Identificação automática de símbolos em diagramas P&ID com visão computacional e geração assistida de projetos de automação industrial

Abstract

Projetos de automação industrial dependem da transferência consistente de informações entre a documentação técnica de processo e os ambientes de engenharia utilizados na configuração dos sistemas de controle. Entre esses documentos, os diagramas P&ID reúnem informações sobre instrumentos, equipamentos, atuadores e malhas de controle. Entretanto, a identificação dos elementos representados e a transcrição de seus rótulos (do inglês, tags) para as estruturas do projeto ainda são realizadas, em muitos fluxos de trabalho, de forma predominantemente manual, favorecendo a ocorrência de erros, inconsistências e atividades repetitivas. Nesse contexto, este trabalho desenvolveu e avaliou um sistema para a extração assistida de símbolos de instrumentação e de suas respectivas tags em diagramas P&ID, bem como para sua utilização na geração de estruturas iniciais de projetos de automação. A solução combinou técnicas de visão computacional, detecção de objetos, reconhecimento óptico de caracteres, representação estruturada dos dados, validação técnica e mapeamento das informações para objetos de engenharia. A arquitetura foi organizada de forma modular, mantendo separadas as etapas de processamento dos diagramas, revisão dos resultados e integração com o ambiente de destino. Como estudo de caso, a etapa de geração dos objetos foi implementada no Siemens TIA Portal, plataforma utilizada nos projetos analisados na GreyLogix. No conjunto de teste, o modelo de detecção alcançou precisão de 98,46%, revocação de 99,4% e mAP@0,5 de 99,47%. Nos dois diagramas completos utilizados na avaliação da solução, todos os 144 símbolos de interesse foram localizados e corretamente classificados, enquanto cinco detecções adicionais foram removidas durante a validação. O reconhecimento textual identificou corretamente 142 das 144 tags, sendo necessárias duas correções manuais. A integração foi verificada em um caso contendo 55 elementos, para os quais foram geradas e importadas as estruturas de engenharia previstas. Não foi realizada uma comparação quantitativa controlada entre o procedimento manual e o fluxo assistido; portanto, os possíveis ganhos de tempo e a redução de retrabalho são discutidos qualitativamente. Os resultados demonstraram a viabilidade do fluxo proposto e indicaram seu potencial para apoiar a padronização das informações e reduzir atividades repetitivas, preservando a validação técnica e a responsabilidade do engenheiro.

Industrial automation projects depend on the consistent transfer of information between process documentation and the engineering environments used to configure control systems. Among these documents, P&ID diagrams provide information on instruments, equipment, actuators, and control loops. However, in many engineering workflows, the identification of the represented elements and the transcription of their tags into project structures are still predominantly performed manually, which may lead to errors, inconsistencies, and repetitive activities. In this context, this work developed and evaluated a system for the assisted extraction of instrumentation symbols and their corresponding tags from P&ID diagrams, as well as for their use in generating initial automation project structures. The solution combined computer vision techniques, object detection, optical character recognition, structured data representation, technical validation, and the mapping of extracted information to engineering objects. The architecture was organized in a modular manner, keeping diagram processing, result review, and integration with the target environment as separate stages. As a case study, the object generation stage was implemented in Siemens TIA Portal, the platform used in the projects analyzed at GreyLogix. On the test set, the detection model achieved a precision of 98.46%, a recall of 99.4%, and an mAP@0.5 of 99.47%. In the two complete diagrams used to evaluate the solution, all 144 symbols of interest were detected and correctly classified, while five additional detections were removed during validation. The text recognition stage correctly identified 142 of the 144 tags, requiring two manual corrections. Integration was verified in a case containing 55 elements, for which the expected engineering structures were generated and imported. No controlled quantitative comparison was performed between the manual procedure and the assisted workflow; therefore, potential time savings and reductions in rework are discussed qualitatively. The results demonstrated the feasibility of the proposed workflow and indicated its potential to support information standardization and reduce repetitive activities while preserving technical validation and the engineer’s responsibility.