O Vertex – Instituto de Ciência e Inovação oferece uma infraestrutura robusta e em constante aprimoramento, cuidadosamente planejada para atender às necessidades dos grupos de pesquisa que atuam no desenvolvimento de soluções tecnológicas em parceria com o setor produtivo. Com espaços dedicados exclusivamente à pesquisa, desenvolvimento e inovação (PD&I), o instituto proporciona um ambiente propício à experimentação, à criatividade e ao trabalho colaborativo.

No coração das atividades técnicas e científicas está o laboratório do Vertex, localizado no Centro de Inovação de Jaraguá, em Maceió. Com estações de trabalho bem distribuídas e um layout pensado para estimular a interação entre pesquisadores, esse espaço atende às demandas operacionais dos projetos, funcionando como núcleo de testes, desenvolvimento e validação de tecnologias aplicadas.

Os grupos de pesquisa também contam com acesso a salas de reunião compartilhadas no próprio Centro de Inovação, ambiente que favorece a integração com empresas, clientes e instituições parceiras. Esses espaços estratégicos complementam a estrutura de trabalho e são amplamente utilizados para reuniões de alinhamento, apresentações de resultados e articulação de novas colaborações.

Além disso, o Instituto dispõe de uma sede própria no bairro da Pintanguinha, que consolida a identidade institucional do Vertex e amplia as possibilidades de atuação dos grupos de pesquisa. O prédio abriga ambientes técnicos e administrativos, áreas de convivência e um laboratório adicional que fortalece a capacidade instalada para o desenvolvimento de projetos. Com iniciativas contínuas de expansão e melhorias, a sede está preparada para acompanhar o crescimento das atividades e das parcerias estratégicas.

O corpo técnico do Vertex tem histórico de atuação em projetos de inovação e desenvolvimento com parceiros de diversos setores produtivos. Seguem alguns exemplos que resultaram em publicações de cunho inovador e científico.

Por meio de uma parceria com o Centro de Inovação EDGE, este grupo de pesquisa vem atuando no desenvolvimento de soluções em Inteligência Artificial e Transformação Digital. Mais especificamente, os principais problemas abordados se referem ao suporte ao processo de construção de um poço de petróleo e os respectivos aspectos relacionados aos custos.

O processo de construção de um poço de petróleo offshore representa o momento de execução dos diversos projetos previamente elaborados ao longo de meses de trabalho. Operacionalmente é seguido um cronograma de atividades detalhadas, resultando numa operação ininterrupta com várias equipes trabalhando em turnos. Desta forma, a junção de um ambiente industrial em alto mar, com elevados custos operacionais e o acesso limitado a informações pela baixa velocidade de internet, tornam o ambiente offshore um ambiente de elevada tensão e risco.

O projeto em questão aborda aspectos de planejamento operacional em tempo de execução, maximizando a aplicação das melhores práticas operacionais pelo uso de Inteligência Artificial na geração de cronogramas e sequências operacionais baseadas em histórico, implementados em ambiente offshore utilizando tecnologia de computação de fronteira (Edge Computing).

Outro aspecto relevante abordado neste projeto é o gerenciamento dos custos da construção do poço. De acordo com a literatura, os principais fatores de influência na perfuração são o peso sobre a broca e a rotação da coluna para atravessar a formação litológica que, numa visão simplificada, trata-se de uma operação complexa que combina um Programa de Poço com um Programa de Brocas, os quais, quando detalhados no projeto de perfuração, determinam o custo do projeto.

Portanto, o escopo deste projeto inclui o desenvolvimento de uma metodologia de estimativa de custos implementada por meio de uma ferramenta computacional em plataforma WEB, com inputs de dados integrados de composição de custo. Assim, o projetista passar a conseguir tomar decisões considerando parâmetros diversos para cada fase de perfuração e, ainda, tempos prévios já estabelecidos num cronograma físico, resultando numa estimativa mais precisa.

