• 6 de agosto de 2019
• Blog

Digital Twin na Indústria Automobilística

O mundo vem se transformando nos últimos tempos. Essa mudança começou com o processo de transformação digital dentro da indústria e acabou se espalhando para todas as áreas da economia. Cada vez mais nosso mundo vem se fundindo à dispositivos que nos auxiliam na tomada de decisões – quando não as toma por nós. E nesse ambiente de “digitalização do mundo”, cada vez mais se faz presente o termo Digital Twin.

Tido como um dos elemento-chave da Indústria 4.0, o Digital Twin consiste na combinação do mundo físico (sensores, equipamentos) com o virtual (dados de sensores, Machine Learning, VR), auxiliado por um sistema de inteligência artificial, resultando em um sistema capaz de identificar e propor soluções à problemas, antes mesmo que eles ocorram.

Apesar de ter sua origem no setor industrial, esse conceito vem se tornando cada vez mais abrangente e já pode ser estendido para praticamente qualquer área, seja sua casa, cidades inteiras, ou mesmo o seu carro.

O conceito de Digital Twin, na verdade, engloba a união de várias outras tecnologias, em particular Internet das Coisas (IoT), para conectar o mundo físico e digital, coletando dados do “gêmeo real” para ser replicado no “gêmeo virtual”; aprendizado de máquina (Machine Learning) para analisar esses dados, combinando-os com os de gêmeos semelhantes e realidade virtual (Virtual Reality) para simular o comportamento do equipamento e propor/implementar, quando necessário, a ação mais adequada para uma melhor performance do “gêmeo real”.

Unindo todos esses elementos, é possível perceber que, caso determinado produto desenvolva um Digital Twin para apenas um elemento, o sistema de inteligência artificial, responsável por processar todos os dados recebidos e tentar estimar como o “gêmeo real” irá se comportar, terá uma curva de aprendizado muito lenta e, provavelmente, pouco relevante. Dessa forma, algo fundamental para a correta implementação de um Digital Twin, de determinado produto, consiste em que cada elemento fabricado tenha seu próprio DT e que todos consigam trocar informações, de modo a acelerar a curva de aprendizado.

De forma resumida, a implementação de um Digital Twin deve abranger 3 etapas:

• Etapa de Monitoramento: Basicamente consiste em coletar informação sobre cada elemento físico – gêmeo real. Tradicionalmente, essa coleta é feita por meio de diversos sensores instalados em cada elemento, enviando dados à uma nuvem e mostrados em um dashboard ou utilizando realidade aumentada. Com isso, é possível simular a condição operacional do equipamento – gêmeo digital – em tempo real.
• Etapa de Análise: Para o Twin ser mais eficiente, é necessário que todos os elementos físicos possuam um Digital Twin associado, de modo que o volume total de dados seja amplificado. Esses dados passam a ser então compartilhados entre todos os Digital Twins e, por processos de Machine Learning e Inteligência Artificial, o sistema passa a procurar por anomalias de funcionamento e o que essas anomalias podem causar se não tratadas. Nessa etapa, é fundamental a assimilação de informações do projeto do elemento, de modo a ser possível rodar simulações analíticas, capazes de prever condições não ideais ou de falha e propor alterações.
• Etapa de Ação: Uma vez feita a análise de um comportamento não-ideal (e eventualmente sua validação humana, se necessário), o Digital Twin envia, de volta para o “gêmeo real”, os comandos para atualização/alteração de parâmetros, ou instruções para que algum operador possa realizar as alterações necessárias.

Para exemplificar esse conceito, vamos partir de um determinado modelo de carro. A maioria dos modelos novos de carros já possuem sistemas de computador embarcado que fazem a monitoração de praticamente tudo que acontece no carro, e muitas vezes já vem programados para identificar variações de comportamento e alertar o motorista caso algum problema seja detectado.

Entretanto, essas informações são baseadas apenas no que foi identificado durante a fase de projeto do modelo, dificilmente podendo ser atualizada, e quando o é, a atualização se dá durante momentos bem específicos, em geral de revisão, dentro da concessionária.

Agora imagine que esse mesmo modelo de carro passe a ter um equipamento que o mantenha conectado à uma cópia sua, digital. Todos os dados de sensores registrados são enviados para uma nuvem, que passa a registrar a vida desse carro, bem como todos os demais exemplares desse mesmo modelo.

Em determinado momento, o “gêmeo virtual” percebe que o consumo médio de combustível caiu, mesmo sem o padrão de dirigibilidade do motorista ter sido alterado significativamente. Entretanto, nenhum dos sensores físicos do carro acusou falha de funcionamento.

Ao detectar isso, o “gêmeo virtual” passa a pesquisar todos os processos de manutenção feitos, por todos os demais gêmeos do mesmo modelo, procurando por similaridades na condição inicial e soluções que possam corrigir tal variação de comportamento.

Assimilado a isso, o “gêmeo virtual” conseguiria ter acesso aos dados do projeto e estimar como essa queda de rendimento evoluiria com o tempo, bem como consultar o custo de reparo em uma oficina da concessionária. Com essas informações, o “gêmeo digital” envia ao “gêmeo real” uma estimativa de quando seria melhor intervir para manter o funcionamento otimizado do carro.

