Revisão sistemática, para melhorar os GEE, em energia e mineração, usando I4.0 no sul do Equador
DOI:
https://doi.org/10.34117/bjdv10n6-093Keywords:
inteligência artificial, integridade de dados BT, simulação computacional, computação em nuvem, internet das coisasAbstract
Este trabalho considera dois processos industriais, nomeadamente a energia eólica (turbinas eólicas) e a mineração (triturador) para estudar as emissões de gases com efeito de estufa utilizando dois métodos da Indústria 4.0, tecnologias imersivas e gémeos digitais. É apresentada uma metodologia de trabalho que permite a integração de realidade estendida e gêmeos digitais para estudar a pegada de carbono de turbinas eólicas e trituradores de mineração no sul do Equador. Na primeira etapa é produzido um desenho CAD de uma turbina eólica e um britador de mandíbulas como um todo. Essas montagens são movidas para uma plataforma, para interagir MediaPipe com Unity ou Unreal Engine 4 para realidade aumentada com inteligência artificial. Consequentemente, o modelo é alimentado com dados armazenados em um banco de dados e depois através de um sistema inteligente, ou seja, aprendizado de máquina, o modelo gera diferentes cenários de processos. Finalmente, a redução das emissões de gases de efeito estufa é justificada de alguma forma pela aplicação destas metodologias a setores estratégicos no Equador, como energia e mineração. Numa segunda etapa, seguindo os dados de funcionamento de cada uma das máquinas reais, pretende-se gerar uma base de dados para treinar um modelo de inteligência artificial, que ajude a prever o funcionamento dos processos estudados em diferentes cenários de trabalho.
References
ÅSTRÖM, K. J., 1999. Automatic control—the hidden technology. In: Advances.
BIFULCO I., Cirillo S., Esposito C., Guadagni R., Polese G. An intelligent system for focused crawling from Big Data sources (2021) Expert Systems with Applications, 184, art. no. 115560, Cited 14 times. DOI: 10.1016/j.eswa.2021.115560.
BODÉNAN F., Bourgeois F., Petiot C., Augé T., Bonfils B., Julcour-Lebigue C., Guyot F., Boukary A., Tremosa J., Lassin A., Gaucher E.C., Chiquet P. Ex situ mineral carbonation for CO2 mitigation: Evaluation of mining waste resources, aqueous carbonation processability and life cycle assessment (Carmex project) (2014) Minerals Engineering, 59, pp. 52 - 63, Cited 66 times. DOI: 10.1016/j.mineng.2014.01.011.
CARLO Ingrao, Rosalia Stella Evola, Paolo Cantore, Paola De Bernardi, Adriana Del Borghi, Enrica Vesce, Riccardo Beltramo, The contribution of sensor-based equipment to life cycle assessment through improvement of data collection in the industry, Environmental Impact Assessment Review, Volume 88, 2021, 106569, ISSN 0195-9255, https://doi.org/10.1016/j.eiar.2021.106569.
C. DE PRADA, S. Galán-Casado, J. L. Pitarch, D. Sarabia, A. Galán, y G. Gutiérrez, «Gemelos Digitales en la Industria de Procesos», Rev. iberoam. autom. inform. ind., vol. 19, n https://www.somosohlala.com/actualidad/squad/realidad-virtual-que-son-los-gemelos-digitales-nid18102022.
DALIR F., Shafiepour Motlagh M., Ashrafi K. A dynamic quasi comprehensive model for determining the carbon footprint of fossil fuel electricity: A case study of Iran (2018) Journal of Cleaner Production, 188, pp. 362 - 370, Cited 15 times. DOI: 10.1016/j.jclepro.2018.03.274.
DESAI J.N., Pandian S., Vij R.K. Big data analytics in upstream oil and gas industries for sustainable exploration and development: A review (2021) Environmental Technology and Innovation, 21, art. no. 101186, Cited 19 times. DOI: 10.1016/j.eti.2020.101186.
DINTÉN, R, P. López Martínez, y M. Zorrilla, «Arquitectura de referencia para el diseño y desarrollo de aplicaciones para la Industria 4.0», Rev. iberoam. autom. inform. ind., vol. 18, n.º 3, pp. 300–311, jul. 2022.
ESSS. Como crear un gemelo digital. Recovered of: https://www.esss.co/es/blog/como-crear-un-digital-twin/.
ESSS. Recovered of: https://www.esss.co/es/blog/digital-twins-aumenta-la-eficiencia-operativa-de-tu-empresa/.
HORTA, M., Marengo, M., Huijbert, J., Límaco, J., & Meléndez, M. (2022). Predicting carbon footprint in the mining sector using machine learning techniques. Resources Policy, 75, 103978.
Disponível em: https://www.somosohlala.com/actualidad/squad/realidad-virtual-que-son-los-gemelos-digitales-nid18102022.
JUNJIE Li, Yajun Tian, Kechang Xie. Coupling big data and life cycle assessment: A review, recommendations, and prospects, Ecological Indicators, Volume 153, 2023,110455, ISSN 1470-160X, https://doi.org/10.1016/j.ecolind.2023.110455.
LI, H., Wang, G., Xu, X., & Wang, Q. (2021). A prediction model of carbon footprint for the mining sector using support vector machine. Energy Science & Engineering, 9(1), 30-37.
LIN, M., Lin, C., Geng, Y., Fu, J., & Chen, G. (2019). Predicting carbon emissions from mining sector using machine learning approaches: A case study in China. Journal of Cleaner Production, 230, 600-609.López-Valladares, M. T., Rodríguez-Fernández, S. A., & Toraño-Cobián, J. (2019). A machine learning approach to estimate carbon footprint in the mining industry. Journal of Cleaner Production, 233, 458-468.
OROZCO, L., Morales, J., Calero, J. M., & Marín, D. (2020). Machine learning for predicting carbon footprint in mining companies. Sustainability, 12(7), 2838.
Plataforma Rudolf, Gestión digital de flotas y naves terrestres. Presentación de Mario Heredia. 2022.
¿Qué es una ingeniería inversa? Obtido do site https://www.youtube.com/watch?v=3-aPboGSMYo.
RAJKUMAR, K., Srinivas, D., Anuradha, P., RajeshwarRao, A., 2021. Problemoriented and project-based learning (POPPL) as an innovative learning strategy for sustainable development in engineering education. Materials Today: Proceedings.
RAMI 4.0, Reference architectural model industrie 4.0, https://www.plattformi40.de/PI40/Redaktion/EN/Downloads/Publikation/rami40-anintroduction.html, accessed 30 Dec 2019 (2018).
ROBERT B. Zoellick, World Bank President UN Climate Change Conference, Bali, December 2007.
SIEMENS. Gemelo Digital de Bucle Cerrado. Recuperado de https://www.plm.automation.siemens.com/global/es/our-story/glossary/digital-twin/24465.
TERRAFORMATION; Seed to Carbon Forest Accelerator; Recovered of: https://www.terraformation.com/accelerator?utm_source=partnership&utm_medium=email&utm_campaign=partners_july2023&utm_content=franklina
W. MEMBRILLO-HERNÁNDEZ, J., de Jesús Ramírez-Cadena, M., Ramírez-Medrano, A., García-Castelán, R. M., García-García, R., 2021. Implementation of the challenge-based learning approach in academic engineering programs. International Journal on Interactive Design and Manufacturing 15 (2), 287–298.