Para produzir baterias estacionárias, são necessários vários materiais, incluindo ácido sulfúrico. Esse ácido, comprado em forma concentrada, precisa ser diluído com água desmineralizada para formar a solução que será utilizada no interior da bateria. Este processo, geralmente manual, é tedioso, perigoso e propenso a erros, envolvendo a mistura cuidadosa das substâncias em um tanque especial e a verificação periódica da mistura para garantir a densidade correta. Além disso, há um risco significativo de acidentes, como queimaduras causadas por respingos do ácido.

Com o objetivo de aprimorar essa etapa, um projeto foi desenvolvido para automatizar o processo de mistura do ácido e da água. A inovação consistiu no uso de tecnologias, como um Controlador Lógico Programável (CLP), um medidor de condutividade, uma interface gráfica para interação humana (IHMs), várias válvulas solenóides e sensores de nível. Esse sistema automatizado foi desenhado para controlar cuidadosamente a adição e mistura das substâncias, minimizando os riscos de acidente e melhorando a eficiência do processo.

A metodologia empregada, baseada em Redes de Petri Coloridas, foi detalhada em um estudo apresentado em um congresso científico, destacando a análise e validação do sistema antes de sua implementação para evitar acidentes, perdas financeiras, danos humanos ou ambientais.

A implementação desse sistema automatizado trouxe benefícios significativos para a empresa EnerSys, a parceira do projeto. A automatização, descrita através de modelagem avançada, não só tornou o processo de mistura mais seguro para os trabalhadores, eliminando a exposição direta aos riscos químicos, mas também acelerou a produção da solução necessária para a fabricação das baterias. Essa inovação representa um avanço significativo na produção de baterias estacionárias, aumentando a segurança no ambiente de trabalho e a eficiência no processo de fabricação [1].

A Corning é um dos líderes mundiais de inovação em ciência dos materiais. Por mais de 160 anos, tem utilizado sua experiência inigualável em vidros especiais, cerâmicas e física óptica para desenvolver produtos. Ela obtém sucesso através de investimento contínuo em P&D.

Em particular, a Corning contratou membros que compõem a equipe de pesquisa e inovação do Vertex com o propósito de desenvolver um sistema de Visão Computacional e automação voltado para a inspeção de qualidade durante o processo de composição de kits [2].

Havia uma variedade de kits, cada um composto por diferentes dispositivos utilizados pelos clientes da empresa para a implantação de sistemas de comunicações ópticas. O sistema inspeciona se o kit é composto da forma correta e, só em caso positivo, disponibiliza o funcionamento de um sistema de acionamento bi-manual capaz de dispensar os componentes em um recipiente plástico, para subsequente etiquetagem e encaminhamento aos clientes.

A solução de automação contribuiu significativamente para a redução de erros na montagem de kits da empresa, auxiliando na redução de custos de produção e eliminando o re-trabalho.

Uma das preocupações frequentes do setor de segurança do trabalho de uma corporação é a observação do uso correto dos equipamentos de proteção individual (EPIs) por parte dos seus colaboradores. A utilização apropriada desses dispositivos é de suma importância para evitar danos à integridade física dos funcionários.

Além disso, é importante que os EPIs utilizados correspondam àqueles recomendados conforme o setor no qual o indivíduo se encontra, para que a proteção esteja padronizada de acordo com o grau de risco do ambiente em questão. A verificação da utilização correta dos EPIs era efetuada manualmente pelos responsáveis da área de segurança do trabalho, que realizavam visitas não agendadas aos setores da fábrica para a observação daqueles que portavam a indumentária apropriada ao setor.

Ocorre que essa verificação era esporádica e suscetível a erros, uma vez que os funcionários poderiam vestir os EPIs ao constatarem o fiscal adentrar o ambiente. Nesse contexto, a Epson Brasil demandou uma solução para inspeção automatizada dos EPIs por parte dos funcionários, através da utilização dos vídeos das câmeras de segurança instaladas na fábrica. Tal inspeção foi realizada com modelos de redes neurais profundas de forma contínua, alcançando resultados divulgados em conferência internacional [3].

