais adequadas dos eventuais problemas detectados: “Existem hoje componentes que já foram testados em aplicações específicas; no caso da Indústria 4.0, por exemplo, é preciso que eles operem de forma integrada, mas as soluções comerciais conhecidas necessitam superar os desafios inerentes de interoperabilidade, intercambialidade, tempo de resposta e cibersegurança”.
PROTÓTIPOS NO IPT – O projeto apoiado pela Fapesp irá executar dois protótipos em laboratórios do próprio IPT, um deles relacionado às cidades inteligentes e o outro à Indústria 4.0. No primeiro caso, o projeto envolve a Seção de Investigações, Riscos e Desastres Naturais para a aplicação de tecnologia destinada à transmissão de dados de sensores instalados em encostas para medição de movimentação e de nível de umidade no solo, assim como dados pluviométricos, em tempo real.
O segundo projeto no IPT envolve a automação da planta-piloto de moagem de minérios do Laboratório de Processos Metalúrgicos, com o objetivo de testar novas técnicas de modelagem e tratamento de dados para otimização de processos, bem como novos tipos de ensaios técnicos. A planta do Instituto será dotada de instrumentos de medição de variáveis de processo, como temperatura, vazão volumétrica e pH, para transmissão de dados para a nuvem que processará as informações para estudos e atuação.
