A fabricação de rolhas de cortiça natural de topo de gama é altamente dependente de inspeções visuais, realizadas por trabalhadores especializados, que visam aferir a qualidade das rolhas ao longo das diversas etapas do processo de produção. Esta avaliação tem impacto não só no lucro da empresa, mas também na satisfação dos clientes. Se rolhas de qualidade forem classificadas como defeituosas, elas não são vendidas. Pelo contrário, se rolhas defeituosas não forem detetadas, elas vão ser vendidas afetando a confiança do cliente. A valorização do produto final é, assim, extremamente dependente da precisão e agilidade deste processo.
O projeto E2E DIGITAL TWIN pretende ser disruptivo face ao atual processo de inspeção e classificação de rolhas de cortiça natural aliando o digital ao real com:
- A criação de um "gémeo digital" (Digital Twin) de cada rolha de cortiça natural de topo de gama que é produzida, e dos processos de inspeção, controlo de qualidade e assemblagem, a que elas são submetidas;
- O uso de Aprendizagem Computacional para análise e classificação das o rolhas e conjuntos de rolhas, de forma a diminuir a zona de sobreposição entre classificações adjacentes, mais elevadas (menos imperfeições) e menos elevadas (mais imperfeições);
- O uso de dispositivos de Realidade Aumentada para unir, na linha de produção, o conhecimento tácito dos trabalhadores com as informações geradas por modelos matemáticos no processo digital, de forma a garantir um controle de qualidade “artesanal” e humanamente meticuloso, que é estratégico para o posicionamento da marca CorkSupply, com maior agilidade e confiança.
- O desenvolvimento de estratégias tecnológicas que permitam caracterizar e compreender os processos de inspeção realizados pelos trabalhadores mais experientes, e empregar este conhecimento em aplicações multimédia interativas para formação de novos trabalhadores, de forma a agilizar os processos de formação e cativar as novas gerações.
Os objetivos esperados deste projeto são:
O1: Desenvolvimento do DT das rolhas, e dos processos de controlo de qualidade visual e de criação de blends;
O2: Desenvolvimento de modelos de Aprendizagem Computacional (AC) para categorização da qualidade visual de rolhas e blends;
O3: Digitalização e reconstrução tridimensional de alta precisão de todas as rolhas de referências-padrão usadas nas diferentes tarefas de avaliação e controlo de qualidade;
O4: Desenvolvimento de ferramentas para transferência de conhecimento com base em tecnologia de RA.