A Jabil é uma das líderes globais em soluções de manufatura eletrônica, fornecendo serviços de design, fabricação, e cadeia de suprimentos para diversas

indústrias, incluindo tecnologia da informação, telecomunicações, saúde, e automotiva.

Com uma presença robusta em mais de 30 países, destaca-se por sua capacidade de inovar e escalar rapidamente, atendendo desde startups até grandes corporações globais. Sua expertise abrange desde a concepção e prototipagem de produtos até a fabricação em massa e gestão pós-venda, o que permite à empresa oferecer soluções completas e customizadas para atender às necessidades específicas de cada cliente.

Além disso, a empresa é conhecida por sua forte ênfase em sustentabilidade e eficiência, procurando constantemente maneiras de minimizar o impacto ambiental de suas operações e produtos. A implementação de um projeto de inspeção visual automática (IVA) no processo de montagem de placas de circuito impresso (PCB) na Jabil trouxe benefícios, aumentando a eficiência e a qualidade da produção, ao mesmo tempo em que reduziu custos operacionais.

Em particular, o sistema de IVA utilizando tecnologias avançadas de câmeras e software de inteligência artificial para a detecção de falhas de fabricação em tempo real, o que consistiu na verificação de componentes ausentes, incorretos, ou mal posicionados. Isso não apenas acelerou o processo de identificação e correção de erros, evitando retrabalho e desperdício, mas também contribuiu para a melhoria contínua dos processos de produção através da coleta e análise de dados.

O projeto foi desenvolvido por membros da equipe do Vertex utilizando redes neurais profundas siamesas e os resultados foram apresentados em conferência internacional [4].

A utilização de redes neurais recorrentes (RNRs) no contexto da previsão de demanda por geração energética solar fotovoltaica é fundamental para assegurar a eficiência e a confiabilidade do fornecimento de energia elétrica. Isso se deve à habilidade única das RNRs de processar sequências de dados temporais, permitindo que compreendam padrões complexos de variação na geração solar em função de condições meteorológicas e de consumo ao longo do tempo.

Essa capacidade de previsão precisa é essencial para o planejamento e a operação de sistemas de energia, permitindo que os operadores de rede ajustem a produção e a distribuição de energia de forma a evitar faltas no atendimento à demanda de consumo.

Ao antecipar flutuações na geração solar, as RNRs contribuem significativamente para a otimização do mix energético, reduzindo a dependência de fontes não renováveis e promovendo uma transição mais suave para energias limpas e sustentáveis. Em particular, foi desenvolvido um trabalho em que redes recorrentes de arquitetura específica do tipo Long Short-Term Memory (LSTM) foram aplicada no contexto de previsão do comportamento da demanda por consumo de energia elétrica com o intuito de prevenir faltas na distribuição [5]. Vale salientar que a equipe conta com acesso a usina de mini-geração solar fotovoltaica para a realização de estudos específicos no tema em questão [6].

A utilização de robôs autônomos para a realização de inspeção visual de lavouras representa um avanço significativo no contexto da agricultura de precisão. Estes robôs, equipados com módulos de percepção baseados em visão, como demonstrado no desenvolvimento de uma plataforma móvel versátil para agricultura de precisão, têm o potencial de transformar o manejo e o monitoramento das culturas.

Com a aplicação de algoritmos avançados, como o SAM para segmentação de caminhos e, o YOLOv5 para detecção de caules de milho, esses robôs podem navegar de forma autônoma em ambientes agrícolas complexos, realizando inspeções detalhadas e precisas das plantações.

Esta capacidade de detectar de maneira eficiente e precisa elementos específicos nas lavouras, como caules de plantas, permite uma avaliação contínua das condições das culturas, facilitando intervenções agronômicas mais precisas e oportunas.

Consequentemente, contribui para a otimização do uso de recursos, a melhoria da saúde das plantas e o aumento da produtividade, reforçando a importância dessas tecnologias na promoção de práticas agrícolas mais sustentáveis e eficazes [7].

