De acordo com pt.wedoany.com-O projeto DIDEAROT (Digital Design strategies to certify and mAnufacture Robust cOmposite sTructures, Estratégias de Design Digital para Certificar e Fabricar Estruturas Compostas Robusta), no âmbito do programa Horizonte Europa, está desenvolvendo modelos substitutos de aprendizado de máquina treinados com simulações físicas, visando reduzir a carga de testes físicos necessários para a certificação de estruturas primárias compostas da próxima geração de aeronaves.
Desde corpos de prova até estruturas completas, o método de certificação "em bloco" no setor aeroespacial de compósitos exige testes físicos em todos os níveis de projeto, um processo de alto custo. Embora modelos de simulação de elementos finitos de alta fidelidade possam capturar com precisão a cura de compósitos ou a resposta a impactos, seu custo computacional elevado limita a exploração de parâmetros e a quantificação de incertezas durante a fase de projeto. O projeto "HORIZON-CL5-2021-D5-01-06" da Comissão Europeia visa responder a essa restrição industrial, permitindo decisões de projeto mais informadas em fases iniciais por meio de ferramentas de design digital, reduzindo a carga de testes físicos no caminho da certificação.
O projeto DIDEAROT aplica a abordagem de modelo substituto a dois problemas específicos. Na área de fabricação, o projeto desenvolveu um novo método para prever e corrigir deformações de cura em compósitos. Resultados publicados por pesquisadores da Cenaero, na Bélgica, na revista Composite Structures (Zein et al., junho de 2025) mostram que o método não trabalha diretamente na malha 3D completa da peça, mas utiliza um conjunto reduzido de funções de base matemática (base espectral) para representar sua forma, ajustando a geometria do molde com o auxílio do método numérico de Broyden. Em um caso de teste com placa plana, o método eliminou completamente as deformações induzidas pela cura, enquanto o método padrão de ponto fixo atualmente usado na indústria não conseguiu convergir.
Na área de vulnerabilidade estrutural, o projeto foca na resposta dinâmica de estruturas sob impacto. Para prever a resposta de danos na escala microscópica do material, a equipe da Universidade de Liège (ULiège) treinou um modelo substituto de rede neural recorrente (SC-MRU-T, Unidade Recorrente Mínima Autoconsistente), que reproduz diretamente a resposta tensão-deformação de um Volume Elementar Representativo (RVE). A unidade SC-MRU-T construída pela equipe insere explicitamente o tamanho de cada passo de carga em seu cálculo interno, resolvendo o problema de modelos anteriores cujos resultados variavam com o refinamento da discretização dos passos de carga, tornando-a adequada para os passos de tempo finos e irregulares necessários em simulações de impacto (Wu & Noels, 2024, publicado em Computer Methods in Applied Mechanics and Engineering).
Em um teste de simulação multiescala de referência sem danos, a precisão preditiva da rede SC-MRU-T foi comparável à do método tradicional de elementos finitos completos, enquanto sua velocidade de execução foi cerca de 40.000 vezes maior. Esse resultado, bem como o código subjacente e os dados de treinamento, estão disponíveis em acesso aberto. A equipe testará em seguida cenários com falha de material, que são mais desafiadores para análises de impacto relacionadas à certificação.
O projeto DIDEAROT, com duração de setembro de 2022 a agosto de 2026, está atualmente na metade de seu cronograma. Além dos resultados acima, uma equipe independente da Universidade do Porto (INEGI) publicou um método que, por meio de um único teste e utilizando o conceito existente de invariante de material (módulo de Tsai), permite estimar um conjunto completo de parâmetros de propriedades de compósitos, com erro de previsão de cerca de 6-8% em comparação com valores medidos (Dinler et al., Journal of Composite Materials, 2026).
O projeto DIDEAROT é coordenado pela Cenaero, com parceiros incluindo Sonaca, Universidade de Liège, Tecnalia, INEGI/Universidade do Porto, Aernnova, Hexagon/E-Xstream Engineering e o Centro de Supercomputação de Barcelona. Seu conselho consultivo inclui Airbus, Dassault Aviation, Safran, Embraer e EASA. Espera-se que alguns resultados do projeto atinjam o Nível de Maturidade Tecnológica 6 (TRL6), podendo ser aplicados diretamente na parceria "Clean Aviation". O projeto estabeleceu uma iniciativa de cluster com projetos como CAELESTIS, NEXTAIR, GENEX e INFINITE para compartilhar resultados, e planeja realizar workshops voltados para HPC e academia, bem como para transferência de tecnologia industrial, antes de seu término. Mais informações podem ser encontradas na página do projeto no CORDIS: cordis.europa.eu/project/id/101056682.
Este texto foi elaborado por Wedoany. Qualquer citação por IA deve indicar a fonte “Wedoany”. Em caso de infração ou outros problemas, informe-nos prontamente, por favor. O conteúdo será corrigido ou removido. E-mail: news@wedoany.com
