*** En portugués (o projeto Twin NavAux desenvolvese en portugués e castelán)

O projeto TwinNavAux, centrado na promoção do uso do gémeo digital na Indústria Auxiliar Naval Galiza – Norte de Portugal, publicou um novo “Relatório de Arquitetura Normalizada para a implementação de um Gémeo Digital de produto”.

Um gémeo digital é um modelo virtual que representa o estado exato do seu gémeo físico (real) em qualquer momento e perante qualquer situação a partir da troca de dados reais; os dados fluem do real para o virtual e vice-versa. Qualquer alteração na parte real ou virtual deve refletir-se na outra, de modo que a cópia real-virtual seja exata.

E este gémeo digital pode ser utilizado para a monitorização de um equipamento, sistema ou processo, para a manutenção preditiva de equipamentos e sistemas ou para o ensaio de protótipos e simulação de cenários.

Independentemente do seu uso, e embora varie em função da funcionalidade ou das necessidades, um gémeo digital tem uma arquitetura compostapelos diferentes componentes que integram a sua implementação e que são necessários para um funcionamento ótimo. São eles os sensores, os ambientes de simulação, os ambientes de execução, o armazenamento de dados, a análise (Big Data, ML/DL) e a cibersegurança. Analisemos detalhadamente cada um deles.

Sensores – IoT

O primeiro componente essencial dos gémeos digitais são os sensores. Estes dispositivos medem uma grandeza física e podem ser analógicos ou digitais. São os responsáveis de fornecer várias informações do ativo real. Os denominados sensores inteligentes permitem a leitura da grandeza e também o processamento dos dados.

Há várias tecnologias de sensores disponíveis para a medição de cada tipo de sinal: intensidade, energia elétrica, fluxo, frequência, composição dos gases, energia mecânica, pressão, RPM, temperatura, binário, vibração ou voltagem.

Quando trabalhamos com sensores ligados diretamentea uma rede, devemos utilizaros chamadosIoTgateways. Trata-se de dispositivos que ligam sensores, módulos de IoT e dispositivos inteligentes à nuvem e servem de gate way sem fios para fornecer acesso àInternet a vários dispositivos. Embora fossem originalmente hardware, atualmente já estão disponíveis como software (plataforma virtual) para serem alojados na nuvem ou num servidor local.

Por outro lado, os dispositivos ao nível Edge são responsáveis pela leitura dos dados dos sensores do PLC e por enviá-los a um Data Lake.

Ambientes de Simulação

Os modelos de simulação que reproduzem o comportamento do equipamento real são o núcleo de um gémeo digital.

Existem várias ferramentas para o desenvolvimento de modelos de simulação, entre as quais destacam: SimcenterAmesim, Matlab&Simulink, OpenModelicaeDymola.

O SimcenterAmesim é uma ferramenta para modelar e simular sistemas multidomínio,tais como componentes mecânicos, hidráulicos, pneumáticos, térmicos e elétricos. Permite aos utilizadores criar e validar modelos ao nível do sistema, analisar o comportamento e o desempenho e, para além disso, otimizar a conceção e o funcionamento. Também oferece várias opções de visualização de dados para facilitar a análise e a compressão dos resultados da simulação.

Por outro lado, o Matlab é uma plataforma de programação e computação numérica que permite aos utilizadores analisar dados, desenvolver algoritmos e criar modelos. E o Simulink é um ambiente de diagrama de blocos que permite aos utilizadores conceber sistemas com modelos multidomínios, simular antes de passar ao hardware e implementarsem necessidade de escrever código.

O Open Modelica é uma linguagem informática de código aberto adequada para a modelagem multidomíno de sistemas grandes, complexos e heterogéneos. Permite a inclusão de dados externos atravésdo carregamento de dados em formato de tabela a partir de um ficheiro externo.

O Dymola é uma ferramenta comercial de software de modelagem e simulação concebida para modelar sistemas físicos complexos. Permite carregar e utilizar dados de diferentes formatos de ficheiros, aceder a servidores de dados e fornece ferramentas e funções para visualizar dados de simulações. É compatível com a plataforma de código aberto Open Modelica.

Ambientes de execução

Os ambientes de execução são outro fator essencial na arquitetura de um gémeo digital. E há várias opções.

