Uma equipe do Departamento de Engenharia Industrial e de Gestão da Universidade de Sharjah desenvolveu uma tecnologia de gêmeo digital orientada por dados, projetada especificamente para sistemas de armazenamento de ar comprimido (CAES). O objetivo é aumentar significativamente a eficiência e a confiabilidade dos reservatórios por meio de monitoramento em tempo real e previsão de falhas. O estudo foi publicado na revista Energy e descreve detalhadamente como sensores, análise estatística e aprendizado de máquina não supervisionado podem ser integrados para criar uma réplica virtual do sistema físico, permitindo o monitoramento inteligente do CAES.

O núcleo da pesquisa baseia-se na implementação de uma rede de sensores com base em Arduino, capaz de coletar continuamente dados de temperatura, pressão e tensão elétrica, armazenando-os em uma biblioteca modular de padrões. A professora assistente Concetta Semeraro explicou: “O gêmeo digital funciona como um espelho inteligente do sistema físico, capaz de identificar antecipadamente sinais iniciais de falhas de vazamento (F1), falhas de acoplamento (F2) e falhas de carga (F3), evitando que os problemas se agravem.” Os testes experimentais demonstraram que o modelo dispensa o uso de grandes volumes de dados ou recursos computacionais de alto custo — a classificação das falhas e a avaliação do estado de saúde do sistema (HS) são realizadas com técnicas de aprendizado de máquina baseadas em análise conceitual relacional.

O estudo destaca que a arquitetura modular projetada possui alta escalabilidade. A biblioteca de padrões pode ser facilmente adaptada para outros sistemas energéticos, como baterias, turbinas ou unidades de armazenamento de hidrogênio, exigindo apenas pequenos ajustes de parâmetros para viabilizar a transferência tecnológica. A Dra. Semeraro acrescentou: “Esse conceito de ‘modelo de padrões’ reduz consideravelmente o tempo de desenvolvimento de novos sistemas e diminui os custos de manutenção.” Com a aplicação de estratégias de manutenção preditiva, os operadores podem intervir com antecedência com base na detecção de anomalias em tempo real, prevenindo paradas não programadas e perdas de energia.