Lucas Yukio Yotsui de Carvalho

Idiomas

Projetos de pesquisa

• 2023 - Atual

  Sistema Inteligente de Aquisição e Análise de Dados para Controladores Automotivos 2, Descrição: Automóveis modernos possuem de 30 à mais de 100 Unidades de Controle Eletrônicas (ECUs) que são responsáveis pelo controle de diversas funcionalidades do veículo, como motor, freios e assistência/segurança ao motorista. Antes do lançamento de um novo modelo ou atualização de um automóvel, as empresas realizam uma série de testes de rodagem para garantir que não há defeitos nos controladores. Tais testes utilizam ECUs de desenvolvimento para permitir a retirada de dados do controlador para posterior análise e detecção de falhas. A empresa Renault, parceira deste projeto, por exemplo, realiza testes que rodam cerca de 30 mil km em até 6 semanas para cada novo modelo ou atualização. Há três problemas principais encontrados durante os testes: (i) ECUs de desenvolvimento possuem um módulo eletrônico acoplado a elas responsável pela retirada dos dados. Esse módulo tem um alto custo e é produzido por empresas estrangeiras (como a ETAS por exemplo); (ii) motoristas terceirizados executam os testes de rodagem e, muitas vezes, não cumprem o trajeto e as normas estabelecidas. Assim, todos os dados coletados durante os testes são perdidos; e (iii) não há transmissão em tempo real dos dados coletados nas ECUs, o que atrasa a detecção de falhas. Desta forma, o objetivo deste projeto é criar um sistema inteligente para aquisição e análise dos dados dos controladores. O sistema será composto por um componente eletrônico acoplável às ECUs de desenvolvimento e permitirá a coleta e transmissão dos dados em tempo real. Uma vez transmitidos para um servidor, os dados serão analisados usando técnicas de inteligência artificial (IA) para detectar anomalias. Os resultados esperados são a nacionalização e redução do custo dos componentes eletrônicos de ECUs de desenvolvimento, melhora na detecção de anomalias durante a fase de testes dos veículos e melhora na autonomia e segurança (safety) dos veículos através de calibragens avançadas combinadas com algoritmos de Inteligência Artificial.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (6) / Doutorado: (1) . , Integrantes: Lucas Yukio Yotsui de Carvalho - Coordenador / Anderson Wedderhoff Spengler - Integrante / Antônio Augusto Fröhlich - Integrante / Giovani Gracioli - Integrante / Sergio Arribas - Integrante.

• 2020 - Atual

  OBNZip - Compressor Inteligente de Dados Sísmicos para OBN, Descrição: O uso de Ocean Bottom Nodes (OBNs) na exploração sísmica de reservas de petróleo e gás requer a permanência e operação submarina prolongada dos mesmos, resultando em desafios tecnológicos como a extração de dados durante a operação e autonomia energética. Usando transmissão subaquática de dados, os diferentes canais de comunicação (acústico, eletromagnético e ótico), estão sujeitos a limitações específicas, ainda que em graus distintos, e têm diferentes implicações na autonomia energética da aquisição por OBN. Para avançar nas questões relacionadas a estes dois desafios em aquisição submarina por meio de OBNs, o presente projeto propõe um trabalho integrado entre diferentes grupos de pesquisa da Universidade Federal de Santa Catarina (UFSC) para alcançar cinco metas: 1) Estudo exploratório sobre comunicação submarina sem fio voltada para transmissão de dados sísmicos entre OBNs e entre OBNs e demais dispositivos pelos diferentes canais disponíveis, visando minimizar a quantidade de dados a ser transmitida; 2) Estudo exploratório sobre gestão de Energia em OBNs durante a permanência no leito marinho; 3) Desenvolvimento de modelos preditivos de dados sísmicos submarinos; 4) Desenvolvimento de um sistema de compressão de dados sísmicos submarinos usando aprendizado de máquina; e 5) Planejamento da integração do compressor inteligente com métodos de comunicação e gerenciamento de energia em OBN identificados como mais adequados durante a execução do projeto. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (5) / Mestrado acadêmico: (5) / Doutorado: (3) . , Integrantes: Lucas Yukio Yotsui de Carvalho - Coordenador / Stephan Paul - Integrante / Anderson Wedderhoff Spengler - Integrante / Antônio Augusto Fröhlich - Integrante / Giovani Gracioli - Integrante / Lucas Weihmann - Integrante.