modelagem de sistema de controle sustentÁvel de … · sistemas produtivos dispersos (spds)...

MODELAGEM DE SISTEMA DE

CONTROLE SUSTENTÁVEL DE

PROCESSOS PRODUTIVOS DISPERSOS

Carlos Heitor Filgueiras de Souza (UESC )

[email protected]

Carlos Cezar Rodrigues Santos (UESC )

[email protected]

Joao Thiago de Guimaraes Anchieta e Araujo Campos (UFBA )

[email protected]

Robson Marinho da Silva (UESC )

[email protected]

Gesil Sampaio Amarante Segundo (UESC )

[email protected]

A ALTA COMPETITIVIDADE DAS EMPRESAS TEM EXIGIDO

MAIORES INVESTIMENTOS PARA MELHORAR A FLEXIBILIDADE,

O CONTROLE E A SEGURANÇA CONTRA FALHAS, EXIGINDO O

DESENVOLVIMENTO DE NOVAS TECNOLOGIAS QUE PERMITAM

MELHORAR SEUS PROCESSOS PRODUTIVOS. POR SUA VEZ,

NUM MERCADO GLOBALIZADO, OS SISTEMAS DE CONTROLE

DEVEM CONSIDERAR A INTEGRAÇÃO, COM

COMPARTILHAMENTO DE HABILIDADES ESPECÍFICAS E

RECURSOS ENTRE SISTEMAS PRODUTIVOS DISPERSOS (SPDS),

ÀS VEZES EM LOCALIZAÇÃO GEOGRÁFICAS RELATIVAMENTE

DISTANTES. PARA QUE ESTE SPD SEJA ROBUSTO DEVE

CONTER UM SISTEMA DE CONTROLE TOLERANTE À FALHAS E

XXXIV ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO

Engenharia de Produção, Infraestrutura e Desenvolvimento Sustentável: a Agenda Brasil+10

Curitiba, PR, Brasil, 07 a 10 de outubro de 2014.




2

RECONFIGURÁVEL CAPAZES DE REGENERAR O SISTEMA, OU

SEJA, UM SISTEMA DE CONTROLE QUE SEJA CAPAZ DE EVITAR

A OCORRÊNCIA DE FALHAS QUE CAUSEM IMPACTOS À VIDA

HUMANA E OTIMIZEM O USO DE RECURSOS MINIMIZANDO OS

IMPACTOS AO MEIO AMBIENTE. O PROJETO DESTE TIPO DE

SISTEMA DE CONTROLE NÃO É TRIVIAL, E DEVEM SER

ADOTADAS TÉCNICAS SISTEMÁTICAS QUE PERMITAM

APROVEITAR O POTENCIAL DE UMA EQUIPE QUALIFICADA.

PORTANTO, ESTE ESTUDO APRESENTA UM MÉTODO BASEADO

EM REDES DE PETRI PARA DESENVOLVIMENTO DO SISTEMA

DE CONTROLE SUSTENTÁVEL E APLICANDO-O EM UMA

ESTAÇÃO DE SISTEMA MODULAR DE PRODUÇÃO PARA

DESTACAR AS SUAS VANTAGENS.

Palavras-chaves: ODELAGEM DE SISTEMA; SISTEMA DE

CONTROLE; TOLERÂNCIA À FALHAS, SISTEMAS DE

MANUFATURA, REDES DE PETRI




3

1. Introdução

A competitividade crescente e a necessidade de eficiência impôs mudanças nos sistemas

produtivos (SPs) exigindo maior flexibilidade sob diferentes aspectos, tais como o volume de

produção, o tipo de produto e/ou de serviço e a natureza dos recursos envolvidos. O sistema

de manufatura (SM), que é uma classe representativa de SP, tem evidentemente evoluído e

novos paradigmas são propostos, os quais podem ser relacionados com os objetivos que

permitem obter vantagens competitivas: (i) mass customization com redução de custos de

produção, (ii) lean manufacturing com elevação da qualidade da produção, (iii) flexible

manufacturing system (FMS) com customização em massa, e (iv) reconfigurable

manufacturing system (RMS). Desse modo, um RMS deve permitir a sustentabilidade na

produção de grande quantidade de produtos personalizados com melhoria contínua de

qualidade e considerar em sua concepção aspectos de flexibilidade e ágil adaptabilidade às

mudanças ou imprevistos. (MEHRABI et al., 2000; SILVA et al., 2011).

