Diversos processos são realizados para a montagem completa de uma aeronave. Para o crescimento de processos robustos de automação e robótica nessas tarefas, é necessário que o robô seja capaz de tomar decisões de maneira a otimizar as saídas dos processos. Uma etapa essencial de tomada de decisão é a detecção do estado que se encontra a etapa de montagem. Esse entendimento não é trivial de ser obtido pelas informações disponíveis (velocidades, forças e torques), pois geram relações quantitativas que possuem diferenças difíceis de distinguir mesmo para um especialista humano.
É nessa etapa que entram os processos de inteligência artificial baseados em deep learning com o seguinte propósito:
- conseguir diferenciar os estados e prever a saída de um processo antes que alguma falha aconteça. A capacidade de previsão é poderosa para auxiliar a antecipação e menor número de perdas e paradas no processo de montagem.
Este projeto implementa técnicas de deep learning, tais como redes recorrentes e convolucionais, para auxiliar no processo de tomada de decisão em uma situação de falha: detecção, isolamento e recuperação.
O vídeo abaixo mostra os primeiros resultados que foram obtidos para previsão de falha em tarefas de rosqueamento.
https://www.youtube.com/watch?v=9zDnRfiSmio
Pesquisador Responsável
.JPG)