Desafios na indústria automotiva

A indústria automotiva possui um complexo processo de manufatura que envolve varios estágios desde conceito, design, planejamento, execução, vendas e pós-vendas (manutenção e reciclagem), e esse processo normalmente leva cerca de 5 anos de desenvolvimento. Qualquer erro nesse processo pode levar a empresa a perder milhões, não somente para realizar recall mas também por degradar a imagem da marca.

Essa indústria apresenta desafios em todos os estágios de desenvolvimento. Para citar alguns, temos:

• Etapa de conceito e design: nessa etapa, os designers precisam lidar com muitas informações que, de modo geral, estão espalhadas por diversos setores. Sejam informações de performance de veículos de gerações passadas, feedback de usuários ou avaliações sobre comportamento de features. Essas informações são vitais para definir o veículo conceito e evitar repetição de erros de projetos passados.
• Etapa de execução do projeto: a evolução da tecnologia dos novos modelos de veículos elétricos/híbridos e autônomos, a possibilidade de personalização do veículo, entre outros fatores, estão adicionando ainda mais complexidade e necessidades de flexibilização das linhas de produção.
• Etapa de pós-venda: de modo geral, a etapa de manutenção de um determinado modelo de carro é feita baseada em histórico de falhas de peças de outros modelos. Isso por que quando um modelo é lançado, não há histórico suficiente para definir um roteiro de manutenção específico. Qualquer manutenção fora desse roteiro pré-definido, somente é feita de forma reativa, ou seja, só ocorre quando o consumidor requer alguma mudança ou te algum problema com o veículo.

Todos esses desafios no processo de manufatura dos carros, quando somados com os novos modelos de negócio que vem surgindo para o setor de transportes – transporte por aplicativo, sistemas de incentivo à carona, sistemas de locação de bicicletas e patinetes, flexibilização dos sistemas de locação de veículos – estão fazendo com que as pessoas reavaliem a necessidade de compra de um veículo, o que vem obrigando a indústria automotiva a se reinventar.

Como o Digital Twin pode ajudar?

Além do benefício direto ao usuário, uma vez que o Digital Twin passa a ser uma ferramenta para auxiliá-lo a conseguir a melhor performance do veículo, o volume de dados gerados pelo conjunto de Digital Twins passa a ser uma fonte de informação e feedback extremamente significativa a todas as montadoras.

Idealmente, com a implementação do modelo de Digital Twin para um determinado modelo de veículo, é possível mudar radicalmente a forma de interação pós-venda entre concessionária e cliente. Uma vez que cada carro passa a possuir um sistema de monitoramento em tempo real de sua condição – não só com leitura de sensores, mas com análise de comportamento e um sistema de inteligência artificial analisando o comportamento do carro de forma geral – é possível acabar com o modelo de manutenção baseado em quilometragem e tempo, para um modelo em que o próprio Digital Twin do carro iria definir quando seria o melhor momento para realizar manutenções, comparando a evolução da performance do veículo e o custo de cada procedimento necessário, calculando o instante ótimo para minimizar os custos.

Com isso, ao invés de simplesmente o painel do carro avisar que está na hora da revisão porque o carro já percorreu determinada quilometragem, será enviada mensagem para o usuário informando que se uma manutenção, com determinado custo estimado, a performance do carro deve melhorar de determinada forma e consequentemente esse custo se pagaria em um período também definido.

Já para casos críticos – quebra de correia, desgaste excessivo de freio, níveis de fluidos baixos – o próprio sistema de bordo pode definir limites de quilometragem para que esses problemas sejam resolvidos, mantendo o carro seguro, bloqueando o carro após isso e garantindo a segurança dos passageiros.

Em paralelo, todos os dados gerados tendem a gerar informações reais, muitas vezes não previstas em projeto, permitindo um reajuste na linha de produção, praticamente em tempo real, bem como concentrar informações para a base de novos projetos.

Cenário do Brasil

Alguns elementos primordiais para o digital twin são a coleta de dados dos sensores e a conectividade do veiculo. Alinhado a essa tendencia mundial, muitas montadoras brasileiras estão focando nesse quesito em 2019. Segundo Helio Owama, diretor de produtos da Qualcomm Brasil, sua empresa criou uma área para auxiliar a industria automotiva a conectar os seus veiculos a rede móvel. Possuindo parcerias com mais de 18 fabricantes do mercado mundial, incluindo Volkswagem, GM, Mercedes Bens, Audi e Toyota.

Apesar de apresentar vários beneficios tanto para os consumidores como para as fabricantes, implementar uma mudança dessas em um processo longo e complexo como o da industria automobilistica não é nada trivial, mas alguns passos já foram dados nessa direção, como o Rota 2030 que pretende preparar a industria brasileira para a Indústria 4.0, e os investimentos em conectividade por parte das montadoras brasileiras em 2019.

Este artigo foi escrito em parceria com Pedro de Souza Lobo Almeida.