Como a automação, o aprendizado de máquina e o blockchain estão impulsionando o futuro da fabricação de produtos eletrônicos

A Indústria 4.0 depende da automação inteligente para a fabricação de produtos eletrônicos. A automação cada vez mais capaz está em toda parte, desde a borda até a nuvem, em sensores, robôs e cobots, controladores lógicos programáveis (CLPs) e outros equipamentos. Lâminas de semicondutores, circuitos integrados, componentes passivos, empacotamento e sistemas eletrônicos para aplicações de consumo, energia verde, automotivas, médicas, industriais, militares/aeroespaciais e outras dependem da automação inteligente para sua produção. Os sistemas unificados de execução da manufatura (MES) oferecem monitoramento, controle, rastreamento e documentação em tempo real de toda a cadeia de manufatura, desde as matérias-primas até os produtos acabados.

Os sistemas ciberfísicos automatizados da Indústria 4.0 vão além das atividades tradicionais de fabricação e dependem de várias formas de aprendizado de máquina (ML), desde o aprendizado por reforço profundo na nuvem até o tinyML na borda para produção flexível, melhoria contínua e alta qualidade consistente. O número de camadas de conectividade está crescendo, e a combinação de computação de borda, Internet Industrial das Coisas (IIoT) e computação em nuvem está aumentando os desafios relacionados à segurança cibernética. O Blockchain entrou recentemente em cena para o gerenciamento abrangente e seguro da cadeia de suprimentos.

Este artigo analisa as principais tendências de automação na fabricação de produtos eletrônicos, incluindo as camadas crescentes de conectividade, a necessidade cada vez maior de segurança cibernética, as implementações especializadas de ML que estão sendo implantadas e como a rastreabilidade e o MES suportam métricas e análises de produção em tempo real. Ao longo do caminho, são analisadas algumas das tecnologias necessárias para concretizar plenamente a promessa da Indústria 4.0 de personalização em massa com alta qualidade e baixos custos, incluindo como a DigiKey atende às necessidades dos projetistas de sistemas de automação com uma ampla gama de soluções. Ele termina com uma análise de como o blockchain é usado para implantar sistemas de gerenciamento da cadeia de suprimentos altamente seguros em toda a empresa.

Camadas crescentes de conectividade

A IIoT na Indústria 4.0 inclui mais camadas de rede cabeada e sem fio para redes de sensores, robôs móveis autônomos (AMRs) e outros sistemas. Por exemplo, o IO-Link foi desenvolvido para fornecer uma conexão simplificada de rede cabeada para o grande número de sensores, atuadores, indicadores e outros dispositivos de borda antigos não conectados anteriormente a redes de nível mais alto, como Ethernet IP, Modbus TCP/IP e PROFINET. Com o IO-Link, as entradas e saídas (E/S) desses dispositivos são capturadas e convertidas no protocolo IO-Link para conectividade serial definida na norma IEC 61131-9 com um único cabo não blindado de 4 ou 5 fios definido na norma IEC 60974-5-2 (Figura 1). Além de fornecer uma nova camada de rede para capturar informações mais granulares sobre os processos da fábrica, o IO-Link oferece suporte à implementação rápida e à configuração remota, ao monitoramento e ao diagnóstico de dispositivos conectados para dar suporte às mudanças de linha e de processo necessárias para a personalização em massa nas fábricas da Indústria 4.0.

Figura 1: O IO-Link pode ser usado para conectar sensores e outros dispositivos usando diversas interfaces para redes Ethernet, PROFINET ou Modbus. (Fonte da imagem: Banner Engineering)

Os dispositivos de IIoT sem fio, de sensores a robôs, também contribuem para as crescentes camadas de rede. Vários protocolos sem fio, incluindo Wi-Fi, 5G, LTE e outros, são usados em fábricas modernas. Por exemplo, os AMRs usam uma combinação de sensores na placa e conectividade Wi-Fi para entender seu ambiente, identificar possíveis obstáculos e se deslocar com segurança e eficiência de um lugar para outro. Os robôs colaborativos (cobots) são projetados para trabalhar com pessoas a fim de melhorar a eficiência operacional e, muitas vezes, exigem conectividade sem fio. Em alguns casos, os AMRs movem os cobots de uma tarefa para outra, conforme necessário (Figura 2).

