Sistema Inteligente de Supervisão e Controle de Capacidade em Processos Industriais: Integração de SCADA, IA e Aprendizado de Máquina
Data
2024
Título da Revista
ISSN da Revista
Título de Volume
Editor
Instituto de Tecnologia e Educação Galileo da Amazônia
Resumo
Este estudo propõe um sistema baseado em aprendizado de máquina para supervisão e controle de capacidade em automação industrial. A solução integra sensores de alta precisão, controladores lógicos programáveis (PLCs) e um sistema SCADA (Supervisory Control and Data Acquisition), permitindo o monitoramento e ajuste em tempo real de processos de fabricação. A metodologia incluiu o desenvolvimento de um software em C# no ambiente Visual Studio 2015, com interface em um PLC Mitsubishi CPU Q03UDV, e a implementação do sistema em uma linha de produção para avaliação prática. Os resultados demonstraram a capacidade do sistema de manter os índices de capacidade do processo (CpK) acima dos limites críticos (1,33) por meio da correção automática de desvios. Os principais destaques incluem a integração eficiente com redes industriais e a adaptação dinâmica às variabilidades de produção. Por outro lado, foram identificadas limitações, como a dependência de uma infraestrutura robusta e desafios em ambientes com alta interferência eletromagnética. A discussão destaca o potencial de escalabilidade, a aplicação em outros contextos industriais e a inclusão de algoritmos avançados, como redes neurais, para aprimorar a capacidade preditiva. Trabalhos futuros sugerem explorar implementações mais acessíveis para pequenas e médias empresas, integração com IoT para manutenção preditiva e avaliações de sustentabilidade. Esta pesquisa contribui para o avanço da automação inteligente, promovendo qualidade consistente e eficiência operacional na manufatura.
Abstract
This study proposes a machine learning-based system for capacity supervision and control in industrial automation. The solution integrates high-precision sensors, programmable logic controllers (PLCs), and a SCADA (Supervisory Control and Data Acquisition) system, enabling real-time monitoring and adjustment of manufacturing processes. The methodology included the development of a C# software in the Visual Studio 2015 environment, interfacing with a Mitsubishi CPU Q03UDV PLC, and the implementation of the system in a production line for practical evaluation. The results demonstrated the system's ability to maintain process capability indices (CpK) above critical limits (1.33) through automatic deviation correction. Key highlights include efficient integration with industrial networks and dynamic adaptation to production variabilities. On the other hand, limitations were identified, such as dependence on robust infrastructure and challenges in environments with high electromagnetic interference. The discussion highlights the potential for scalability, application in other industrial contexts, and the inclusion of advanced algorithms, such as neural networks, to enhance predictive capabilities. Future work suggests exploring more accessible implementations for small and medium-sized enterprises, integration with IoT for predictive maintenance, and sustainability assessments. This research contributes to the advancement of intelligent automation, promoting consistent quality and operational efficiency in manufacturing.
Descrição
Palavras-chave
Supervisão e controle de processos industriais, Automação inteligente, Aprendizado de máquina, SCADA, Indústria 4.0
Citação
ARAÚJO, Nelson Michel Matos de; MARINELLI FILHO, Nelson; GUIMARÃES, Gil Eduardo; CORREA, Geraldo Nunes; FERREIRA, Matheus Rissardi. Sistema Inteligente de Supervisão e Controle de Capacidade em Processos Industriais: Integração de SCADA, IA e Aprendizado de Máquina. Revista Científica, v. 6, n. 4, p. 1-23, 2024.