Por sua vez, as novas tecnologias permitem uma forte integração entre os SPs, motivando

assim, o compartilhamento de diversos recursos entre sistemas geograficamente dispersos. Os

sistemas produtivos dispersos (SPDs) possuem um sistema de controle, responsável por

monitorar e supervisionar dispositivos sendo estes responsáveis diretos no processamento das

entidades físicas do sistema. As atividades colaborativas a serem realizados pelos SPDs

devem ser definidos em um framework que torne possível garantir a segurança destes sistemas

integrados usando adequadamente os recursos disponíveis. Desse modo, os sistemas de

controle precisam também considerar a colaboração entre os vários serviços dos sub-sistemas

produtivos que podem ser localizados em posições geográficas diferentes (HAN et al., 2008).

Por outro lado, para que um SPD seja capaz de evitar a ocorrência de falhas que causem

impactos à vida humana e ao meio ambiente, devem-se existir mecanismos de sistemas de

controle tolerantes a falhas e capazes de reconfigurarem o mesmo de forma a minimizar os

efeitos destas falhas (SILVA et al., 2011, 2012), i.e., é necessário considerar a

sustentabilidade no desenvovimento desses sistemas de controle.

Para permitir o desenvolvimento desses tipos de sistemas de controle é necessário a utilização




4

de ferramentas e técnicas que gerenciem as informações das operações envolvidas e facilitem

a comunicação entre a equipe envolvida e a tomada de decisão do gestor da produção

(CASSANDRAS & LAFORTUNE, 1999; PRATA, 2007). Segundo Reisig (1985) o

controle de SM pode ser abordado sobre o enfoque de sistema a eventos discretos (DES –

discrete event system) que requerem linguagens e ferramentas de modelagem específicas para

sua abordagem. Segundo Miyagi (1996), o sistema de controle discreto interage com o objeto

de controle e o operador (ou usuário) através dos dispositivos de atuação, detecção, comando

e monitoração. Os sensores que estão no nível de chão-de-fábrica são os componentes que

geram sinais de detecção oriundos dos objetos de controle contendo as informações para a

automação do processo, enquanto os atuadores são responsáveis por converter e

compatibilizar grandezas físicas e por aumentar o nível de potência necessário para dar

movimento ao objeto de controle de um processo produtivo (CAVALCANTE, 2005;

CASTILLO et al., 2012).

Ainda segundo Reisig (1985), a técnica de redes de Petri (PN – Petri nets) é bastante

adequada para modelar sistemas de controle de DES, pois além de oferecer uma representação

gráfica de fácil compreensão, a sua formulação matemática permite a realização de testes que

garantem o correto funcionamento do sistema modelado. De fato, se comparadas com outras

técnicas de descrição de DES, a PN possui um poder equivalente de modelagem com a

vantagem de facilidade de visualização e disponibilidade de ferramentas para simulação do

sistema (SILVA et al., 2011; 2012).

No entanto, desenvolver um sistema de controle sustentável de SPD ainda não é uma tarefa

trivial, e observá-se que existem poucas publicações que de forma sistemática tratam do

projeto desta integração de processos produtivos colaborativos considerando a possível

ocorrência de falhas (SILVA et al., 2011, 2012). Portanto, este trabalho analisa os requisitos e

apresenta um método de modelagem para desenvolver este sistema de controle explorando o

potencial da técnica de PN.

Este texto está organizado da seguinte forma. Seção 2 apresenta uma revisão bibliográfica dos

principais conceitos envolvidos, incluindo um levantamento da evolução dos SMs para o novo

milênio e os desafios no desenvolvimento dos seus sistemas de controle. Seção 3 descreve o




5

método proposto que é aplicado em uma estação didática de sistema modular de produção -

modular production system (MPS), a qual emula o funcionamento de um SM. Nesta seção,

também são destacadas as vantagens da aplicação do método e estratégias para permitir a

reconfiguração da estação MPS. A Seção 4 apresenta as principais conclusões deste estudo.