Figura 2: Um AMR (parte inferior) pode navegar de um lugar para outro usando uma combinação de sensores na placa e conectividade sem fio e pegar e mover um cubit (parte superior) para uma nova estação de trabalho. (Fonte da imagem: Omron)

Aumento dos perigos cibernéticos

As camadas crescentes nas redes industriais, combinadas com a explosão do número de dispositivos conectados, estão resultando em um número cada vez maior de vetores de ameaças à segurança e no aumento dos perigos cibernéticos. Foram desenvolvidos vários padrões e metodologias de segurança industriais e específicos da IoT, incluindo o International Electrotechnical Commission (IEC) 62443 e o Security Evaluation Standard for IoT Platform (SESIP).

A IEC 62443 é uma série de padrões desenvolvidos pelo comitê 99 da International Society of Automation (ISA) e aprovados pela IEC. A IEC 62443 é uma série de mais de 800 páginas de padrões para sistemas de controle e automação industrial (IACS) em 14 subseções e quatro níveis (Figura 3). As principais seções que definem o desenvolvimento do produto e os requisitos de segurança dos componentes são:

• IEC 62443-4-1: Requisitos do ciclo de vida do desenvolvimento da segurança do produto – define um ciclo de vida de desenvolvimento seguro do produto, incluindo a definição dos requisitos iniciais, o projeto e a implementação seguros, a verificação e a validação, o gerenciamento de defeitos e correções e o fim da vida útil.
• IEC 62443-4-2: Segurança para sistemas de controle e automação industrial: Requisitos técnicos de segurança para componentes IACS – especifica os recursos de segurança que permitem que um componente reduza as ameaças em um determinado nível de segurança.

Figura 3: A IEC 62443 é um conjunto abrangente de padrões de segurança IACS. (Fonte da imagem: IEC)

O SESIP é publicado pela GlobalPlatform e define uma estrutura comum para avaliar a segurança de produtos conectados e aborda desafios de conformidade, segurança, privacidade e escalabilidade específicos da IoT. O SESIP fornece definições claras da funcionalidade de segurança em componentes e plataformas na forma de Requisitos Funcionais de Segurança (SFRs). Ele também fornece métricas de força que medem a robustez contra os ataques na forma de "níveis" SESIP de 1 a 5, sendo 1 a autocertificação e 5 correspondente a testes extensivos e certificação de terceiros.

ML da nuvem para a borda

O ML é um facilitador essencial da automação inteligente, apoiando melhorias contínuas nos processos e produtos de alta qualidade. O uso de redes neurais é uma técnica de ML bem estabelecida na Indústria 4.0. Ele está começando a ser complementado com o aprendizado por reforço profundo na nuvem. O aprendizado por reforço profundo acrescenta uma estrutura de algoritmos orientados por metas a um núcleo de rede neural. Inicialmente, o aprendizado por reforço era limitado a ambientes repetíveis, como jogos; hoje, os algoritmos podem operar em ambientes mais ambíguos na vida prática. No futuro, as implementações avançadas de aprendizado por reforço poderão alcançar a inteligência artificial em geral.

O ML não está apenas na nuvem; ele está alcançando o chão de fábrica até a borda. Os slots de expansão em PCs industriais e controladores programáveis no chão de fábrica hospedam cada vez mais placas aceleradoras de ML e AI para controle inteligente de processos.

O aprendizado de máquina em escala reduzida (tinyML) é otimizado para ser implantado em aplicações de baixo consumo de energia. O uso de tinyML em aplicações de sensores está crescendo rapidamente. Um exemplo de aplicação tinyML é a análise de sensores IIoT em dispositivos de borda alimentados por baterias ou coleta de energia. A Arduino oferece um kit de aprendizado de máquina em escala reduzida que inclui uma placa Arduino Nano 33 BLE Sense contendo uma MCU e uma variedade de sensores que podem monitorar movimento, aceleração, rotação, sons, gestos, proximidade, cor, intensidade da luz e movimento (Figura 4). Um módulo de câmera OV7675 e uma extensão Arduino também estão incluídos. A MCU na placa pode implementar redes neurais profundas com base na estrutura de aprendizagem profunda de código aberto TensorFlow Lite para inferência no dispositivo.

Figura 4: O kit de aprendizado de máquina em escala reduzida da Arduino foi projetado para desenvolver aplicações de sensores de IIoT. (Fonte da imagem: DigiKey)

Métricas e análises em tempo real

As métricas e análises em tempo real são aspectos essenciais da automação inteligente. A rastreabilidade 4.0 combina a visibilidade do produto, a visibilidade da cadeia de suprimentos e a visibilidade do item de linha das gerações anteriores de rastreabilidade e fornece um histórico completo de todos os aspectos de um produto. Além disso, inclui todos os parâmetros da máquina e do processo e suporta métricas de eficácia geral do equipamento (OEE) que otimizam os processos de fabricação (Figura 5).

