Connected Manufacturing

O objetivo principal deste projeto é dar resposta aos problemas identificados no processo de carregamento do software no final da cadeia produtiva.

Devido à complexidade dos produtos, o processo de carregamento do software é muito demorado dado o elevado volume de dados a transferir. Até recentemente, o software inserido nos produtos automotive era pré-programado nas memórias antes do processo de inserção em PCB. Este era um processo simples que deixou de ser viável, pois os processos de soldadura excedem os valores de temperatura máxima suportados por este tipo de memórias, levando a uma perda de dados. Além disso, o tamanho do software tem crescido significativamente podendo ultrapassar facilmente os 100GB de dados. Recentemente também houve uma mudança de paradigma, onde o software final é fornecido pelo cliente final, o que obriga a que o processo de flashing seja efetuado nas últimas etapas, já depois dos processos de montagem e teste.

Adicionalmente, a sequência de testes implica ligar/desligar os produtos a várias estações de teste. Para conseguir cumprir a produção contratualizada é necessário replicar o número de estações para números não sustentáveis para o chão de fábrica. Esse volume de estações com processos rígidos é difícil de gerir e um desperdício de recursos. É necessário um processo ágil para superar os novos desafios nos processos de flashing.

A razão do projeto Data Fuelling and test Over-The-Air consiste em acoplar uma estação de teste móvel (sem fios) a cada produto e ir carregando o software e realizando os testes à medida que o produto vai avançando na linha de produção. Este projeto tem por objetivo desenvolver esta estação de teste/carregamento móvel bem como a respetiva infraestrutura de suporte.

O objetivo principal deste projeto é dar resposta aos problemas identificados na recolha de dados durante o processo produtivo.

A configuração atual das linhas de produção tem algumas limitações, nomeadamente na recolha de dados quando se encontram em baixa largura de banda, latência alta e baixa velocidade de processamento de dados recolhidos e processados num PC dedicado (sensores industriais – microfone, câmaras) de baixa capacidade em cada estação de linha de produção, sendo a tecnologia 5G uma solução que se afigura credível para contornar essas limitações.

Além disso, com a proliferação de carros cada vez mais silenciosos (elétricos e híbridos), torna-se cada vez mais importante a testagem e deteção de anomalias audíveis em produtos que contenham peças móveis, como motores elétricos ou ventoinhas. Não havendo nenhuma solução no mercado, surge a necessidade de um teste objetivo, com auxílio de IA, capaz de detetar ruídos indesejados sem que barulhos e interferências externas ao teste comprometam o mesmo.

Este projeto tem como âmbito desenvolver soluções inteligentes, flexíveis e automatizadas que possibilitem a otimização da alimentação de várias linhas de montagem com recurso a manipuladores móveis autónomos e a redes móveis 5G. Para este fim, é necessário recorrer a uma combinação de novas tecnologias e soluções em áreas como automação flexível, robótica móvel e colaborativa, visão por computador, modelização e simulação (Digital Twin), integração de sistemas, IoT, IA&Machine Learning, e 5G.

Inicialmente o planeado era o transporte de targets das linhas de produção para as máquinas ferramenta e destas para as linhas de produção. O projeto foi ajustado em resposta às mudanças na realidade atual da fábrica, onde a aplicação original já não se revelava tão vantajosa. Com o intuito de maximizar os benefícios do projeto sem comprometer as suas características inovadoras e mantendo os objetivos propostos inicialmente, optou-se por redirecionar o conceito para uma tarefa de maior valor acrescentado: o abastecimento de diferentes caixas de produtos eletrónicos para os diferentes postos da linha de montagem final, garantindo a sincronização com o processo produtivo, e o desafiante processo do carregamento das caixas nas rampas, o que obriga ao desenvolvimento de novas soluções flexíveis de grippers e de manipulação segura em ambiente bastante congestionado.

Assim, neste projeto I&DT, será usado o termo Targets para denominar genericamente caixas que armazenam variados produtos eletrónicos - PCBs, Housing, HeatSinks, etc - que são transportados para as linhas de produção a partir de buffers de armazenamento. Mais especificamente, os manipuladores móveis autónomos têm que ir buscar caixas a um buffer, onde estão armazenadas as caixas com Targets, e transportar e posicionar estas nas linhas de produção respetivas, dentro do tempo estabelecido e sincronizado com as linhas de montagem. Para alcançar estes objetivos é necessário o reconhecimento automático dos Targets, troca de informação em tempo real entre os diversos pontos da linha de montagem e outros sistemas internos relevantes (Planeamento, SAP, etc.).

Para fazer face a estes problemas, esta linha de I&DT tem o intuito de explorar as capacidades e vantagens das tecnologias 5G na implementação de sistemas robóticos colaborativos inteligentes numa fábrica.

Este projeto visa dar resposta sobre o processo de Underfill. Os modelos a desenvolver nesta linha de I&DT virão completar o leque de ferramentas disponíveis permitindo uma previsão global da qualidade dos produtos e a interligação entre os efeitos de cada processo de fabrico quer na qualidade do produto em processos subsequentes.

O objetivo principal deste projeto é dar resposta na área de produção TMS (Tecnologia de Montagem em Superfície), na Bosch em Braga. Os desafios nesta linha de I&DT são:

• Melhorar a qualidade do processo de AOI, visando em última análise o aumento da qualidade do produto pela redução da taxa de fugas e a redução de custos pela diminuição da taxa de falsos alarmes;
• Reduzir o esforço manual para programação e melhoria da máquina, permitindo uma autoaprendizagem e auto-otimização do processo de inspeção.

