Matrícula em Projeto Final de Curso 1 e 2 para 2026/2

Orientador: prof. Alberto José Álvares (ENM)

1. Desenvolvimento de um Digital Twin para uma Célula Robotizada de Manufatura Aditiva LMD-wire utilizando NVIDIA Omniverse, Isaac Sim e Isaac Lab
A crescente adoção da produção aditiva metálica exige ferramentas capazes de reduzir custos de desenvolvimento, aumentar a confiabilidade dos processos e permitir a validação de estratégias de fabricação antes da execução física. Este trabalho propõe o desenvolvimento de um Digital Twin de uma célula robotizada de produção aditiva baseada no processo Laser Metal Deposition com alimentação por arame (LMD-wire). O ambiente virtual será implementado utilizando as plataformas NVIDIA Omniverse, Isaac Sim e Isaac Lab, reproduzindo com alto grau de fidelidade os principais elementos da célula, incluindo robô industrial, cabeçote de deposição, mesa de fabricação, dispositivos de fixação e sistemas auxiliares. O Digital Twin deverá permitir a simulação de trajetórias, análise de colisões, sincronização de movimentos, planejamento da deposição de material e avaliação de diferentes parâmetros operacionais. Também serão implementados mecanismos para aquisição e visualização de dados do processo, possibilitando futuras integrações com sensores reais. Ao final do trabalho espera-se disponibilizar uma plataforma de simulação capaz de apoiar estudos de programação off-line, otimização de trajetórias e validação de estratégias de fabricação, constituindo uma base para aplicações futuras de controle inteligente, manutenção preditiva e produção autônoma.

2. Sistema Inteligente de Monitoramento da Poça de Fusão e Predição da Qualidade do Processo LMD-wire utilizando Redes Neurais YOLO, NVIDIA Jetson e  Spark
A estabilidade da poça de fusão é um dos fatores mais importantes para garantir a qualidade dimensional e metalúrgica das peças produzidas pelo processo LMD-wire. Este trabalho propõe o desenvolvimento de um sistema inteligente capaz de monitorar continuamente a poça de fusão por meio de imagens adquiridas durante o processo de fabricação usando uma câmera Cavitar. Será utilizada uma câmera de alta velocidade integrada à plataforma NVIDIA Jetson para processamento local em tempo real, enquanto modelos baseados na arquitetura YOLO serão usados para detectar automaticamente a região da poça de fusão, estimar suas dimensões e identificar alterações relacionadas à ocorrência de defeitos. Os dados obtidos serão enviados ao Nvidia Spark para armazenamento, processamento distribuído e geração de indicadores de desempenho do processo. A ajuda ajudará a acompanhar a evolução da poça de fusão ao longo da posição, identificar instabilidades operacionais e prever condições que possam comprometer a qualidade da peça. Espera-se desenvolver uma ferramenta capaz de fornecer à tomada de decisão em processos de produção aditiva inteligente e servir como base para futuros sistemas de controle em malha fechada.

3. Monitoramento Inteligente de Temperatura e Predição do Comportamento Térmico no Processo LMD-wire utilizando Redes Neurais CNN 1D, NVIDIA Jetson e  Spark
A temperatura durante o processo de deposição influencia diretamente a microestrutura do material, a formação de internas residuais, a qualidade geométrica da peça e a ocorrência de defeitos metalúrgicos. Este trabalho propõe o desenvolvimento de um sistema de aquisição, monitoramento e previsão de temperatura durante o processo LMD-wire utilizando sensores térmicos conectados à plataforma NVIDIA Jetson. Os sinais adquiridos serão transmitidos ao Apache Spark para armazenamento e processamento de grandes volumes de dados experimentais. Para estimar o comportamento térmico do processo será desenvolvida uma Rede Neural Convolucional Unidimensional (CNN 1D), treinada para considerar padrões temporais presentes nas séries de temperatura e prever tendências futuras do processo. O sistema deverá identificar situações anormais de operação, antecipar variações térmicas críticas e fornecer indicadores para otimização dos parâmetros de fabricação. Como resultado, esperamos disponibilizar uma solução de monitoramento inteligente capaz de contribuir para o aumento da estabilidade do processo e para a futura implementação de sistemas de controle térmico em tempo real

4. Digital Twin Inteligente para Controle Adaptativo de uma Célula Robotizada de Manufatura Aditiva LMD-wire utilizando Modelos Surrogate e NVIDIA Omniverse
Modelos computacionais de alta fidelidade permitem representar o comportamento físico do processo LMD-wire, porém apresentam custo computacional elevado, dificultando sua utilização em aplicações de monitoramento e controle em tempo real. Este trabalho propõe o desenvolvimento de um Digital Twin inteligente baseado em modelos de ordem reduzida (Surrogate Models), integrados ao ambiente NVIDIA Omniverse, Isaac Sim e Isaac Lab. Os modelos Surrogate serão desenvolvidos a partir de dados provenientes de simulações numéricas ou experimentos e terão como objetivo estimar rapidamente variáveis de interesse, como distribuição de temperatura, geometria do cordão depositado e possíveis deformações da peça. Essas estimativas serão utilizadas como mecanismo de feedback para atualização contínua do Digital Twin e para avaliação de diferentes estratégias de controle adaptativo durante a simulação. O ambiente desenvolvido permitirá testar diferentes cenários operacionais com baixo custo computacional e elevada velocidade de processamento. Espera-se demonstrar o potencial de utilização de modelos reduzidos na construção de Gêmeos Digitais Inteligentes aplicados à produção aditiva robotizada.

5. Arquitetura Integrada para Monitoramento Inteligente e Digital Twin de uma Célula Robotizada de Manufatura Aditiva LMD-wire utilizando Edge Computing, Inteligência Artificial e NVIDIA Omniverse
A integração entre sensores inteligentes, plataformas de computação em borda, inteligência artificial e Digital Twins representa uma das principais tendências da Indústria 4.0 e da Manufatura Inteligente. Este trabalho propõe o desenvolvimento de uma arquitetura integrada para monitoramento de uma célula robotizada de fabricação aditiva LMD-wire utilizando dispositivos NVIDIA Jetson para aquisição e processamento local de dados, Apache Spark para gerenciamento e processamento distribuído de informações e NVIDIA Omniverse, Isaac Sim e Isaac Lab para implementação do Digital Twin da célula. A arquitetura deverá integrar dados provenientes de sensores de temperatura, câmeras industriais, parâmetros do robô e variáveis do processo, permitindo a sincronização entre o ambiente físico e seu virtual correspondente. O sistema também deverá disponibilizar painéis de monitoramento, armazenamento histórico de dados e infraestrutura para futuras aplicações de aprendizado de máquina, manutenção preditiva e controle inteligente. Ao final do trabalho espera-se disponibilizar uma arquitetura modular, escalável e interoperável, capaz de servir como plataforma experimental para pesquisas em Gêmeos Digitais, inteligência artificial aplicada à produção aditiva e sistemas ciberfísicos industriais.

Contato: Prof. Alberto José Álvares <alvares@unb.br>