2. Sistemas de manufatura no novo milênio e seus sistemas de controle

Sistema de manufatura (SM) é uma classe representativa de sistema produtivo (SP) que

permite transformar insumo (input) para obtenção de um produto final (output) com certo

valor de mercado (SILVA et al., 2011). Segundo Mehrabi et al. (2000), a evolução dos

paradigmas de SMs pode ser relacionada com os objetivos econômicos que possibilitam obter

vantagens competitivas: (i) mass production com redução de custos de produção, (ii) lean

manufacturing com elevação da qualidade do produto, (iii) flexible manufacturing system com

customização de produtos, e (iv) reconfigurable manufacturing system (RMS) com ágil

adaptabilidade a mudanças e aos novos desafios de mercado. Desse modo, RMS extende as

características dos conceitos anteriores e adota a habilidade de ajustar a capacidade e

funcionalidade da produção de um SM a mudanças imprevistas através da reconfiguração do

sistema (Fig. 1).

Figura 1 – Evolução dos paradigmas da produção. Fonte: (MEHRABI et al., 2000)

Por outro lado, observa-se que existem várias propostas para sistemas produtivos distribuídos

que podem estar dispersos, ou seja em localizações geográficas diferentes (FATTORI et al.,

2011). Um SPD é composto por vários subsistemas que fornecem serviços específicos com

certo grau de autonomia e conectados à internet. Figura 2 apresenta um exemplo de SPD,




6

onde cada subsistema encapsula um serviço de um SP: inspeção, alimentação (armazenagem e

fornecimento de peças), montagem e transporte. Operadores podem atuar neste SPD e clientes

podem encomendar e acompanhar pedidos a distância. Assim, pode-se afirmar que esta

organização oferece um automation service cloud (NAGORNY et al., 2012), onde atividades

operacionais são descritas como serviços.

Figura 2 – Exemplo de SP disperso

Adaptado de Fonte: (FATTORI et al., 2011)

Portanto, para garantir que um RMS atinja seus objetivos é necessário atualizar seu sistema de

controle garantindo o uso adequado da tecnologia, autonomia, algum grau de inteligência,

reuso de modelos, interoperabilidade e portabilidade (SILVA et al., 2012). Segundo Dorf &

Bishop (2001), um sistema de controle é uma interconexão dos componentes arranjados de

um processo que ocasionará uma resposta planejada desse processo. O projeto de um sistema

de controle é baseado nos fundamentos fornecidos pela relação de causa e efeito para os

componentes do processo. Ou seja, a relação entrada-saída descreve o tratamento de causa e

efeito de um processo, que, por sua vez, descreve o tratamento de um sinal de entrada para o

fornecimento de uma saída variável, na maioria das vezes com uma amplificação de potência.

O aumento da complexidade dos sistemas de controle e a necessidade de obtenção de um

desempenho ótimo tornou necessário considerar na estrutura de controle o inter-

relacionamento de muitas variáveis controladas.




7

Esses sistemas podem ser encontrados em duas formas básicas, tais quais: sistemas de

controle a malha aberta (controle de variáveis discretas) e sistemas de controle a malha

fechada (controle de variáveis contínuas) (BOLTON, 1995). Segundo Miyagi (1996), o

sistema de controle discreto (i.e., a malha aberta) interage com o objeto de controle e o

operador (ou usuário) através dos dispositivos de atuação, detecção, comando e monitoração,

conforme ilustrado na Fig. 3.

Figura 3 – Diagrama conceitual de sistemas de controle

Fonte: Miyagi (1996)

De acordo com Moraes & Castrucci (2007), a técnica de redes de Petri (PN) se destaca na

modelagem de sistemas de controle pelas seguintes qualidades: (i) capturam as relações de

precedência e os vínculos estruturais dos sistemas reais; (ii) são graficamente expressivas; (iii)

modelam conflitos e filas; (iv) têm fundamento matemático e prático; (v) admitem várias

especializações (RPs temporizadas, coloridas, estocásticas, de confiabilidade etc); e (vi)

servem como ferramenta de integração desde o nível da abstração de um processo produtivo

até o nível de implementação.

A PN é uma ferramenta de modelagem de fácil interpretação devido a sua representação

gráfica, quando comparada a outras técnicas. Constitui-se de lugares (termos relacionados a

PN estão em Arial) representados por círculos, transições representadas por barras, arcos,

representado por setas, orientando as direções e ordem cronológica dos eventos aos

componentes anteriores e marcas (tokens), representadas por pontos pretos, as quais

definem o estado de uma PN (Fig. 4).




8

Figura 4- Elementos de uma rede de Petri

Fonte: Campos e Silva (2012)

Em outras palavras, a PN é um grafo orientado que apresenta transições (transitions) e

posições (places). Os arcos representados no grafo partem de posições para transições ou

vice-versa, associando-se aos arcos números (inteiros) fixos, os quais representam seus

pesos. Cada posição pode apresentar um numero (inteiro) de marcas (tokens), e estas, sob

certas condições, podem mover-se ao longo dos arcos, respeitando sempre os sentidos destes

(MORAES; CASTRUCI, 2007).

