O projeto se enquadra na rede “digitalização av...o projeto se enquadra na rede “digitalização avançada“ pois considera dados de sistemas ciberfísicos em um sistema de metaaprendizagem que seleciona métodos prognósticos apropriados para a manutenção preditiva de sistemas avançados de manufatura dotados de máquinas sensoreadas e inteligentes. o principal objetivo da fase 01 do projeto (2020-2021) foi desenvolver um sistema de meta-aprendizagem para selecionar métodos prognósticos adequados para manutenção preditiva dependendo do estado de um sistema de manufatura digital. a abordagem desenvolvida compreendeu (i) um modelo de meta-aprendizagem para prever a adequação de métodos prognósticos para determinados cenários de sistemas de manufatura, (ii) um método integrado de planejamento de produção e manutenção e (iii) uma simulação de eventos discretos para representar um sistema de manufatura e fornecer feedback para avaliar os métodos de prognóstico, o modelo de meta-aprendizagem e o método de planejamento integrado. os resultados obtidos em cada por pacote de trabalho (work packages – wp´s) serão apresentados na sequência. para atingir os objetivos da fase 01 do projeto, foram definidos 12 wp´s. no wp1, os três grupos de pesquisa trabalharam na definição de casos de uso relevantes relacionados à manutenção preditiva no contexto da indústria 4.0. depois, os próximos três pacotes de trabalho foram conduzidos em paralelo. o biba selecionou métodos de prognóstico apropriados para apoiar a tomada de decisão de manutenção (wp2). o grupo de pesquisa da ufsc desenvolveu um método de planejamento integrado de produção e manutenção (wp3), e o grupo de pesquisa da ufrgs desenvolveu uma ontologia para a descrição de conceitos de fabricação e manutenção, processos de planejamento e métodos de prognóstico (wp4). posteriormente, o trabalho foi combinado em uma estrutura conjunta (wp5). depois, os três pacotes de trabalho seguintes foram novamente conduzidos em paralelo. o biba desenvolveu o método de meta-aprendizagem para selecionar e ponderar métodos prognósticos adequados com base nos dados históricos dos sensores das máquinas e componentes (wp6). simultaneamente, os grupos de pesquisa brasileiros desenvolveram um modelo de simulação para avaliação do método de planejamento integrado de produção e manutenção (ufsc, wp7) e uma arquitetura orientada a serviços para exposição de serviços e armazenamento de dados (ufrgs, wp8). no wp9, o sistema de manutenção preditiva está sendo desenvolvido integrando o método de meta-aprendizagem (wp6), o modelo de simulação (wp7) e a arquitetura orientada a serviços (wp8), em linha com o framework previamente definido (wp5). no wp10, o método de meta-aprendizagem é estendido por um método de monitoramento do estado do sistema de manufatura. o wp11 compreende a avaliação do desempenho do sistema de manutenção preditiva de meta-aprendizagem em relação a erros de previsão e indicadores-chave de desempenho. o wp12 abrange a publicação e documentação dos resultados. a continuidade do projeto objetiva aprimorar o método de meta-aprendizagem de forma a selecionar métodos prognósticos apropriados para a manutenção preditiva, dependendo do estado atual de um sistema de manufatura, monitorado através do uso de técnicas avançadas de digitalização, conceitos e técnicas da indústria 4.0. a fase 2 do projeto (2022-2024) abrange um sistema de meta-aprendizagem estendido, incluindo (i) métodos baseados em aprendizado de máquina para programação de produção e manutenção em sistemas de manufatura avançados; (ii) uma nova topologia para seleção de métodos prognósticos para manutenção preditiva; (iii) a geração de dados artificiais de sensores e (iv) a consideração de fatores humanos, aprimorando a simulação dos sistemas de manufatura.