Figura 5: A rastreabilidade 4.0 é uma implementação abrangente que suporta os diversos requisitos das operações da Indústria 4.0. (Fonte da imagem: Omron)

A rastreabilidade é vital em muitos setores, desde a fabricação de dispositivos médicos até os setores automotivo e aeroespacial. No caso de dispositivos médicos, os requisitos regulatórios exigem acompanhamento e rastreabilidade abrangentes. Os sistemas automotivos e aeroespaciais podem ter dezenas de milhares de peças a serem rastreadas. Não se trata apenas do histórico da peça; a rastreabilidade inclui o acompanhamento do dimensionamento geométrico e da tolerância (GD&T) de cada peça. O GD&T permite a fabricação de precisão e a instalação de peças com base em seus valores exatos de GD&T, dando suporte a montagens de alta precisão para setores como o aeroespacial e o automotivo.

A rastreabilidade pode melhorar a precisão e a eficiência da implementação de recalls de produtos. Ele permite que o fabricante identifique todos os produtos afetados e o fornecedor ou fornecedores de quaisquer componentes defeituosos.

As ações corretivas e preventivas podem ser aceleradas com o uso da rastreabilidade. Assim como os recalls de produtos, conhecer a procedência completa dos produtos permite que os fabricantes direcionem e programem com eficiência as atividades de serviço e manutenção dos produtos em campo.

Rastreabilidade e MES

As implementações unificadas de MES que incorporam a rastreabilidade podem produzir um banco de dados pesquisável de todas as informações relacionadas a produtos individuais, incluindo projetos conforme planejados e resultados conforme construídos. Por exemplo, a rastreabilidade é usada para acompanhar componentes e materiais individuais à medida que eles chegam, incluindo dados de testes de qualidade de entrada, localização da fábrica fornecedora e assim por diante, antes do início da produção. O MES verifica essas informações com base no projeto planejado e alimenta as operações de montagem de kits e os bancos de dados do trabalho em processo.

Os dados de rastreabilidade fornecidos pela IIoT combinados com o MES dão suporte à personalização em massa de produtos na Indústria 4.0. O MES permite que os materiais, processos e outros recursos corretos estejam no lugar certo para garantir o menor custo de produção e o resultado da mais alta qualidade. Além disso, o MES e a rastreabilidade podem combinar e demonstrar a conformidade com as regulamentações governamentais e tornar os dados prontamente acessíveis a auditores ou outros, conforme necessário.

Blockchain

Um blockchain é um sistema de livro contábil digital descentralizado ou distribuído para registrar transações entre várias partes de forma inviolável e verificável. Todas as transações em que a confiança é importante, como o gerenciamento da cadeia de suprimentos, são usos potenciais do blockchain. Em uma cadeia de suprimentos com muitos participantes, o blockchain pode melhorar a eficiência das transações e torná-las verificáveis e invioláveis. Dois exemplos dos benefícios do uso do blockchain nas atividades da cadeia de suprimentos incluem:

Substituição de processos manuais. Os processos manuais baseados em papel que dependem de assinaturas ou outras formas de verificação física podem ser potencialmente aprimorados com o uso do blockchain. A limitação é que o universo de participantes no livro contábil deve ser finito e facilmente identificável. Uma empresa de entregas com um banco de dados de clientes desconhecidos que muda constantemente pode não ser uma boa candidata para o blockchain. Uma operação de fabricação com um grupo de fornecedores confiáveis finito e que muda lentamente é um bom candidato.

Fortalecimento da rastreabilidade. O Blockchain pode ser uma boa ferramenta para melhorar a transparência da cadeia de suprimentos e atender às crescentes exigências regulatórias e de informações ao consumidor. Por exemplo, o blockchain pode apoiar a Lei de Segurança e Cadeia de Suprimentos de Medicamentos e o mandato de identificador exclusivo de dispositivo da FDA (Food and Drug Administration) dos EUA. No setor automotivo e em outros setores, os fornecedores de toda a cadeia de suprimentos podem estar envolvidos na implementação de recalls, e o blockchain pode ser uma boa ferramenta para implementar a Diretriz de Rastreabilidade publicada pelo Automotive Industry Action Group.

Resumo

A automação inteligente que é a base da Indústria 4.0 depende de várias tecnologias para sua implementação, incluindo um número crescente de camadas de rede com conectividade cabeada e sem fio que resultam em ameaças de segurança cibernética cada vez mais complexas. Além disso, o aprendizado de máquina está sendo implementado desde a borda até a nuvem para dar suporte a métricas e análises em tempo real, incluindo rastreabilidade e MES unificado. Por fim, a tecnologia blockchain está sendo introduzida para dar suporte a bancos de dados invioláveis e verificáveis.