3. Método proposto e exemplo de aplicação

Para a modelagem propõe-se um método dividido em duas etapas, a seguir descritas.

1ª Etapa - análise e mapeamento do processo através da representação por fluxograma:

deve-se levantar todos os requisitos, variáveis de entrada e saída e o fluxo de controle dos

processos produtivos. Com a utilização de fluxogramas é possível visualizar todas as

situações envolvidas nos processos, desde as situações normais até as mais críticas. Este

fluxograma descreve o macroprocesso (i.e., considera todo o processo produtivo sob controle)

do objeto de controle. Dessa forma, é possível visualizar e verificar as possíveis ocorrências

de falhas durante o macroprocesso, além de facilitar a alocação de todas as variáveis.

2ª Etapa - modelagem em redes de Petri: esta etapa é desenvolvida levando-se em

consideração todas as informações adquiridas na etapa anterior. Para a criação dos modelos

em redes de Petri, é proposto três sub-etapas a seguir: (i) definir uma lista de condições e

ações da PN baseado no fluxograma do macroprocesso criado na etapa anterior, (ii) criar

matrizes de entrada e saída responsável pela relação entre estados e transições, (iii)

representar graficamente as PNs e definir a marcação inicial da rede modelada.

Este método é aplicado numa estação de distribuição de um sistema modular de produção ‐

modular production system (MPS) (FESTO, 2013), a qual emula os sistemas de manufatura




9

(SMs) e que está lotada e em operação no laboratório de automação e metrologia da

Universidade Estadual de Santa Cruz (UESC), Ilhéus, BA (Fig. 5a). A seguir as etapas citadas

acima são aplicadas no desenvolvimento do sistema de controle da MPS.

1ª Etapa - análise e mapeamento do processo através da representação por fluxograma: as

estações MPSs representam um modelo de produção industrial, os quais consistem num

conjunto de módulos didáticos interligados. Segundo Campos e Silva (2012), esses módulos

didáticos tem como base a combinação entre sistemas produtivos dispersos e os módulos de

montagem e usinagem ou componentes que permitem a produção célere de bens de média e

baixa tecnologia, sendo controlado por controladores lógicos programáveis (CLPs) o que

também permite maior flexibilidade dos processos de produção.

Figura 5- MPS – Estação de distribuição da UESC (Ilhéus, BA)

(a) (b)

Inicialmente, é realizado uma análise dos atuadores elétricos e pneumáticos (devido sua

fundamental importância no funcionamento da estação), avaliando características, tais quais:

precisão dos movimentos, fonte de energia, custos do equipamento, e segurança contra

sobrecarga. Desse modo, é possível obter um banco de dados com as vantagens e

desvantagens de cada tipo de equipamento no emprego adequado dessas ferramentas na

estação MPS. Além disso, foi realizada uma análise dos pré-requisitos gerais da estação para

o conhecimento dos sistemas integrados na estação e a função que cada sistema exerce.

Os atuadores pneumáticos da MPS são elementos mecânicos de um sistema que através de

movimentos lineares ou rotativos transformam a energia cinética do ar pressurizado em

expansão, em energia mecânica produzindo assim energia mecânica. Conforme Silva (2002),

as principais características desses atuadores são: (i) apresentam baixa rigidez devido à




10

compressibilidade do ar; (ii) não há precisão na parada em posições intermediárias; (iii)

apresentam uma favorável relação peso/potência; (iv) segurança à sobrecarga; (v) facilidade

de inversão; e (vi) proteção à explosão (FIALHO, 2007).

Os atuadores elétricos são componentes responsáveis por transformar energia elétrica em

energia mecânica de rotação. Esses atuadores são geralmente, motores elétricos

(BONACORSO; NOLL, 2007). Segundo Rosário (2005), esses motores podem ser de

corrente contínua ou alternada e de passo, e apresentarem alto grau de precisão e simplicidade

de controle. Suas principais vantagens são: (i) eficiência calculada, com controle preciso; (ii)

fonte de energia acessível; e (iii) custo relativamente pequeno. Entretanto, esses atuadores

apresentam as seguintes desvantagens: (i) impossibilidade de manter um momento constante

nas mudanças de velocidade de rotação; (ii) possibilidade de ocorrência de danos no caso de

cargas pesadas o suficiente para parar o motor; e (iii) baixa razão entre o peso do motor e sua

potencia de saída exige um motor de grande dimensão para eficiência do atuador.

