Teaching Industry 4.0: An Open-Source Framework for Cooperative Robotics in the Learning Factory

As fábricas modernas estão mudando. Elas estão se tornando lugares onde as máquinas conversam entre si, tomam suas próprias decisões e se deslocam sem motoristas humanos. Essa mudança, frequentemente chamada de quarta revolução industrial, baseia-se em três ideias principais trabalhando juntas. Primeiro, existem os "sistemas ciberfísicos", que significam simplesmente máquinas físicas, como robôs, que estão conectadas a cérebros digitais. Segundo, a "Internet das Coisas" permite que essas máquinas enviem dados sobre seu status e arredores através da internet. Terceiro, a inteligência artificial ajuda as máquinas a ver e entender o que estão enxergando. Para os engenheiros do futuro, aprender como construir e gerenciar essas máquinas que falam e pensam não é mais opcional; é essencial. No entanto, ensinar essas habilidades complexas em uma sala de aula é difícil. Robôs de fábricas reais são caros, e o software que os faz funcionar é frequentemente complexo demais para os alunos experimentarem. As escolas precisam de uma maneira de mostrar aos alunos como essas diferentes partes se encaixam sem gastar muito dinheiro.

Uma equipe de pesquisadores do Instituto Tecnológico de Monterrey e de Ensino Superior, no México, construiu uma solução para este problema. Eles criaram um modelo funcional de uma célula de fábrica inteligente que os alunos podem construir, quebrar e consertar. Este projeto não é apenas uma simulação em uma tela de computador; é uma configuração física onde robôs reais movem objetos reais. O objetivo era provar que um sistema de baixo custo e código aberto poderia lidar com uma tarefa complexa: pegar itens, identificar sua cor e classificá-los em diferentes recipientes, tudo isso mantendo um registro digital de cada movimento. Os pesquisadores queriam ver se esse tipo de projeto prático poderia realmente ensinar os alunos a integrar robótica, conectividade de internet e inteligência artificial.

O sistema que eles construíram baseia-se em dois robôs principais trabalhando em equipe. Um é um robô móvel, um Veículo Inteligente Autônomo (AIV) Omron LD-60, que dirige sozinho pelo chão. O outro é um robô colaborativo estacionário Omron TM5-900 que fica sobre uma mesa. Para fazê-los trabalhar juntos, os pesquisadores os conectaram através de uma rede que atua como um sistema nervoso, permitindo que os robôs enviem mensagens de volta e para frente instantaneamente. Quando o robô móvel chega à mesa, ele para e espera. O braço robótico então alcança para pegar um bloco. Antes de o braço mover o bloco, uma câmera tira uma foto dele. É aqui que a inteligência artificial entra. Em vez de usar uma regra simples e pré-programada para adivinhar a cor, o sistema envia a imagem para um serviço de IA baseado em nuvem potente. A IA olha para a imagem e diz ao sistema exatamente qual é a cor do bloco.

Uma vez conhecida a cor, o sistema toma uma decisão. Se o bloco for verde, o robô móvel é instruído a dirigir até o ponto de destino verde. Se for azul, ele vai para o ponto de destino azul. O braço robótico então pega o bloco e o coloca sobre o robô móvel, que dirige até o local correto para deixá-lo. Durante todo este processo, cada ação é registrada em um banco de dados na nuvem. Isso significa que qualquer pessoa com acesso à internet pode visualizar um painel ao vivo mostrando exatamente onde os robôs estão, o que estão fazendo e se ocorreram quaisquer erros. Os pesquisadores projetaram as partes do robô, como a garra que segura os blocos, usando impressoras 3D, mantendo o custo do hardware muito baixo. Eles disponibilizaram gratuitamente todo o código de computador e os planos de design, para que outras escolas possam copiar a configuração exatamente.

A equipe testou este sistema rigorosamente. Eles realizaram o processo de classificação cem vezes seguidas para ver com que frequência funcionava sem falhas. Os robôs completaram a tarefa com sucesso noventa e quatro por cento das vezes. Quando analisaram especificamente o quão bem a inteligência artificial identificou as cores, ela estava correta noventa e quatro vírgula dois por cento das vezes. O sistema também foi rápido; o tempo que os robôs levaram para enviar mensagens uns aos outros foi medido em trinta e dois milissegundos, uma fração de segundo. Os pesquisadores também mediram o quanto os alunos aprenderam. Antes do projeto, os alunos avaliaram seu entendimento dessas tecnologias em uma escala. Após construir e operar o sistema, sua confiança e conhecimento autorrelatados saltaram significativamente.

O projeto revelou algumas limitações que são importantes para o aprendizado futuro. Embora o sistema tenha funcionado bem, os pesquisadores observaram que depender da internet para a visão de IA cria um risco. Se a conexão com a internet falhar, os robôs não conseguem "ver" os blocos. Eles também descobriram que o tempo que a IA levou para processar uma imagem foi de cerca de um ponto oito segundos, o que é rápido para uma sala de aula, mas pode ser muito lento para uma fábrica de alta velocidade. Esses problemas não foram vistos como falhas, mas como lições valiosas. Eles fornecem um exemplo concreto para os alunos discutirem como tornar os sistemas mais confiáveis, talvez adicionando sistemas de backup ou processando dados localmente no robô em vez de na nuvem.

Este trabalho demonstra que é possível construir um sistema de robótica cooperativa sofisticado que seja acessível o suficiente para uma sala de aula universitária. Ao combinar um veículo autônomo, um braço robótico, inteligência baseada em nuvem e um sistema de rastreamento digital, os pesquisadores criaram uma ferramenta de aprendizado completa. O sistema alcançou uma confiabilidade de classificação de noventa e oito por cento e uma precisão de visão de noventa e quatro vírgula dois por cento, provando que componentes de baixo custo podem realizar tarefas industriais complexas. Mais importante ainda, mostrou que quando os alunos constroem esses sistemas por conta própria, eles ganham uma compreensão muito mais profunda de como o futuro da manufatura realmente funcionará. O projeto oferece um roteiro para que as escolas ensinem a próxima geração de engenheiros a gerenciar as fábricas inteligentes e conectadas de amanhã.