A implementação da realidade mista no contexto do treinamento de funcionários em indústrias representa uma revolução na forma como o conhecimento é transmitido e as habilidades são desenvolvidas, especialmente em atividades que envolvem a operação de maquinário pesado. Este avanço tecnológico, exemplificado [8].

A realidade mista destaca-se por sua capacidade de sobrepor informações digitais ao mundo real, criando um ambiente de aprendizado interativo e imersivo. Ao simular cenários reais de operação de maquinário em um ambiente seguro, essa tecnologia permite aos funcionários praticar procedimentos, identificar riscos e aprender a manusear equipamentos complexos sem os perigos associados ao treinamento prático tradicional.

Essa abordagem não apenas minimiza os riscos de acidentes e lesões durante o treinamento, mas também aumenta significativamente a retenção de conhecimento, preparando os trabalhadores de maneira mais eficiente e eficaz. Além disso, a realidade mista no treinamento industrial facilita a compreensão de processos complexos e a execução de tarefas específicas por meio de orientações visuais passo a passo, tornando o aprendizado mais acessível e menos intimidador para novos operadores.

Com a capacidade de monitoramento em tempo real e feedback instantâneo adaptando suas técnicas para atender aos padrões de segurança e eficiência exigidos pela indústria 4.0., essa tecnologia não apenas otimiza o tempo de treinamento, mas também personaliza a experiência de aprendizado para atender às necessidades individuais dos operadores, promovendo um ambiente de trabalho mais seguro e produtivo.

Ao incorporar a realidade mista em programas de treinamento, as indústrias estão não apenas avançando em suas capacidades operacionais, mas também demonstrando um compromisso com a segurança e o bem-estar de seus funcionários.

A acustofluídica combina a manipulação precisa de fluidos em microescala com o uso de campos acústicos, e tem se revelado uma ferramenta revolucionária para o estudo e manipulação de micropartículas, incluindo células e patógenos. Sua importância para o diagnóstico de doenças, como a leishmaniose, reside na sua capacidade de separar e concentrar seletivamente micropartículas biológicas de amostras complexas, como o sangue, com alta precisão e sem danificar os componentes biológicos.

Este método proporciona uma plataforma eficiente para a detecção rápida e sensível de patógenos, facilitando a identificação precoce da doença e permitindo um tratamento mais eficaz. Além disso, a natureza não invasiva e a eficiência da acustofluídica em manipular pequenos volumes de amostras tornam-na uma tecnologia promissora para aplicações em diagnósticos ponto de cuidado, oferecendo uma abordagem menos dispendiosa e mais acessível para o monitoramento de doenças em regiões remotas ou com recursos limitados, onde a leishmaniose muitas vezes prevalece [9, 10, 11].

A utilização de imagens de profundidade para o reconhecimento facial representa um avanço significativo na segurança e precisão das tecnologias de identificação

biométrica. Diferente das imagens bidimensionais tradicionais, que podem ser facilmente manipuladas ou enganadas por fotos, máscaras ou outros artefatos, as imagens de profundidade capturam a estrutura tridimensional única do rosto de uma pessoa.

Isso possibilita a diferenciação entre um rosto real e uma representação falsa, aumentando consideravelmente a segurança contra tentativas de fraude ou acessos não autorizados. Além disso, ao fornecer dados sobre a forma e o contorno do rosto, as imagens de profundidade permitem um reconhecimento mais robusto em condições variadas de iluminação e em diferentes ângulos de visão, melhorando a eficácia do reconhecimento facial em ambientes desafiadores.

Essa tecnologia tem aplicações críticas em áreas como controle de acesso, sistemas de segurança, verificação de identidade em serviços bancários e aeroportos, entre outros, onde a precisão e a segurança são de extrema importância [12].

