card para o blog

Devicenet na automação industrial

DeviceNet é um protocolo de comunicação aberto utilizado em automação industrial para troca de dados entre dispositivos de controle. É uma ferramenta que está no contexto da nova indústria digital, automação 4.0, pilares da automação, e de toda a cadeia de valor do negócio.

Ela utiliza Controller Area Network (CAN), e define uma camada de aplicação para cobrir uma faixa dos perfis de dispositivos. Aplicações típicas incluem troca de comunicação, dispositivos de segurança, e controle de entrada/saída de redes.

Em 1990, a empresa Allen-Bradley-Rockwell Automation foi responsável pelo desenvolvimento do protocolo DeviceNet utilizando o CAN como padrão para sua criação. A Allan-Bradley utilizou o CAN como a camada física do DeviceNet, criando uma camada física bem robusta.

Além de ter criado uma tecnologia aberta para todos os fabricantes com baixo custo de implementação permitindo diversas topologias, cabos e outras flexibilidades.

De fato, notamos que no campo, o DeviceNet é mais utilizado em sensores e atuadores simples.  Mas ao mesmo tempo, podemos encontrar dispositivos mais complexos conectados a rede DeviceNet, como alguns modelos de medidores de vazão Coriolis.

 

Configuração da rede DeviceNet

DeviceNet-Schematic_800w

A maneira como você configura seus dispositivos DeviceNet pode variar de acordo com fatores como, o tipo de sistema de controle que você possui.Quando você compra um dispositivo para o DeviceNet, ele terá um MAC ID. Depois de configurar o dispositivo, você também precisará definir a rede onde planeja instalar o equipamento.

Além de outros dados, como o identificador de classe, teremos também o identificador de instância e o identificador de atributo. Depois disso, é necessário acessar o sistema de controle e adicionar o DeviceNet scanner.

Em seguida, o software navegará na rede, localizará todos os dispositivos conectados ao driver e, assim por diante.

 

FONTE: https://automacaoecartoons.com/2018/10/03/rede-devicenet/

carros autonomos vantagens e desafios

As vantagens e desafios dos carros autônomos

Será que os carros autônomos vão se tornar o padrão de locomoção nas grandes cidades?

Saberemos a resposta em pouco tempo, pois o nível de testes de grandes empresas do setor automotivo e de tecnologia estão em estágios avançados. Vamos conferir um pouco sobre essa tendência além de suas vantagens e desvantagens.

Um carro autônomo (às vezes chamado de automóvel autodirigido, automóvel automático ou veículo autônomo) é um veículo robotizado. Ele é projetado para viajar entre destinos sem que o motorista precise fazer algum esforço. Para se qualificar como totalmente autônomo, um veículo deve poder navegar sem intervenção humana para um destino predeterminado por estradas que não tenham sido adaptadas para seu uso.

Algumas empresas que desenvolvem e testam carros sem interferência do condutor são:

  • Audi
  • BMW
  • Ford
  • Google
  • General Motors
  • Volkswagen

Observe que há seis montadoras tradicionais e uma empresa de tecnologia como intrusa na lista.

Contudo, esta empresa não se encaixa no grupo de fabricantes, embora tenha os projetos de carro autônomo mais famosos.

Em 2015, o Google fez um teste envolvendo uma frota de carros auto-dirigidos: seis Toyota Prius e um Audi TT.

Ambos circularam por mais de 300 mil quilômetros de ruas e rodovias da Califórnia, nos Estados Unidos.

Para a grata surpresa de todos, apenas um acidente ocorreu durante uma das raras ocasiões.

Outro teste de mais de 1.000 milhas (1,6 mil km) foi concluído com sucesso sem intervenção humana.

Vantagens possíveis

As principais vantagens associadas ao desenvolvimento de veículos autônomos incluem:

  • Redução dos acidentes de trânsito provocados por fatores humanos;
  • Possibilidade de deficientes (motoras ou visuais) utilizarem o automóvel sem auxílio de terceiros;
  • Aumento da produtividade já que o condutor pode realizar outras atividades durante o processo de navegação;
  • Otimização dos recursos veiculares através da utilização adequada dos componentes.
  • Aumento da capacidade de tráfego das vias com a redução das distâncias entre os veículos, em função de menor tempo de reação para frenagens.

Desafios

Os principais desafios apresentados no desenvolvimento dos veículos autônomos incluem:

  • Definição das responsabilidades legais sobre os eventos provocados pelo veículo;
  • Ajuste da legislação de trânsito para tratar os veículos autônomos;
  • Desenvolver sensores de maior capacidade de percepção das condições de tráfego, principalmente de pedestres e ciclistas.

 

Fontes:

https://doutormultas.com.br/carro-autonomo-7-curiosidades-tecnologia/

https://noticias.ne10.uol.com.br/coluna/difusao/noticia/2017/08/22/carros-autonomos-seres-nem-tanto-710739.php

big data e analytics

Big data e Analytics

Big Data é a área do conhecimento que estuda como tratar, analisar e obter informações a partir de conjuntos de dados grandes demais para serem analisados por sistemas tradicionais. Ao longo dos últimos anos, a quantidade de dados gerados tem crescido de forma exponencial. O conceito ganhou força no começo dos anos 2000, quando o analista Doug Laney articulou a definição atualmente mainstream de big data em três Vs:

Volume. Organizações coletam dados de fontes variadas, incluindo transações financeiras, mídias sociais e informações de sensores ou dados transmitidos de máquina para máquina. No passado, armazená-los teria sido um problema — mas novas tecnologias (como o Hadoop) aliviaram esse fardo.

Velocidade. Os dados são transmitidos numa velocidade sem precedentes e devem ser tratados em tempo hábil. Etiquetas RFID, sensores e medições inteligentes estão impulsionando a necessidade de lidar com torrentes de dados praticamente em tempo real.

Variedade. Dados são gerados em inúmeros formatos — desde estruturados (numéricos, em databases tradicionais) a não-estruturados (documentos de texto, e-mail, vídeo, áudio, cotações da bolsa e transações financeiras).

A importância do big data não gira em torno da quantidade de dados que você tem, mas do que você faz com eles. Você pode obter dados de várias fontes e analisá-los para encontrar respostas que permitem

1) reduzir custos;

2) economizar tempo;

3) desenvolver novos produtos e otimizar ofertas;

4) tomar decisões mais inteligentes.

Inteligência analítica (em inglês, analytics) é um campo abrangente e multidimensional que se utiliza de técnicas matemáticas, estatísticas, de modelagem preditiva e outros recursos para encontrar padrões e conhecimento significativos em dados.

Quando você combina big data com inteligência analítica de alta performance, você pode realizar tarefas corporativas como:

  • Determinar a causa de falhas, problemas e defeitos quase que em tempo real;
  • Gerar cupons no ponto de venda com base nos hábitos de compra do cliente;
  • Recalcular carteiras de riscos completas em minutos;
  • Detectar comportamentos fraudulentos antes que eles afetem sua organização.

 

Fonte: https://www.sas.com/pt_br/insights/big-data/what-is-big-data.html

Imagem: https://www.opservices.com.br/big-data-analytics/