Em primeiro lugar, o Python. Trata-se de uma linguagem de programação versátil, adaptável e robusta que simplifica a depuração, melhorando desta forma a produtividade e a eficiência. Também é de acesso livre, facilmente legível e compatível com diferentes sistemas, incluindoWindows, Linux e OSX.

Outra opção é o Matlab, que oferece uma interface gráfica de utilizador (GUI) integrada que simplifica a visualização de dados, o desenvolvimento de aplicações e a exploração interativa de algoritmos.

Por outro lado, o Simulink é utilizado principalmente para a simulação autónoma.

Armazenamento de dados

O registo dos dados reais obtidos pelos sensores e dos dados das simulações é essencial, tal como o seu armazenamento em bases de dados acessíveis para a aplicação de técnicas de análise. Por isso, é necessário definir o tipo de armazenamento mais conveniente em função do tipo de dados a armazenar.

O Data Lake é um repositório que armazena dados brutos e não processados de diferentes tipos: estruturados, não estruturados e semiestruturados.

E os consumidores do Data Lake são as aplicações que consultam os dados armazenados.

Análise (Big data, ML/DL)

A componente analítica de um gémeo digital baseia-se em tecnologias de Big Data e em algoritmos de aprendizagem automática (ML) e de aprendizagem profunda (DL) para recolher, processar e analisar grandes volumes de dados. Desta forma, os dados são transformados em informação exata.

No âmbito do Big Data, os denominados “8 V” (ou seja, volume, variedade, velocidade, veracidade, variabilidade, validação, valor e visualização) resumem os desafios e as oportunidades na gestão de dados. Ao integrara ML ea DL, os gémeos digitais podem automatizar tarefas e realizar análises avançadas.

Para responder aos desafios do Big Data, há várias ferramentas que desempenham um papel fundamental: Hadoop, para o armazenamento distribuído e o tratamento de grandes quantidades de dados; Spark, especialista no tratamento em tempo real e na aprendizagem automática; ou Kafka, um sistema de mensagens com uma arquitetura distribuída que garante o equilíbrio de carga e tolerância às falhas.

Por outro lado, os modelos de aprendizagem automática ou Machine Learning desempenham um papel fundamental na análise e exploração de Big Data. Concebidos para extrair informação, prever tendências e otimizar operações com base em padrões previamente identificados, são essenciais para simular o comportamento dos sistemas físicos, prever falhas e melhorar a eficiência dos recursos.

Concretamente, o Deep Laerning (DL), uma subárea do Machine Learning, destaca pela utilização de redes neuronais profundas que têm a capacidade de aprender representações complexas de dados de forma hierárquica, o que lhes permite resolver problemas como o reconhecimento de imagens, a tradução automática e a previsão de séries temporais.

Cibersegurança

As aplicações do gémeo digital apresentam desafios de cibersegurança devido à sua dependência dos dispositivos IoT, do cloudcomputing ou da IA. Por isso, é fundamental garantir a integridade e autenticidade dos dados quando se trabalha com dados procedentes de sensores em tempo real.

A gestão do acesso e os métodos de autenticação são essenciais para minimizar os ataques, tal como a encriptação aplicada à segurança dos dispositivos IoT.

Embora as implementações na nuvem sejam cada vez mais seguras, nunca é demais aumentar os níveis de segurança aplicando boas práticas. Estas podem ser a comunicação e encriptação seguras através daencriptação de ponta a ponta, a gestão da identidade e do acesso (IAM), a deteção e monitorização de ameaças através da implementação de sistemas de deteção de intrusões e da utilização de ferramentas SIEM, as auditorias e correções de vulnerabilidades de software e firmware regulares ou a introdução de mecanismos de assinatura digital ou de Blockchain.

Este relatório é um dos trabalhos que o Projeto TwinNavAux, cofinanciado pela União Europeia através do Programa Interreg VI-A Espanha-Portugal POCTEP 2021 – 2027, desenvolveu e que tem como objetivo estabelecer a base tecnológica e as condições de formação do pessoal necessário para facilitar a implementação massiva de gémeos digitais do produto, tanto no setor naval, como noutros setores de produção da Eurorregião.

Mais informação: www. https://www.cistecnoloxiaedeseno.gal/es/proyecto-twin-navaux/