Através da análise de requisitos na estação de distribuição MPS foi observado que as ações

são realizadas, principalmente, por meio de dois atuadores. O primeiro é um cilindro que se

encontra no dispensador de compartimento em pilha (buffer). O segundo atuador se encontra

acoplado a um braço mecânico rotatório e serve para dar movimento de rotação a esse braço

que por um sistema de vácuo transfere produtos do magazine para uma próxima estação MPS.

Assim, neste texto, por simplificação e por serem as principais ações realizadas na estação

MPS de distribuição, são apresentados os dois processos envolvendo a movimentação do

cilindro e o braço giratório, levando em consideração as possíveis falhas envolvidas. Assim,

seguindo as etapas propostas do método, a modelagem do sistema de controle sustentável

desses processos produtivos são descritas. A Tab. 1 sintetiza o levantamento das vantagens e

desvantagens relacionadas com esses atuadores da MPS.

Tabela 1 - Vantagens e desvantagens de cada sistema atuador da MPS




11

Fonte: Adaptado de Bavaresco (2007)

Nesta etapa também são analisados e descritos o funcionamento de todos os processos

envolvidos na estação MPS, que funciona da seguinte forma: um dispensador (“buffer”) é

utilizado como um estoque de produtos (“peças”) (Fig. 5b), esse estoque possui a capacidade

de até 8 “peças”. Na base do dispensador há um sensor de presença e ao detectar a presença

de “peça” um sinal é emitido para um atuador que movimenta o cilindro. Este último tem

como finalidade o transporte de peças do “dispensador” para uma plataforma de saída

(“magazine”). Outro sensor de presença detecta a presença de “peça” no “magazine” emitindo

um sinal para a atuação de um braço mecânico (“braço de distribuição”), que transporta a




12

peça para um módulo posterior. No “braço de distribuição” há uma “ventosa”, responsável

pela fixação da peça no “braço de distribuição”, essa fixação ocorre através de um gerador de

vácuo. Logo após o transporte da peça para o próximo módulo, a peça é liberada e todos os

componentes envolvidos retornam a posição inicial aguardando a liberação para ocorrer um

novo ciclo.

Para melhor visualizar o processo envolvido na estação, elabora-se um fluxograma. Este

facilita a identificação dos processos e as prováveis falhas no sistema assim como as

estratégias de controles que podem atuar de forma corretiva. A Fig. 6 ilustra o fluxograma do

macroprocesso. As variáveis envolvidas no processo também são definidas nesta etapa, pois a

cada mudança de estado os estados binários das entradas e saídas do CLP são indicados por

essas variáveis.

Figura 6– Lista de condições e ações do macroprocesso




13

2ª Etapa - modelagem em redes de Petri: nesta etapa utilizou-se o software PIPE (BONET et

al., 2007), editor e simulador de PN, como ferramenta de suporte e análise dos modelos

desenvolvidos. O PIPE caracteriza-se pela facilidade de manuseio e o alto nível de detalhes na

representação gráfica, além de ser um software de código aberto e gratuito escrito em

linguagem JAVA. Para a modelagem em redes de Petri, deve-se seguir as três sub-etapas

propostas no método.

Desse modo, elaborou-se a modelagem em PN do macroprocesso da estação. Para tanto,

levando em conta o fluxograma da Fig. 6 e a análise de requisitos da 1ª etapa, define-se uma

lista de condições e ações deste macroprocesso (Tab. 2). Baseado nesta lista de condições e




14

ações, elaborou-se as matrizes de entrada e saída ilustrada na Fig. 7 e parte da PN (em

destaque em azul) da Fig. 8.

Tabela 2 – Lista de condições e ações do sistema de controle do macroprocesso

Figura 7 – Matrizes de entrada e saída do macroprocesso

Figura 8 - Rede de Petri do macroprocesso considerando a ocorrencia de falha




15

A definição das marcações iniciais do sistema de controle de movimentação do cilindro do

buffer são então elaboradas. Com esse sistema de controle é possível detectar as falhas

envolvidas na movimentação do cilindro, e propor estratégias de controle e reconfiguração.

