APRENDIZADO FEDERADO NA INDÚSTRIA 4.0: Aplicações em veículos automotores terrestres
No Brasil, o transporte terrestre é o principal meio de movimentação de mercadorias e passageiros, respondendo por uma parte significativa da logística e da mobilidade urbana nacional. Diante da dependência desse modal, surge a necessidade de otimizar operações e aumentar a segurança dos veículos automotores terrestres. Tecnologias como gêmeo digital e sistema ciberfísico se destacam na melhoria da segurança e eficiência operacional, permitindo, por exemplo, a criação de modelos preditivos para falhas em componentes e subsistemas. No entanto, a implementação dessas tecnologias enfrenta desafios ligados à interoperabilidade, escalabilidade, privacidade dos dados e limitações quanto aos recursos de rede e conectividade, entre outros. Desenvolvimentos ligados à Indústria 4.0 e ao aprendizado federado surgem como possíveis soluções para estes desafios. Neste sentido, este trabalho propõe o desenvolvimento de um sistema ciberfísico de aprendizado federado para monitoramento e predição de falhas em veículos automotores terrestres. Os resultados preliminares incluem o levantamento do estado da arte, o desenvolvimento de um modelo para representação e intercâmbio de informações no mundo digital para veículos leves e pesados e a implementação de uma arquitetura de microsserviços para implementação de gêmeos digitais e sistemas ciberfísicos baseada nos padrões da Indústria 4.0. Este trabalho pretende ainda demonstrar a viabilidade da implementação de um sistema de aprendizado federado ao incorporar à arquitetura os demais elementos constituintes deste tipo de sistema, bem como estabelecer métricas e cenários para sua avaliação.