IoT-Based Smart Monitoring and Automation for Yield Optimization in Roll-to-Roll Manufacturing

Imagine um chão de fábrica onde longas folhas flexíveis de material — como o plástico usado em painéis solares ou o filme para telas flexíveis — desenrolam-se de um rolo gigante, passam por uma série de máquinas que imprimem, revestem e secam, e depois se enrolam em outro rolo. Este processo contínuo, conhecido como manufatura roll-to-roll (rolo a rolo), é a espinha dorsal da produção de dispositivos flexíveis de alta tecnologia em altas velocidades. No entanto, manter esta fita em movimento perfeita é incrivelmente difícil. Como o material nunca para, uma pequena mudança na temperatura, um leve tremor na máquina ou uma alteração na umidade pode causar defeitos que arruínam milhas de produto antes que alguém perceba. A indústria precisa de uma forma de observar este processo constantemente, não apenas para detectar erros depois que eles acontecem, mas para prevê-los antes que ocorram.

Este é o desafio que Meshack Adams, um pesquisador da Universidade de Abuja, aborda num novo estudo conceitual. Em vez de construir uma máquina física ou realizar um teste de fábrica, Adams desenhou o plano detalhado de um sistema de monitoramento "inteligente". Este sistema utilizaria uma rede de pequenos sensores flexíveis acoplados diretamente à linha de fabricação para recolher dados sobre o ambiente e o comportamento da máquina. Estes sensores comunicariam com um sistema de computador central, que utilizaria inteligência artificial para procurar padrões e um "gêmeo digital" — uma cópia virtual da linha de fábrica real — para simular o que está a acontecer. O objetivo é criar um ciclo onde o sistema veja um problema a aproximar-se, preveja um defeito e sugira uma correção aos operadores humanos ou à própria máquina, tudo isto enquanto o produto ainda está em movimento.

O artigo não afirma ter resolvido o problema da perda de rendimento ou ter provado que este sistema funciona numa fábrica real. Adams é muito claro ao afirmar que isto é uma proposta, um quadro teórico construído ao conectar tecnologias existentes que foram estudadas separadamente. A investigação sugere que, ao combinar sensores flexíveis, conectividade à internet e inteligência artificial, os fabricantes poderiam passar de reagir aos defeitos para os prevenir. O estudo descreve como tal sistema seria estruturado, o que mediria e como tomaria decisões, mas para antes de testar estas ideias no mundo real.

Para compreender por que razão isto é importante, deve-se olhar para a natureza do processo de fabricação. Na manufatura tradicional, os itens são feitos um a um, permitindo verificações entre etapas. No roll-to-roll, o material é um fluxo contínuo. Se a temperatura subir ligeiramente na secção de secagem, a tinta pode não secar corretamente, levando a um desalinhamento que arruína o produto milhas adiante. Quando um trabalhador vê o defeito, milhares de dólares em material podem já ter sido desperdiçados. A solução proposta envolve a colocação de sensores ao longo de todo o comprimento da linha de produção. Estes sensores seriam flexíveis e poderiam ser impressos diretamente na maquinaria ou no próprio material, medindo coisas como temperatura, humidade e a tensão do tecido em movimento.

Assim que estes sensores recolhem os dados, a informação viaja através de uma rede de comunicação para um núcleo central. Aqui, o sistema não se limita a armazenar os números; ele analisa-os. O estudo propõe o uso de inteligência artificial para aprender o que é o "normal" e para detetar quando o processo começa a desviar-se. Se a IA detetar um padrão que costuma levar a um defeito, pode sinalizar o problema imediatamente. É aqui que entra o conceito de gêmeo digital. O gêmeo digital é um modelo virtual da fábrica que corre em paralelo com a real. À medida que a máquina real opera, o modelo virtual atualiza-se com os mesmos dados. Isto permite que o sistema teste diferentes cenários no mundo virtual. Por exemplo, poderia perguntar: "Se reduzirmos a velocidade da máquina em 5% agora, o defeito desaparecerá?" e obter uma resposta antes de realmente alterar a velocidade da máquina real.

Os investigadores identificaram várias áreas específicas onde este monitoramento seria mais útil. Destacaram a temperatura e a humidade como fatores críticos, pois estas podem alterar a forma como os materiais se comportam. Também apontaram para o alinhamento das camadas impressas, conhecido como registo, que é vital para dispositivos com múltiplas camadas de circuitos. O estudo sugere que, ao monitorar estas variáveis em tempo real, o sistema poderia prever erros de registo antes que aconteçam. O quadro também considera as necessidades de energia dos sensores, sugerindo que alguns poderiam ser autoalimentados, gerando a sua própria eletricidade a partir do movimento da máquina, o que eliminaria a necessidade de baterias ou fios em locais de difícil acesso.

No entanto, o artigo é cuidadoso ao distinguir o que é conhecido do que é meramente sugerido. O estudo confirma que as peças individuais deste puzzle — sensores flexíveis, inteligência artificial e gêmeos digitais — existem e foram estudadas em outros contextos. O que é novo aqui é a ideia de colocar tudo isto num único sistema coeso especificamente para a manufatura roll-to-roll. O autor afirma explicitamente que não construiu um protótipo, nem mediu qualquer melhoria real no rendimento da produção. Não provaram que este sistema pouparia dinheiro ou reduziria o desperdício numa fábrica real. Em vez disso, forneceram um mapa de como tal sistema poderia ser construído.

O valor deste trabalho reside na sua estrutura. Oferece um caminho claro para engenheiros que desejam passar de medições isoladas para uma fábrica totalmente conectada e preditiva. O estudo delineia os passos necessários para transformar esta ideia em realidade: primeiro, calibrar os sensores; segundo, realizar experiências controladas para recolher dados; e terceiro, treinar os modelos de inteligência artificial para reconhecer os padrões específicos de uma linha roll-to-roll. Até que estes passos sejam dados, o sistema permanece um conceito. A investigação não afirma que a tecnologia esteja pronta para ser instalada amanhã, mas argumenta que as peças estão disponíveis para a construir.

No fim, este artigo é uma proposta para uma forma mais inteligente de observar uma fábrica. Vislumbra um futuro onde a linha de fabricação não é apenas uma série de máquinas, mas um sistema conectado que compreende o seu próprio estado. Ao ligar o movimento físico do material a um modelo digital e usar inteligência artificial para interpretar os dados, o sistema visa detetar problemas precocemente. Embora o estudo não ofereça um produto acabado, fornece uma base sólida para a próxima geração de manufatura, onde o objetivo é prevenir o desperdício antes que ele aconteça, em vez de o separar depois de ocorrido. O trabalho sugere que, com a combinação certa de sensores e software inteligente, a tarefa difícil de manter uma linha de produção contínua perfeita poderá tornar-se muito mais gerível.