Índice

1. Introdução.................................................................................................................................4
2. Objectivos.................................................................................................................................5
2.1. Objectivo Geral.................................................................................................................5
2.2. Objectivo Específico.........................................................................................................6
3. Marco Teórico..........................................................................................................................6
3.1. Método analítico de controle de consumo de energia...........................................................6
3.2. Declarações e suposições do problema.............................................................................7
3.3. Controlador de módulos básicos para economia de energia de operação.........................8
3.4. Fuzzificação da produção e dados do estado....................................................................9
3.5. Decisão de defuzzificação e estado da máquina.............................................................10
3.6. Estudo de simulação........................................................................................................11
3.7. Experimentos de simulação.............................................................................................11
4. Análise e Discussão dos Resultados.......................................................................................12
4.1. A trajetória dos estados da máquina durante a produção................................................12
5. Conclusões..............................................................................................................................13
6. Referências Bibliográficas.....................................................................................................14

Índice de Figuras
Figura 1 Três módulos básicos para sistemas complexos de manufactura..................................................8

Figura 2 Controlador Fuzzy de módulos básicos........................................................................................9

Figura 3 Associação das funções de um nível de buffer............................................................................10

Figura 4 Associação das funções de estados de maquinas controlados....................................................10

Figura 5 Sistema de fabricação com 8 máquinas e 8 buffers....................................................................11

Índice de Tabelas
Tabela 1 Taxas de transferência.....................................................................................................10

3
 1. Introdução
O aquecimento global é uma grande ameaça para a terra. A Conferência das Nações Unidas sobre
Alterações Climáticas em Paris de acordo que os países devem envidar esforços para reduzir a
emissão de gases de efeito estufa. Cerca de 31% do consumo de energia primária e 36% do
carbono as emissões de dióxido de carbono (CO2) são atribuídas ao setor manufatureiro
(Bruzzone et al. 2012 apud Junfeng Wang et al. 2019). Globalmente, é importante controlar o
processo de produção tanto dos aspectos de produtividade como de energia para que haja um
consumo para um desenvolvimento sustentável. Na China, 50% da energia elétrica nacional é
consumida pela indústria transformadora. O governo chinês legislou que é necessario diminuir as
emissões de CO2. Cada vez mais empresas de manufactura chinesas prestam atenção ao custo da
energia e à influência ambiental de seus processos de produção.
Na indústria de manufactura discreta, as máquinas têm muito tempo ocioso. Reduzir o tempo
ocioso é uma boa abordagem para obter uma produção eficiente em termos energéticos.

2. Objectivos
4
 2.1. Objectivo Geral
Recentemente, a fabricação com eficiência energética tem sido uma questão de pesquisa muito
quente com a crescente consciência ambiental no mundo. Abordagens para alcançar eficiência
energética de fabricação podem ser classificadas como equipamento, processo e sistema de
níveis.
Este artigo tem como objectivo propor um método de controle das máquinas em tempo real no
nível do sistema com base em políticas, regras, modelos e algoritmos para obter eficiência
energética.

2.2. Objectivo Específico

Diminuir o tempo ocioso de uma máquina é um dos principais métodos para obter uma produção
com eficiência energética.
Neste artigo o objectivo específico consiste em apresentar um novo método de decisão
multiestadual baseado na lógica difusa é proposto para mudar uma máquina em diferentes
estados de sono, considerando o trabalho em tempo real no inventário de processo de buffers.
Três módulos básicos e seus controladores fuzzy correspondente é apresentado para construir
sistemas com estações de trabalho de desmontagem e montagem.

3. Marco Teórico

3.1. Método analítico de controle de consumo de energia

Durante o processo de produção, é importante tomar decisões em tempo real do estado da
máquina para o controle de economia de energia de um sistema de manufactura. Chang et al.
2012 Junfeng Wang et al. 2019 propuseram um conceito da janela de oportunidade, que era o
tempo de duração do período de desligamento da máquina sem afectar o sistema da taxa de
transferência.
A janela de oportunidade foi prevista com base em um modelo analítico aproximado com
controle em tempo real do algoritmo considerando eventos aleatórios de tempo de inatividade de
uma série de linha de fabricação automotiva.
Para sistemas de manufactura em série, Sun e Li (2012) apud Junfeng Wang et al. (2019)
apresentaram estimativa de oportunidade analítica para controle de energia considerando a
utilização de buffer e falha estocástica de máquina.
Nas linhas seriais de Bernoulli, Jia et al. (2013) apud Junfeng Wang et al. (2019) propuseram
modelos matemáticos para calcular a potência do estado transiente / estacionário, bem como a

