SHOE.AI — Fábrica Ciber-Física Inteligente para Calçado Flexível com IA

O SHOE.AI visa desenvolver e validar industrialmente um sistema ciber-físico integrado de fabrico inteligente de calçado, com os seguintes objetivos específicos: Objetivo 1 — Inspeção de qualidade por IA: Desenvolver software de visão computacional baseado em deep learning para deteção automática inline de defeitos em couro natural, atingindo =95% de taxa de deteção (vs. ~85% manual) com eliminação da variabilidade inter-operador. O sistema será treinado em datasets anotados de amostras reais usando transfer learning e data augmentation, e lidará com a variabilidade intrínseca do couro (espessura, cor, grão, propriedades mecânicas). Inclui marcação digital de defeitos com eliminação de marcações físicas a tinta. Líder: MIND. KPI: taxa de deteção =95%, falsos positivos <5%. Objetivo 2 — Manipulação robótica de materiais flexíveis: Desenvolver células robóticas com grippers adaptativos e sensing de força-torque para pick-and-place autónomo de peças de couro pós-corte, atingindo =90% de taxa de preensão sem danificar superfícies delicadas. Desafio fundamental: os robots industriais são otimizados para materiais rígidos; o couro é deformável, variável em espessura e requer manipulação cuidadosa. Líder: DCSI PRO. KPI: taxa de preensão =90%, danos superficiais 0%. Objetivo 3 — Raspagem laser assistida por IA: Desenvolver software de geração automática de trajetórias laser 3D a partir de modelos CAD de calçado, com compensação por IA de curvatura superficial e variação de espessura, atingindo resistência de adesão =4 N/mm2. Nenhum sistema comercial oferece geração automática de trajetórias 3D para calçado. Líder: DCSI PRO. KPI: resistência adesão =4 N/mm2, repetibilidade =98%. Objetivo 4 — Gémeo digital operacional e planeamento por IA: Desenvolver o FOOTWEAR TWIN — primeiro industrial Digital Twin (iDT) operacional para calçado, colmatando a lacuna identificada na literatura face a setores como automóvel e aeronáutica — e o OPTIMIZE (motor de IA para planeamento, replaneamento e otimização industrial), integrados no ERP OLIFEL como 'single source of truth' da fábrica, visando melhoria de OEE =15% e precisão de planeamento =90%. Objetivo 5 — Integração e validação industrial (TRL 6?8): Integrar todos os outputs dos PPS em estações Quality Gate e validar a TRL 8 em dois sites industriais complementares — CARITÉ (demonstrador completo end-to-end da linha de injeção) e RODIRO (deployment modular de Quality Gates em linhas de produção existentes). Validação com medição antes/depois contra baseline industrial (T4.2). Líder: DCSI PRO (integração), OLIFEL (gémeo digital). KPI: TRL 8 atingido, =5 cenários validados por produto. Objetivo 6 — Inovação produtiva: Implementar investimentos produtivos complementares à I&D: 3 instalações especializadas na DCSI PRO (AI Vision Factory, AI Robotic Factory, AI Laser Lab), linhas robóticas e laboratório de QC na RODIRO, e linha de raspagem automática e equipamento de injeção na CARITÉ. Estes investimentos incorporam os resultados de I&D nos processos produtivos e criam infraestrutura para prestação de serviços tecnológicos. Líder: CARITÉ. KPI: instalações operacionais, capacidade produtiva aumentada. Todos os objetivos são SMART: Específicos (cada intervenção visa um processo industrial definido com baseline e target mensuráveis), Mensuráveis (KPIs técnicos quantificados — deteção =95%, preensão =90%, adesão =4 N/mm2, OEE +15%, planeamento =90%), Alcançáveis (consórcio com competências comprovadas — MIND: 27 anos IA/CV, parceria ZÜND global; DCSI PRO: projetos turnkey robótica; OLIFEL: 35+ anos ERP fabril; INESC TEC: dezenas de projetos H2020/HE em IA e otimização; CTCP: coordenação FAIST, investigadores em CV/deep learning e robótica), Relevantes (respondem ao Plano APICCAPS 2030 Eixo 3, à ENEI domínios 'Indústrias e Tecnologias de Produção', e ao Programa Década Digital 2030) e temporalmente definidos (36 meses com milestones em M12, M18, M28, M34). Os KPIs serão verificados por medição industrial em condições reais (A5-A6), com baselines pré-intervenção documentados (T4.2 — Industrial Baseline Assessment) e comparação antes/depois em métricas de qualidade, produtividade e eficiência. O projeto gera 9 deliverables de I&D (protótipos funcionais TRL 6-8), 3 investimentos produtivos complementares, e uma metodologia de replicação (Replication Playbook) para disseminação pan-europeia.