REFEREE - Rede 6G Privada como Plataforma Multifuncional para uma Indústria 5.0 Fiável e Operacionalmente Eficiente

A componente nacional do projeto REFEREE incide sobre o Caso de Uso 4 – Operação Preditiva na Indústria 5.0 para Máquinas de Lavar Industriais. Cada máquina expõe um conjunto de operações sensorizadas (admissão, dosagem, pré-lavagem, aquecimento, agitação, centrifugação, descarga, entre outros, até cerca de 40 parâmetros sensorizados) permitindo a sua monitorização e otimização em tempo real através de um digital twin alojado numa infraestrutura de edge computing. Este digital twin integra modelos de deteção de anomalias, previsão de falhas de curto prazo, determinação de consumo e preço de energia e água em função de tarifas dinâmicas, e rotinas de auto-recuperação e alarmística, orquestradas por uma camada de Data Fabric e Interoperabilidade Semântica desenvolvida e liderada pela Ubiwhere. Este ciclo é complementado pelo Generative What-If Cockpit, desenvolvido pela Zenithwings, que permite aos operadores simular ajustes de processos, alterações na operação, impacto de alterações de preço no ROI e otimização de tempo de ciclo e de utilização de inventário de forma explicável e auditável. No curto prazo, esta componente conduzirá à entrega de um demonstrador validado de operação preditiva para máquinas de lavar industriais, com benefícios quantificáveis: - Detecção de 80% das anomalias potencialmente críticas com capacidade de emissão de alerta em near-real-time (< 1 min); - Redução da necessidade de intervenção humana em tarefas correntes de (re-)configuração da máquina após eventos anómalos; - Estimativa do ROI operacional com recurso a modelos preditivos com erro médio (MAPE) < 20%, considerando fatores intrínsecos e extrínsecos; - Optimização de parâmetros operacionais com vista ao aumento da sua eficiência (tempo de operação, número de lavagens e inventário por lavagens) com base em simulações generativas What-If. Os resultados obtidos permitirão demonstrar o potencial de aplicação industrial e preparar a transição para cenários piloto mais abrangentes e próximos do ambiente real, nomeadamente em setores como facilities industriais, hotelaria e lavandarias industriais. A Ubiwhere e a Zenithwings beneficiarão de forma estruturante do projeto, reforçando competências em IA preditiva e generativa, digital twins, interoperabilidade semântica e comunicações 6G privadas. A Ubiwhere lidera o desenvolvimento da camada de Data Fabric e Interoperabilidade Semântica, assegurando a ingestão, harmonização e governança dos dados industriais em conformidade com práticas de OpenLineage e modelos de dados inteligentes (Smart Data Models), assegurando a representação do Digital Twin em near-real-time e de forma interoperável com outros sistemas e máquinas. Desenvolverá ainda modelos de Machine Learning e Inteligência Artificial para detecção de anomalias e analítica preditiva em time series. Este trabalho proporcionará à Ubiwhere uma vantagem competitiva clara no domínio das plataformas de gestão e interoperabilidade de dados, abrindo caminho à comercialização das suas soluções de Interoperabilidade e Processamento de Dados em aplicações de Indústria 5.0, energia e cidades inteligentes. A Zenithwings lidera a implementação e validação do caso de uso de cenários e simulação generativa. A empresa desenvolve e valida o ambiente de digital twins que integra operações sensorizadas, telemetria e feedback de controlo das máquinas, criando o cockpit generativo de simulação (“What-If Cockpit”) que permitirá aos operadores testar, de forma segura e rastreável, cenários de otimização e manutenção. A Zenithwings coordenará ainda a fase de testes e validação em ambiente real, garantindo a medição objetiva dos ganhos de eficiência, qualidade de serviço, manutenção preditiva e sustentabilidade. Com base nos resultados, a empresa evoluirá o seu toolkit de operação preditiva e digital twins para uma solução escalável e comercializável, dirigida a PME industriais europeias que procuram automatizar processos e reduzir consumos energéticos e ambientais.