5
taxa de produção do sistema, ligando a máquina. Para uma linha serial com duas máquinas de
Bernoulli, descreveram um modelo integrado para avaliar o consumo de energia e a
produtividade (Su et al. 2014 apud Junfeng Wang et al. 2019), realizaram investigação analítica
para descobrir as condições em que o consumo de energia poderia ser minimizado com e sem as
restrições da força de trabalho ou a capacidade de processamento da máquina.
Para um sistema de manufactura serial paralelo de múltiplos estágios, Li et al. (2013) apud
Junfeng Wang et al. (2019) propuseram um algoritmo para estimar a economia de energia de
janela de oportunidade para melhorar a eficiência energética do sistema.
Um método de análise baseado em eventos foi usado para calcular oportunidades e um método
de supervisão foi adotado para as janelas de oportunidade periodicamente. Zou et al. (2014) apud
Junfeng Wang et al. (2019) desenvolveu um modelo analítico estocástico para prever o
desligamento.
A função lucro também foi descrita para equilibrar o custo de energia e perda potencial de taxa
de transferência com base em dados de produção em tempo real.
Hibino e Yanaga (2008) Junfeng Wang et al. (2019) definiram um estado ocioso normal e um
estado inactivo de economia de energia para instalações. Previsão de tempo ocioso modelo,
algoritmo de selecção e modelo de transição do estado inativo foram implementados para decidir
o estado ocioso adequado sem afetar a produtividade.
O método analítico de controle do consumo de energia em nível de sistema geralmente depende
de estruturas fixas de sistemas de manufactura e modelos específicos de confiabilidade de
máquinas.

3.2. Declarações e suposições do problema

Sabe-se que os estados ociosos no sistema de manufactura vêm da trabalhabilidade
desequilibrada e das falhas incertas de máquinas. As repartições aleatórias de máquinas fazem
com que a quantidade de trabalho em buffers mudem com frequência. O nível de buffer, ou seja,
trabalho em processo, é a fonte original dos estados ociosos.
Cada módulo básico era composto por uma máquina e seus buffers upstream e downstream. Para
diferentes tipos de base de módulos, a quantidade de buffers upstream e downstream foi variado
como mostrado na Fig. 1.

6
Figura 1 Três módulos básicos para sistemas complexos de manufactura.

3.3. Controlador de módulos básicos para economia de energia de operação

Para máquinas com vários estados de energia inativa, ou seja, marcha lenta normal, sono leve e
sono profundo neste trabalho, o objectivo do fuzzy foi a de mudar as máquinas em estados
adequados com base nos dados em tempo real dos sistemas de manufactura.
A estrutura do controlador fuzzy proposto para modulações básicas foi mostrada na Fig. 2.

7
Figura 2 Controlador Fuzzy de módulos básicos

3.4. Fuzzificação da produção e dados do estado

A lógica fuzzy baseia-se no conceito de conjuntos fuzzy, cujos elementos não são claramente
quantificados. Um conjunto fuzzy contém elementos com graus parciais de associação
(geralmente entre 0 e 1). A função de associação (MF) é definida para mapear graus de adesão a
cada elemento. O processo de fuzzificação é classificar dados numéricos do sistema em
conjuntos difusos.
Em cada módulo básico, o nível em tempo real de um buffer durante processo de produção, i.e.,
bj, i (t), bk, i (t), bi, h (t) e bi, l (t), foi expressa em termos linguísticos com certos MF. Vários
tipos de MFs eram geralmente usados em literaturas para diferentes fins, por exemplo, função
triangular, função trapezoidal, função gaussiana e função de campainha. A adesão ao triângulo
funções (Fig. 3) foram adotadas neste artigo para fins linguísticos.
A vantagem da função de adesão ao triângulo é sua simplicidade e facilidade de implementação.
O estado da máquina si (t) pode ser 1 (para cima) ou 0 (falha) e consequentemente, o termo set
MS = {Up, Down}, que indicava o estado de activação ou falha (FL) das máquinas.

8
Figura 3 Associação das funções de um nível de buffer

3.5. Decisão de defuzzificação e estado da máquina

A defuzzificação é o processo que gera um valor de número real a partir do resultado da
inferência. A mais frequentemente estratégia de defuzzificação utilizada, é o método do centro de
gravidade.
Para decidir o próximo estado controlado da máquina Mi, ou seja, sono profundo, sono leve ou
processamento, dois números reais similares entre 0 e 1, di e wi, foram definidos para dividir o
intervalo [0,1] em três subintervalos. E se o fi (t) era menor que di, a decisão final era trocar a
máquina em estado de sono profundo no final do seu actual estado. Se o fi (t) era maior que wi, a
decisão final era de mudar a máquina para o estado de processamento no final do seu estado
actual. Caso contrário, o controlador troca a máquina em estado de sono leve no final da sua
corrente.