Assim, elabora-se a lista de condições e ações (Tab. 3) e as matrizes de entrada e saída

considerando as possíveis falhas da movimentação do cilindro, ou atuador, do buffer (Fig. 9).

A Fig. 10 representa graficamente a PN do sistema de controle de movimentação do cilindro.

Assim, é obtida a modelagem do sistema de controle do macroprocesso da estação de toda a

PN, apresentada anteriormente na Fig. 8.

Tabela 3 – Condições e ações do sistema de controle do cilindro (atuador) do buffer




16

Figura 9– Matrizes de entrada e saída do sistema de controle do cilindro do buffer

Com o uso de simulação e do software PIPE, bem como da flexibilidade de aplicação das

estratégias de controle modeladas em PN, nas bancadas MPS é possível a criação de

diferentes cenários que servem para análise comparativa e validar as vantagens do




17

procedimento. Por exemplo, seguindo todos os passos anteriores para a modelagem em PN,

que por simplificação não são apresentados, elabora-se outra modelagem do sistema de

controle de movimentação do braço de distribuição considerando que o mesmo fosse movido

por energia elétrica levantando as possíveis falhas nesse cenário. A Fig. 11 representa

graficamente esta modelagem em PN do sistema de controle de movimentação do hipotético

braço pneumático. Desse modo, foi possível observar o funcionamento do sistema sob as

diferentes tecnologias, simular e comparar os modelos baseado no lead time de cada um.

Além disso, o método permitiu a integração dos sub-sistemas produtivos nesses e outros

diferentes cenários considerando as falhas e reconfigurando o sistema quando necessário.

Figura 10– Modelagem da estação com sistema de controle do cilindro

Figura 11– Modelagem do sistema de controle do macroprocesso




18

4. Conclusão

Este estudo apresenta um método para desenvolvimento sistemas de controle sustentável de

sistemas produtivos dispersos (SPDs). O método combina técnicas de engenharia de

requisitos e de modelagem em redes de Petri (PN) e baseado no levantamento de dados são

propostas estratégias de controle visando à correção de falhas. Os modelos são editados e

simulados num software de redes de Petri (PN) validando os modelos através da verificação

do atendimento das boas propriedades de PN para sistemas produtivos.

Aplica-se o método proposto em uma estação de sistema modular de produção (MPS) que

emula um sistema de manufatura, importante classe de SPD. Foram analisados os dois

principais processos de controle de movimentação da estação MPS e comparou-se diferentes

tecnologias de atuação, i.e., elétrica e pneumática. O método permitiu a integração dos sub-

sistemas produtivos nesses diferentes cenários considerando as falhas e reconfigurando o

sistema quando necessário. A comparação das condições e ações que precisam ser atendidas

em cada sistema de controle com as transições e lugares dos modelos em PN permitiu uma

análise qualitativa dos modelos e o desenvolvimento de estratégias de controle para correção

de possíveis cenários de falhas. A reconfiguração do sistema é aplicada para melhorar o

desempenho do sistema tanto na ocorrência de falhas, como através do controle do lead time

dos processos, através da velocidade de atuação do sistema e o controle de pressão

pneumático ou manipulação do sistema elétrico. Desse modo, o método proposto permitiu




19

aumentar a robustez da estação MPS e a análise da reação do sistema de controle numa

eventual perda de produtividade.

O método pode ser ampliado para outros sistemas produtivos reais, haja vista que em sistemas

projetados e implementados pelo homem a ocorrência de falhas são consideradas inevitáveis.

Portanto, o método contribui também para a inovação tecnológica no novo milênio

considerando a sustentabilidade, pois o método considera a mitigação de acidentes ou

imprevistos de SPD e o uso adequado de seus recursos. Além disso, o método reduz esforços

no desenvolvimento de controle de processos produtivos, pois modelos em PN facilitam o

desenvolvimento de linguagens de implementação em controladores lógicos programáveis, e

desse modo a redução de custos e o aumento da produção.

5. Referências

ALI, S.A., SEIFODDINI, H. AND SUN, H.. “Intelligent modeling and simulation of flexible assembly

systems”. In Proceedings of the 37th conference on Winter simulation. Winter Simulation Conference, pp. 1350–

1358, 2005.

BOLTON, W. Engenharia de controle. São Paulo: Makron Books, 497p. 1995.

BONET, P. et al. Pipe v2. 5: a petri net tool for performance modelling. Proc. of CLEI 23rd Latin American

Conference on Informatics. 2007.