O objetivo principal deste projeto é dar resposta ao efeito de empeno em Systems-in-a-Package (SiP) complexos, através de:

• Quantificar o fenómeno de empeno em MCM-SiP/PCBs, o que passará pelo estudo do comportamento termomecânico e pelo desenvolvimento de uma arquitetura de sensores para monitorização eficiente do empeno
• Monitorizar de forma dinâmica o empeno em MCM-SiP/PCBs, sob temperatura, com recurso à aplicação de sensores óticos em pontos-chave da amostra, para monitorização multidirecional e em tempo real, com aproximação às condições reais do processo de reflow; envolverá ainda a análise da interface MCM-SiP/PCB após passagem por processos térmicos
• Avaliar o empeno de MCM-SiP/PCB e as suas restrições no layout/operação, o que contemplará o mapeamento do empeno, a partir do agrupamento dos valores medidos pelos sensores óticos, em função da sua posição espacial na amostra, explorando a capacidade da fibra para realizar uma análise ampla de toda a área do MCM-SiP/PCB.

Este projeto visa dar resposta sobre o processo de montagem de componentes, com o desenvolvimento de métodos em linha (in-line) para a avaliação objetiva de superfícies técnicas de colagem, antes e após os processos de preparação/tratamento superficial, aplicados quer a componentes poliméricos tratados por plasma atmosférico, quer a componentes à base de ligas de alumínio tratados por laser. Esses métodos deverão ser objeto de validação de forma que seja assegurado que:

• Sejam objetivos na verificação da qualidade das superfícies (quantificação);
• Sejam não destrutivos (as peças serão utilizadas após avaliação);
• Possam ser instalados em linha;
• Não perturbem nem acresçam tempo de ciclo relevante ao processo;
• Permitam a fácil recolha e análise de dados.

Este projeto visa dar resposta ao processo de reclamações dos clientes. Obtenção de um modelo preditivo para um projeto/família de produto para identificação de falhas de clientes, utilizando dados históricos e técnicas de inteligência artificial; identificar produtos que ainda dentro dos parâmetros de processo e de produto podem ser possíveis falhas no cliente – verificar tendências, outliers, alterações de distribuição dos resultados normais, match crítico entre valores dos steps de teste vs falhas de cliente (histórico de falhas de produtos reclamados pelo cliente).

Obtenção de um modelo capaz de detetar e definir novas regras para melhorar o AALR EWS de um projeto/família de produto, reunindo informações de diferentes fontes de dados e usando técnicas de Machine Learning, de ontologias de negócio para identificar o código de normalização do cliente usando IA e dados históricos, obtenção de um algoritmo para oferecer suporte à análise de guia automatizada com base em dados históricos de análise de falha e obtenção de uma ferramenta solução baseada no contrato do cliente e fator técnico de mercado e produção e análise de registo de estimativa de garantia de carga de trabalho laboratorial e meios.

Este projeto visa dar resposta aos problemas identificados no sentido de potenciar a produtividade dos seus colaboradores, assegurando o seu bem-estar e a sua saúde, uma das preocupações da Bosch em Braga e que se pretende investigar nesta linha de I&DT, são as Lesões Musculoesqueléticas Relacionadas com o Trabalho (LMERT).

Este projeto visa dar resposta ao acesso da informação atempada no chão de fábrica.
Registar e estimar o consumo dos componentes mais utilizados nos diversos produtos é assim bastante laborioso e tem sido realizado recorrendo a um conjunto de sistemas auxiliares, especialmente associados a tarefas manuais de contagem, cuja interligação com o sistema central ERP não é ágil nem fiável.

Pretende-se assim criar um sistema de informação que assegure o alinhamento tecnológico e a coerência de informação entre o chão de fábrica, associado às LP, o sistema central, corporizado no ERP, e o PROCON (um software interno da Bosch em Braga de suporte à programação da produção). Este sistema deve estar dotado de uma interface que seja capaz de descarregar as informações de consumo dos vários componentes, de forma automática, por cada produto produzido, controlando desperdícios, monitorizando níveis de work in process (WIP), permitindo uma visão em tempo-real da localização e consumo dos componentes, e que permita despoletar requisições de compra de componentes em função do seu real consumo e necessidades próximas.

O objetivo principal deste projeto é expandir e aumentar a sofisticação dos sistemas de Big Data Warehouse (BDW) e Plataforma Tecnológica de Inteligência Artificial (PTIA), de modo a incorporar temáticas mais avançadas de investigação das áreas da BDA e IA, bem como responder a novos casos de uso da Bosch.

O objetivo principal deste projeto é desenvolver um sistema de gestão, adotando uma arquitetura de Adaptive Business Intelligence otimizada que englobe os diversos sistemas de gestão (SG), e simultaneamente considerar os requisitos I4.0 como linhas de orientação estruturais, de operacionalização e implementação.

O objetivo principal deste projeto é melhorar os processos de gestão de risco de cadeias de abastecimento, com particular enfoque no setor da eletrónica automóvel com topologias de cadeia multiproduto e multi-fornecedor, cujo objetivo principal será determinar o equilíbrio entre a minimização dos níveis globais de inventário e a maximização dos níveis de serviço ao cliente.