Figura 4 Associação das funções de estados de maquinas controlados

9
 3.6. Estudo de simulação
A simulação é uma ferramenta importante para eficiência energética pesquisa de manufactura.
Nesta secção, um sistema típico de manufatura complexa com montagem e desmontagem
estações de trabalho foi utilizada para validar o método proposto em experimentos de simulação.
Caixa de ferramentas lógica distorcida de O MATLAB e o SIMULINK foram usados para
construir modelos. Todos os cenários foram repetidos 20 vezes para um turno de 8 horas, os
modos de falha das máquinas deveriam seguir a distribuição exponencial.
A Figura 5 mostra um sistema de fabricação com 8 máquinas e 8 buffers. Dois buffers virtuais
foram adicionados ao início e final do sistema para ter uma expressão uniforme.
Havia 8 módulos básicos, incluindo 6 módulos de série, 1 módulo de desmontagem e 1 módulo
de montagem. Cada módulo tinha um controlador fuzzy para a decisão do estado da máquina.

Figura 5 Sistema de fabricação com 8 máquinas e 8 buffers

3.7. Experimentos de simulação

Três cenários foram simulados e os resultados foram analisados. O primeiro cenário (S1) foi uma
produção de linha de base sem qualquer controle. Uma máquina foi controlada no segundo
cenário (S2) e mais máquinas foram controladas no terceiro cenário (S3).
Em S2, a máquina de desmontagem M2 ou a máquina de montagem M7 foi controlado para
validar a eficácia do controlador para operação de economia de energia.
Os desempenhos do sistema dos três arcos narios, medidos no consumo de energia do sistema
(ECS) e consumo de energia da unidade (ECU), foram mostrados. O ciclo de controle de
economia de energia das máquinas foi de 5 min, o que significa que os dados de produção foram
colectados e a economia de energia.
A decisão foi tomada a cada 5 min. Como mostra a Tabela 1, a taxa de transferência do sistema
permaneceu mesmo quando apenas o M2 foi controlado. Os resultados da simulação mostraram
que o controle de M2 não afetou o processo de trabalho de M3 e M4. O tempo ocioso normal do
M2 controlado foi zero e seu tempo total de sono foi de cerca de 232,20 min. O tempo ocioso
normal total do sistema, ou seja, o tempo total de inatividade normal outras máquinas, foi de

10
633,07 min. Comparado com S1, o total o tempo ocioso normal de todas as máquinas diminuiu
21,85%.

Tabela 1 Taxas de transferência

4. Análise e Discussão dos Resultados

4.1. A trajetória dos estados da máquina durante a produção

Para obter um processo de mudança claro de um estado de máquina, a trajetória dos estados da
máquina e os níveis de buffer foram registrados.
A Figura 6 mostra uma trajetória de estado de M2 e os níveis de buffer antes / depois de M2 em
um experimento aleatório de S2.
Em resumo, o método fuzzy proposto tem vantagens óbvias para alcançar uma operação de
eficiência energética sistema de manufactura com montagem e desmontagem de estações de
trabalho através da aplicação de representação do conhecimento de economia de energia e
raciocínio na decisão do estado da máquina.
A automação do controle do sistema de manufactura pode ser facilmente realizada com base em
outros conhecimentos além dos complexos modelos matemáticos.
O fácil design e a realização do método o tornam mais prático para o controle de sistemas de
fabricação da base da fábrica.
Por outro lado, as pesquisas anteriores sobre a operação de economia de energia geralmente
dependiam de modos de falha especificados.
Enquanto em nosso estudo, o nível de buffer diferente do modo de falha é usado como entrada
do controlador e a decisão de economia de energia seria simplificada, o que não se restringe a
modos de falha complicados de máquinas.
5. Conclusões
11
Para sistemas complexos de manufactura com serial, desmontagem, e estações de trabalho de
montagem, um controlador fuzzy multi-estado era proposta neste documento para mudar as
máquinas em estado de suspensão em uma oportunidade apropriada para operação de economia
de energia.
Três módulos básicos foram construídos para gerar o sistema estrutura. Os dados em tempo real
de máquinas e buffers foram coletados e utilizados como entradas do controlador. Os
componentes controladores foram descritos em detalhes para mostrar a decisão processo de
operação de eficiência energética.
No presente estudo, os fabricantes estavam em controle distribuído com base em tempo real
localdados. O estudo futuro enfocará um controle supervisório considerando o rendimento do
sistema em tempo real. A operação de economia de energia do sistema de manufactura com linha
de reentrância também será realizado.

6. Referências Bibliográficas

12
 Bruzzone AAG, Anghinolfi D, Paolucci M, Tonelli F (2012) Energy-aware scheduling for
improving manufacturing process sustainability: a mathematical model for flexible flow
shops.
 Fysikopoulos A, Pastras G, Alexopoulos T, Chryssolouris G (2014) On a generalized
approach to manufacturing energy efficiency. Int JAdv Manuf Technol 73(9–12):1437–1452

13