Update index.html

index.html

@@ -591,12 +591,12 @@
 
         const pdData = [
             { title: "P&D 1: Otimização da Representação Digital Multi-Domínio no PLM para Manufatura Aditiva e Híbrida", objective: "Desenvolver e validar metodologias para estruturar informações complexas de produto e processo (incluindo dados de design mecânico, eletrônico, software, e parâmetros de processo de manufatura aditiva ou processos a laser, além de cargas de trabalho para simulação avança no Omniverse e Modelos de IA para DGX H200) dentro do ambiente Teamcenter. A pesquisa visa definir melhores práticas para a criação de BOMs digitais que suportem processos de fabricação não convencionais e integrar rastreabilidade de materiais e parâmetros de processo desde a fase de design até a execução física. Isso é particularmente relevante para a indústria metalmecânica e os processos a laser onde o ISI Laser tem expertise. A falta de detalhamento na metodologia foi um ponto observado na análise de mérito do projeto.", justification:"A integração eficaz de dados de diferentes domínios e a representação precisa de processos complexos em um sistema PLM são cruciais para garantir a consistência do gêmeo digital e permitir simulações e otimizações downstream. A otimização da representação digital pode reduzir erros de design/processo e acelerar o tempo de desenvolvimento."  },
-            { title: "P&D 2: Simulação Multi-escala e Multi-física para Otimização de Processos Críticos de Manufatura Metalmecânica", objective: "Realizar pesquisa aprofundada em simulação computacional de processos específicos da indústria metalmecânica com alto impacto na qualidade e custo. Exemplos podem incluir a simulação de processos de união a laser para prever deformações e propriedades microestruturais, ou a simulação detalhada do desempenho térmico de componentes durante a operação, como o exemplo ocorrido na utilização de nylon para usinagem, onde na percebeu-se apenas na etapa física que o mesmo derrete durante o processo, também a necessidade de calibração da localização do robô com câmera, entre outros. A pesquisa envolveria a integração de simulações em diferentes escalas (micro e macro) e de diferentes domínios físicos (mecânica, térmica, fluidos). Os resultados da simulação seriam usados para otimizar parâmetros de processo e gerar dados sintéticos de alta fidelidade para treinamento de modelos de IA (Passo 3). A capacidade de simulação de processos de manufatura é uma demanda mundial e utilizaria as soluções Siemens, Ansys CFD e SYSWELD." },
-            { title: "P&D 3: Desenvolvimento de Modelos Preditivos (PINNs)", objective: "Pesquisar e desenvolver modelos de IA, como PINNs, no DGX para prever falhas em equipamentos e otimizar seu desempenho." },
-            { title: "P&D 4: Framework de Colaboração no Metaverso Industrial", objective: "Desenvolver um framework no Omniverse para colaboração remota e imersiva no design e validação de células de manufatura e treinamento com dados sintéticos." },
-            { title: "P&D 5: Validação de Controladores IA via HIL", objective: "Testar rigorosamente controladores de robótica colaborativa baseados em IA utilizando o sistema Typhoon HIL para validar segurança e precisão." },
-            { title: "P&D 6: Sistema de Coleta de Dados de Baixa Latência Via 5G", objective: "Pesquisar e implementar um sistema de coleta de dados e controle remoto em tempo real utilizando a infraestrutura 5G, incluindo desenvolvimento de algoritmos de edge computing." },
-            { title: "P&D 7: Sistema de Otimização Preditiva de Ciclo Fechado", objective: "Desenvolver um sistema que integre e analise dados de todas as fontes para fornecer recomendações de otimização preditiva e feedback automatizado." }
+            { title: "P&D 2: Simulação Multi-escala e Multi-física para Otimização de Processos Críticos de Manufatura Metalmecânica", objective: "Realizar pesquisa aprofundada em simulação computacional de processos específicos da indústria metalmecânica com alto impacto na qualidade e custo. Exemplos podem incluir a simulação de processos de união a laser para prever deformações e propriedades microestruturais, ou a simulação detalhada do desempenho térmico de componentes durante a operação, como o exemplo ocorrido na utilização de nylon para usinagem, onde na percebeu-se apenas na etapa física que o mesmo derrete durante o processo, também a necessidade de calibração da localização do robô com câmera, entre outros. A pesquisa envolveria a integração de simulações em diferentes escalas (micro e macro) e de diferentes domínios físicos (mecânica, térmica, fluidos). Os resultados da simulação seriam usados para otimizar parâmetros de processo e gerar dados sintéticos de alta fidelidade para treinamento de modelos de IA (Passo 3). A capacidade de simulação de processos de manufatura é uma demanda mundial e utilizaria as soluções Siemens, Ansys CFD e SYSWELD.", justification: "Simulações detalhadas reduzem a necessidade de testes físicos caros e demorados. Prever o comportamento do material e do produto sob condições de processo específicas é essencial para otimizar a qualidade e a eficiência. A simulação multinível permite que o usuário/cliente simule do produto à planta industrial." },
+            { title: "P&D 3: Desenvolvimento de Modelos Preditivos de Manutenção e Desempenho Baseados em IA (PINNs e Gêmeos Digitais Preditivos)", objective: "Pesquisar e desenvolver modelos de IA, incluindo Physics-Informed Neural Networks (PINNs) e modelos de Gêmeos Digitais Preditivos, utilizando a capacidade de processamento do DGX. O foco seria prever falhas em equipamentos críticos na linha de manufatura (ex: robôs, máquinas a laser) e otimizar seu desempenho, como o caminho do robô considerando dados reais da planta, como câmeras que pode indicar restrições no caminho, o dados de máquinas para validar melhor tempo de produção. Os modelos seriam treinados combinando dados sintéticos de simulações detalhadas (Passo 2) com dados históricos e em tempo real coletados dos ativos físicos (Passo 6). A pesquisa em IA é um objetivo chave do projeto.", justification: "Modelos preditivos avançados permitem a manutenção baseada na condição real do equipamento, evitando paradas não planejadas e reduzindo custos. O uso de PINNs pode levar a modelos mais precisos e eficientes ao incorporar o conhecimento físico." },