[1] L. D. Silva, H. J. Savino, T. F. Vieira, and D. B. Brito, “Modelagem Formal Utilizando Redes de Petri Coloridas de um Sistema de Automação para abastecimento e Diluição de Ácido Sulfúrico,” in 22º Congresso Brasileiro de Automática, João Pessoa, 2018. 4

[2] B. G. Ferreira, “Novo modelo de rede neural para detecção de objetos aplicado `a inspeção industrial,” Master’s thesis, Universidade Federal de Alagoas, 2021. 4

[3] B. Ferreira, B. Lima, and T. Vieira, “Visual inspection of collective protection equipment conditions with mobile deep learning models,” in Proceedings of the 1st International Conference on Deep Learning Theory andApplications. SCITEPRESS – Science and Technology Publications, 2020.5

[4] W. Barbosa., L. Amaral., T. Vieira., B. Georgevich., and G. Melo., “Industrial visual defect inspection of electronic components with siamese neural

network,” in Proceedings of the 18th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications – Volume 4: VISAPP,, INSTICC. SciTePress, 2023, pp. 889–896.6

[5] I. G. P. Bastos, G. C. Gomes, Í. B. Q. Araújo, E. d. A. Barboza, T. F. Vieira, and D. B. Brito, “Previsão de Geração Fotovoltaica a Partir de Dados Meteorológicos Utilizando Rede LSTM,” in VIII Congresso Brasileiro de Energia Solar, Fortaleza, 2020. [Online]. Available: https://anaiscbens.emnuvens.com.br/cbens/article/view/761 6

[6] A. M. Oliveira, J. C. P. Filho, G. A. Braga, V. Eduardo M. M., S. Luis F. V., I. Ara¨ujo, and D. B. Brito, “Development and calibration of a low-cost didactic thermal plant,” in 2019 IEEE CHILEAN Conference on Electrical, Electronics Engineering, Information and Communication Technologies (CHILECON), 2019, pp. 1–4. 6

[7] H. Oliveira, A. Vangasse, L. Soares, A. Oliveira, B. Ferreira, G. Leite, Araújo, and D. Brito, “An adaptable mobile robot platform with vision-based perception for precision agriculture,” in 2023 Latin American Robotics Symposium (LARS), 2023 Brazilian Symposium on Robotics (SBR), and 2023 Workshop on Robotics in Education (WRE), 2023, pp. 466–471.7

[8] L. De Maria Calado Machado Soares, P. H. Silva De Almeida, L. G. Pereira Santos, M. S. Freitas Ferreira Cavalcante, T. T. De Araújo Tiburtino Neves, W. De Lima Torres, A. De Medeiros Martins, and B. Queiroz de Araújo, “Hands tech: An ar-based framework for real-time monitoring and its application in 4.0 industry,” in 2023 15th IEEE International Conference on Industry Applications (INDUSCON), 2023, pp. 789–795. 7

[9] L. Massa., T. Vieira., A. Martins., and B. G. Ferreira., “Assessing the performance of autoencoders for particle density estimation in acoustofluidic medium: A visual analysis approach,” in Proceedings of the 19th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications – Volume 3: VISAPP, INSTICC. SciTePress, 2024, pp. 436–443. 8

[10] L. Massa., T. Vieira., A. Martins., Ícaro Q. de Araújo., G. Silva., and H. Santos., “Model fitting on noisy images from an acoustofluidic microcavity for particle density measurement,” in Proceedings of the 18th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications – Volume 4: VISAPP,, INSTICC. SciTePress, 2023, pp. 254–261. 8

[11] H. D. A. Santos, G. C. Silva, T. F. Vieira, A. E. Silva, B. Q. de Araújo, C. Jacinto, U. Rocha, M. S. Alexandre-Moreira, and G. T. Silva, “Measuring cell density in a acoustofluidic microcavity,” in 2021 IEEE UFFC Latin America Ultrasonics Symposium (LAUS), 2021, pp. 1–4. 8

[12] F. Crispim, T. Vieira, and B. Lima, “Verifying kinship from rgb-d face data,” in Advanced Concepts for Intelligent Vision Systems. Springer International Publishing, 2020, pp. 215–226. 8