Francisco José Profito.

Projeto EmbrapiiEPUSP junto ao IPT e as empresas Austral Dynamics, FIPT-Industrial e CNH-Industrial. O projeto tem como objetivo o desenvolvimento de gêmeo de digital de uma colhedora de cana-de-açúcar.Função: Colaborador para o desenvolvimento de modelos matemáticos do equipamento.

O objetivo do projeto é propor avanços na fronteira do conhecimento em modelagem matemática e simulação numérica de sistemas lubrificados para a investigação de soluções tribológicas de mancais de deslizamento de alto desempenho para aplicações em turbinas eólicas, contribuindo assim para o desenvolvimento científico e tecnológico voltados para a geração de energia limpa, sustentável e com baixo impacto ambiental. Projeto FAPESP de Auxílio à Pesquisa (2022/03110-0).

Este projeto de pesquisa visa aprimorar o aproveitamento do recurso eólico ao atingir os seguintes objetivos: (i) produção de ferramentas de inteligência artificial (IA) para caracterizar os desvios entre previsão e geração, identificando as prováveis causas, (ii) produção de ferramentas de IA para o diagnóstico e prognóstico de falhas mecânicas e elétricas e desenvolvimento de filosofia avançada de manutenção preditiva, (iii) produção de ferramentas de IA que permitam identificar e classificar avarias nas superfícies das pás de aerogeradores a partir do processamento de imagens capturadas em campo, e (iv) atualização dos modelos de conversão de energia com as ferramentas e conhecimentos decorrentes dos objetivos anteriores. Os produtos finais deste projeto serão um conjunto de metodologias e softwares, testados, validados e prontos para serem utilizados. Eles terão o potencial de gerar impacto significativo para o negócio pois, ao mapear falhas de aerogeradores e respectivas causas, possibilitarão a implementação de procedimentos de operação e manutenção mais eficientes, que levarão a um aumento do fator de capacidade, da eficiência energética e da vida útil dos ativos de parques eólicos. Dentre os objetivos específicos está a avaliação do arcabouço regulatório e a previsão de perda de receita para intervalos e frequências de falhas e de manutenção, bem como o impacto do aumento de disponibilidade na receita do parque. Assim, este projeto dará o diagnóstico e apresentará formas de aumentar a receita do negócio geração de energia eólica de forma integrada, agilizando as tomadas de decisões. O trabalho proposto está na fronteira do conhecimento da aplicação de modelagem e simulação computacionais, big data e inteligência artificial ao setor de energia eólica, ao utilizar técnicas que estão atualmente sendo estabelecidas na comunidade acadêmica e técnica e utilizando um conjunto de dados global de monitoramento que está será construído na indústria, e possibilita uma miríade de aplicações que começa a ser explorada. A aplicação na divisão de operação e manutenção é imediata, com ganhos a serem realizados no curto e no médio prazo. São desenvolvimentos relevantes para empresas de energia, que aumentam a lucratividade do negócio, mas também trazem benefícios para a sociedade em geral, ao aumentar a segurança energética e diminuir o custo de uma fonte de geração limpa. Desde a sua concepção, os produtos deste projeto serão desenhados para grande escala, tomando como premissa que serão monitorados simultaneamente centenas de aerogeradores. Isto facilita um retorno financeiro muito favorável, já que uma troca de componente de grandes dimensões de um único aerogerador tem custo da ordem de milhões de reais. Os custos deste projeto serão compensados se três ou quatro quebras forem evitadas ao longo dos próximos anos, sem contar os ganhos de produtividade e economias na operação do parque. Isto mostra que o projeto tem excelente razoabilidade de custos. O pesquisador trabalha com o desenvolvimento de modelos físicos de componentes do drivetrain de turbinas eólicas para a geração de dados para o treinamento de modelos de inteligência artificial para a manutenção desses sistemas.

O projeto tem como objetivo avaliar, por meio de simulação numérica, o efeito da topografia de cilindros de compressores herméticos alternativos no desempenho tribológico e na integridade superficial do sistema pistão-cilindro de tais equipamentos.Financiador: Embraco / Nidec Global Appliance Brasil

Este projeto consiste no desenvolvimento de uma metodologia baseada nos conceitos de machine learning (aprendizado de máquina) para combinar dados obtidos por medições em vias e geometria de rodas, com os seus respectivos desvios dimensionais, e resultados de simulações numéricas, de modo a determinar tensões críticas no contato roda-trilho. O algoritmo obtido permitirá obter resultados que podem contribuir na estimação de ciclos de manutenção, baseados em um índice de qualidade de via. A metodologia é baseada na seleção das ferramentas computacionais, análises dos dados para cada tipo de ferramenta selecionada, para a construção do algoritmo de inteligência artificial. Projeto financiado pelas Cátedras da Vale. Função: Colaborador para o desenvolvimento de modelos físicos baseados no MEF do contato roda-trilho e pela integração dos resultados de simulação numérica com os algoritmos de IA e determinação de um índice de qualidade do sistema.

A redução das perdas por atrito em transmissões automotivas é um "driver" importante de inovação, uma vez que resulta em ganhos de potência para acionamento, reduz o consumo de combustível e reduz o nível de emissões. Dependendo da rota escolhida, pode resultar também na diminuição do volume de óleo lubrificante de câmbio. Esses fatores são estratégicos na evolução da indústria automotiva mundial. A redução do coeficiente de atrito seria, portanto, um diferencial competitivo importante sobre veículos similares. Neste projeto busca-se desenvolver sistemas de transmissão automobilísticos com menores perdas por atrito que os sistemas atuais e com vida e fabricabilidade compatíveis com as exigências de mercado. Outro objetivo importante vinculado a este projeto é o de desenvolver competências e infraestrutura para o estudo mecanismos de desgaste e perdas em transmissões, que não existe nas Universidades e Institutos de Pesquisa no Brasil.

Este projeto se propõe a aplicar conceitos de tribologia visando melhor entendimento dos fenômenos de atrito e desgaste em motores flex-fuel concentrando-se, com o apoio de modelagem, especificamente nas particularidades do efeito do álcool sobre dois tribossistemas dos motores: o sistema anel-lubrificante-cilindro e o sistema válvula-meio interfacial-sede de válvula. Esta abordagem permitirá que o projeto tenha caráter pré-competitivo e tenha também um forte componente de formação de pessoal com conhecimentos em tribologia de motores de combustão interna, capazes de apoiar o desenvolvimento sustentado de tecnologias para motores que utilizem biocombustíveis. Empresas participantes: Petróleo Brasileiro S.A., Mahle Metal Leve S.A., Fiat Automóveis S.A., Renault, Volkswagen, TUPY S.A.