+            { title: "P&D 4: Desenvolvimento de um Framework de Colaboração e Treinamento Imersivo no Metaverso Industrial para Processos de Montagem Robótica", objective: "Pesquisar e desenvolver um framework dentro do ambiente NVIDIA Omniverse que permita a colaboração remota e imersiva para o design e validação de células de manufatura, especificamente para tarefas de montagem robótica complexas como a do amplificador. O projeto envolveria a integração de modelos CAD precisos (Passo 1) e dados de simulação de processo (Passo 2) em um ambiente virtual compartilhado. A pesquisa se focaria em como usuários (engenheiros, operadores, roboticistas) podem interagir, simular operações, identificar ergonomia ou riscos de segurança, e validar instruções de trabalho em tempo real dentro do metaverso. Poderia incluir o desenvolvimento de módulos de treinamento baseados em realidade virtual/aumentada. Como Objetivo adicional, pesquisar e desenvolver um framework dentro do ambiente NVIDIA Omniverse que permita o uso de dados sintéticos para treinamento e validação de modelos de visão computacional utilizando simulações ultra realistas. O projeto envolveria a simulação atual do MULTICYBER no ambiente Omniver se a coleta de streaming de images para treinamento e validação de modelos de visão computacional. A pesquisa se focaria em como gerar e utilizar dados sintéticos podem melhorar e reduzir custos e tempo de desenvolvimento de  modelos de visão computacional .", justification: "O metaverso industrial oferece um ambiente rico para a colaboração e tomada de decisão, permitindo que equipes de diferentes locais trabalhem juntas em uma representação digital precisa da fábrica. A validação virtual acelera o ciclo de design e comissionamento e melhora o treinamento de operadores. Além disso, o uso de dados sintéticos de ambientes simulados pode reduzir significativamente o custo e tempo de desenvolvimento de modelos de visão computacional." },
+            { title: "P&D 5:  Validação de Controladores Baseados em IA para Robótica Colaborativa em Ambientes de Manufatura Metalmecânica Utilizando HIL", objective: "Desenvolver e testar rigorosamente controladores de robótica colaborativa (ex: KUKA KMR, CLP S7 1500, etc) baseados em algoritmos de IA (Passo 3), utilizando o sistema Typhoon HIL. A pesquisa se concentraria em simular cenários de interação humano-robô e tarefas de manipulação precisa de peças metálicas. O objetivo seria validar a segurança, precisão e robustez dos controladores em tempo real sob diversas condições simuladas, incluindo detecção de colisão e adaptação a mudanças no ambiente de trabalho. Os requisitos de teste e os resultados seriam integrados ao Teamcenter PLM.", justification: "O HIL é uma etapa crucial para reduzir o risco associado à implementação de algoritmos complexos de controle em hardware físico. Validar controladores de robôs colaborativos em um ambiente simulado garante a segurança dos operadores e a eficiência das operações antes da implantação na fábrica." },
+            { title: "P&D 6: Pesquisa e Desenvolvimento de um Sistema de Coleta e Análise de Dados de Baixa Latência Via 5G para Otimização em Tempo Real de Processos Críticos", objective: "Pesquisar e implementar um sistema de coleta de dados e controle remoto em tempo real dos equipamentos físicos de manufatura, utilizando a infraestrutura de rede 5G privada. O foco seria em sensores e controladores críticos que monitoram a qualidade do processo e o estado do equipamento (ex: temperatura, vibração, corrente, imagens), deslocamento e visão. A pesquisa envolveria a otimização da transmissão de dados via 5G para garantir baixa latência e alta confiabilidade, e o desenvolvimento de algoritmos de processamento de dados na borda (edge computing) para análise preliminar e filtragem antes do envio para o ambiente central (Passo 7), como nuvem de pontos dos sensores do robô.", justification: "A transmissão de dados de alta velocidade e baixa latência via 5G é fundamental para o monitoramento e controle em tempo real, detecção de anomalias e otimização dinâmica de processos de fabricação. A pesquisa em edge computing permite reagir mais rapidamente a eventos críticos na planta e habilitar o controle remoto de equipamentos, incluindo a partir de decisões baseadas em modelos de IA." },
+            { title: "P&D 7: Desenvolvimento de um Sistema de Otimização Preditiva e Feedback de Ciclo Fechado Baseado em Análise de Dados Multi-Font", objective: "Pesquisar e desenvolver um sistema avançado que integre e analise dados de todas as fontes (PLM, simulação, HIL, dados reais) para fornecer recomendações de otimização preditiva para processos de manufatura. A pesquisa envolveria o desenvolvimento de algoritmos de fusão de dados e o uso de IA (treinada no Passo 3) para identificar padrões complexos e prever o impacto de mudanças nos parâmetros de processo ou na manutenção. O sistema seria projetado para fornecer feedback automatizado para atualizar o gêmeo digital no PLM e, eventualmente, enviar parâmetros otimizados de volta para os controladores das máquinas (Passo 6). A capacidade de transformar dados em decisões estratégicas é um foco do CYBERTECH.", justification: "A integração da análise de dados de diversas fontes e o feedback contínuo são essenciais para alcançar a verdadeira transformação digital e a otimização contínua na manufatura. Um sistema de ciclo fechado acelera o processo de inovação e permite que a fábrica se adapte dinamicamente a novas condições." }
         ];
 
         const pdAccordionContainer = document.getElementById('pd-accordion-container');