BONACORSO, N. G.; NOLL, V. Automação eletropneumática. 10ed. São Paulo: Érica, 138p., 2007.

CAMPOS, J. T. G. A. A.; SILVA, R. M. Aplicação do Modelo ADDIE no Ensino de Técnicas de Projeto de

Sistemas de Manufatura In: Anais do VII Congresso Nacional de Engenharia Mecânica, São Luís, 2012.

CASSANDRAS, G.C.; LAFORTUNE, S. Introduction to discrete event systems. Norwell: Kluwer Academic

Publishers, 1999.

CASTILLO, R. A. et al. Apresentação de métodos para implementação de plataformas colaborativas de Sistemas

Automatizados de Produção. GEPROS. Gestão da Produção, Operações e Sistemas, v. 7, n. 2., p. 81-95, 2012.




20

CAVALCANTE, A. L. D. Uma arquitetura aberta para a integração de dados do ambiente fabril com os níveis

superiores da empresa. Dissertação (Mestrado em Engenharia Elétrica), Universidade Federal do Rio de Janeiro,

Rio de Janeiro, 111p., 2005.

DORF, R. C.; BISHOP, R. H. Sistemas de controle modernos. 8.ed. Rio de Janeiro: LTC, 659p., 2001.

FATTORI, C.C., JUNQUEIRA, F., SANTOS FILHO, D.J. AND MIYAGI, P.E. “Service composition modeling

using interpreted Petri net for system integration”. In Mechatronics (ICM) IEEE International Conference on

Mechatronics. pp. 696–701, 2011.

FIALHO, A. B. Automação pneumática: projetos, dimensionamento e análise de circuitos. 6.ed São Paulo: Érica,

324p., 2007.

FRIGERI, A. H.; PEREIRA, C. E.; DARSCHT, P. Building up Object-Oriented Industrial Automation Systems:

Experiences Interfacing Active Objects with Technical Plants. P. 53-61. 1995.

HAN, R., LIU, K., JU, Y. AND ZHAO, J. “A Petri net theory-based method for modeling web service-based

sys-tems”. In International Conference on Wireless Communications, Networking and Mobile Computing. pp.

1–7, 2008. doi:10.1109/WiCom.2008.2839.

MEHRABI, M.G., ULSOY, A.G. AND KOREN, Y. “Reconfigurable manufacturing systems and their enabling

technolo-gies”. International Journal of Manufacturing Technology and Management, Vol. 1, No. 1, pp. 114–

131, 2000.

MIYAGI, P. E. Controle Programável - Fundamentos do controle de sistemas a eventos dis-cretos. São Paulo,

SP: Editora Edgard Blucher LTDA, 1996.

MORAES, C. C.; CASTRUCCI, P. L., Engenharia de automação industrial. 2.ed Rio de Janeiro: LTC, 347p.,

2007.

NAGORNY, K.; COLOMBO, A. W.; SCHMIDTMANN, U. A service-and multi-agent-oriented manufacturing

automation architecture: an iec 62264 level 2 compliant implementation. Com-puters in Industry, Elsevier, 2012.

PRATA, B. A.; Controle supervisório da cadeia produtiva do biodiesel da mamona baseado em redes de Petri.

Dissertação (Mestrado em Logística e Pesquisa Operacional) - Centro de Tecnologia, Universidade Federal do

Ceará, Fortaleza, 135 p., 2007.




21

REISIG, W. Petri nets: an introduction, Springer Verlag, New York, 1985.

ROSÁRIO, J. M. Princípios de mecatrônica. São Paulo: Prentice Hall, 356p., 2005.

SILVA, E. C. N. Sistemas fluidomecânicos: Apostila de pneumática. São Paulo. 2002. Disponível em:

http://sites.poli.usp.br/d/pmr2481/pneumat2481.pdf, Acesso em: 15 abr. 2013.

SILVA, R. M.; MIYAGI, P. E.; SANTOS FILHO, D. J. Design of active holonic fault-tolerant control systems.

Springer IFIP Advances in Information and Communication Technology, v. 349, p. 367-374, 2011.

SILVA, R. M. et al. Modeling of active holonic control systems for intelligent buildings. Automation in

Construction, Elsevier, v. 25, p. 20-33, 2012.

http://sites.poli.usp.br/d/pmr2481/pneumat2481.pdf

modelagem de sistema de controle sustentÁvel de … · sistemas produtivos dispersos (spds)...

Documents