Utilização de Ultrassons para Monitorizar Ferramentas Metálicas Móveis na Indústria Alimentar e Implementação do Planeamento de Manutenção Baseado na Condição da IA

O SharpSense pretende combinar a monitorização de ultrassons criado por peças metálicas móveis de processadores de alimentos com manutenção preditiva baseada em IA. Um sensor ultrassons em tempo real fornecerá informações sobre a integridade das peças metálicas móveis, permitindo um planeamento de manutenção oportuno e eficiente, eliminando a poluição de alimentos processados por objetos metálicos estranhos, aumentando a segurança alimentar. Ao incorporar sinais de ultrassons em algoritmos, será possível obter uma deteção atempada da degradação da integridade, assinalando necessidades de manutenção. Estas inovações permitirão que o setor alimentar produza produtos 100% livres de MFB, ao mesmo tempo que se aumenta a produtividade e otimiza a utilização de recursos e a tomada de decisões informadas. A monitorização e o controlo de processos através da deteção de sinais de ultrassons é um tema de alta relevância na indústria, âmbito em que o microfone Xarion desempenha um papel crucial, ao permitir a deteção em novas gamas de frequência. A tecnologia proposta é de elevada importância, já que a presença de fragmentos metálicos em produtos alimentares tem implicações sérias na saúde dos consumidores. Para resolver este problema, os fabricantes da indústria de transformação de alimentos estão a redesenhar ativamente as suas máquinas, de forma a minimizar o contacto entre peças metálicas. Os objetivos estratégicos propostos são os seguintes: OE1: Desenvolver uma nova solução de hardware e software que permita a recolha de dados de ultrassons provenientes de peças metálicas móveis, estudando todas as especificidades das tecnologias e metodologias de aquisição de ultrassons. OE2: Recolher dados ultrassónicos e informações sobre os mesmos em contexto real numa instalação de processamento de alimentos, testando diversos sensores disponíveis no mercado e determinar as gamas de frequências mais relevantes para a monitorização do estado de integredidade das peças metálicas. OE3: Desenvolver mecanismos de segurança e proteção de dados. OE4: Preparar os dados recolhidos, removendo outliers e tratando situações de dados em falta, estudar e desenvolver algoritmos de aprendizagem computacional para detetar degradações na integridade dos componentes e implementar metodologias de aprendizagem online para que o modelo seja dinamicamente adaptável ao longo do tempo. OE5: Implementar um sistema robusto e otimizado para planeamento de manutenção baseado em condições de inteligência artificial, potenciando o seu desempenho e acessibilidade ao utilizador. OE6: Testar e validar as soluções obtidas em ambiente simulado, laboratorial e real, que permitam demonstrar fatores inovadores e diferenciadores; OE7: Atingir um volume de vendas acumulado resultantes do projeto de 11.842.000€ em 2031;