Buscar

Design de entressola por algoritmo baseado em dados da distribuição de pressão plantar

Orientado à fabricação digital

BUGIN, Luis¹; FAGUNDES, Cristian¹ e PALHANO, Rudnei²

¹Programa de Pós-Graduação em Design (PGDesign/UFRGS)

²Instituto Brasileiro de Tecnologia do Couro, Calçado e Artefatos (IBTeC)

Resumo

Este estudo propõe a criação de um algoritmo para elaboração de uma entressola customizada por parâmetros funcionais com produção através da fabricação digital. Os recursos computacionais utilizados são o programa Rhinoceros® e a extensão Grasshopper®. As primitivas são dados em formato “.asc” de ensaio de distribuição de pressão plantar, posição de sensores da palmilha (.jpeg) e geometria 3D de entressola parametrizada a partir do contorno de uma palmilha comum. O algoritmo desenvolvido opera pela conversão de geometria de entressola (brep) em nuvem de pontos complementado com nuvem de pontos derivada da posição dos sensores e valores remapeados de pressão máxima. Pela sobreposição das nuvens de pontos é gerada estrutura celular do componente Voronoi 3D. Foi testada a fabricação digital da geometria através da impressão tridimensional similar ao processo Fused Deposition Modeling (FDM) em poliácido láctico (PLA) rígido e poliuretano termoplástico (TPU) flexível.

Palavras-chave: design de entressola, algoritmos, pressão plantar, fabricação digital

Abstract

This study proposed the creation of an algorithm for the elaboration of a midsole customized by functional parameters with production through digital manufacturing. The computational resources used are the Rhinoceros® program and the Grasshopper® extension. The primitives are given in a “.asc” format for the plantar pressure distribution test; the position of the insole sensors (.jpeg); 3D geometry of the midsole parameterized from the outline of a common insole. The developed algorithm operates by converting midsole geometry (brep) into point cloud complemented with a point cloud based on the position of the sensors and the remapped values of maximum pressure into integer numbers. Voronoi 3D component cell structure is generated by the overlapping point clouds. The digital manufacturing of the geometry was tested through three-dimensional printing similar to the Fused Deposition Modeling (FDM) process in rigid lactic acid (PLA) and flexible thermoplastic polyurethane (TPU).


Keywords: midsole design, algorithms, plantar pressure, digital manufacturing

Introdução

As previsões de cenários futuros para indústria apontam uma tendência de individualização dos produtos a ser viabilizada economicamente por sistemas produtivos modulares e eficientes empregados sob demanda (FETTKE et al., 2014). A crescente demanda de produtos customizados e redução do ciclo de vida útil dos produtos produz um aumento de complexidade e necessidade de transformações estruturais do setor industrial (BRETTEL et al., 2014). Uma destas transformações são máquinas e produtos “inteligentes”, implementados por tecnologias computacionais inovadoras nas etapas de projeto, análise, simulação, otimização, produção e controle via internet (VOLPATO, 2007; FETTKE et al., 2014). De acordo com Raffaeli & Germani (2011), a indústria calçadista passa por transformações na combinação de tecnologias baseadas em computadores aos tradicionais processos de fabricação. Fabricantes de calçados como a Adidas, New Balance, Under Armor (Figura 1), entre outras, tem investido em tecnologias semelhantes no desenvolvimento de entressolas funcionais.

Figura 1: Designs de entressolas orientados a fabricação digital desenvolvidos pela Adidas (a), (2018); New Balance (b), (2016); e Under Armor (c), (2018)

Os consumidores de calçados há um tempo demonstram preocupação com a saúde de seus pés, necessidade compreendida por especialistas da área na intersecção de parâmetros estéticos e biomecânicos (SANTOS; ÁVILA, 2007). Estudos de biomecânica específicos com calçados apontam que a otimização da distribuição da pressão plantar possuem papel relevante na prevenção de doenças, desde que contribua na estabilidade do pé (CHEUNG; ZHANG, 2006). A avaliação dos resultados dos testes da distribuição de pressão plantar depende da funcionalidade dos calçados, ou seja, se os picos de pressão plantar apresentarem homogeneidade e dentro de um padrão confortável, este contribui para o bem-estar e a saúde do ser humano. Em contrapartida, se os picos de pressão forem de alta magnitude, estes podem ser direcionados para um produto de performance.


Segundo análise de CHATZISTERGOS et al. (2017), a seleção de materiais visando à redução/otimização da pressão plantar geralmente é orientada pela rigidez material, porém esta é fortemente influenciada pela força aplicada. Os valores máximos de força aplicada são identificados através de ensaio biomecânico em dois picos principais, o primeiro pico é medido na primeira metade do tempo de contato e resulta do valor máximo da força vertical de reação do solo; o segundo pico resulta da atividade muscular durante a etapa de propulsão, e é identificado pelo valor máximo na segunda metade de tempo de contato (PALHANO, 2013 apud NIGG & HERZOG, 2007). A forma mais usual de quantificar a distribuição de pressão plantar é através do uso de palmilhas sensorizadas que indicam valores de pressão de acordo com a disposição dos sensores em função do tempo (CEZAR et al., 2003).

Materiais e métodos

O desenvolvimento do algortímo é realizado no programa Rhinoceros® e extensão Grasshopper® e conduzido no Laboratório de Design e Seleção de materiais (LdSM) e de Inovação e Fabricação Digital da Escola de Engenharia (LIFELAB), ambos da Universidade Federal do Rio Grande do Sul (UFRGS). Os dados de distribuição de pressão plantar é de um sujeito adulto que realizou o teste caminhando a velocidade de 5 km/h (±5%), com taxa de aquisição de 50 Hz. O arquivo contendo dados de pressão plantar em formato .asc e a imagem contendo a posição dos sensores por palmilha foram utilizados durante o desenvolvimento do algoritmo. Os passos iniciais para criação do algoritmo foram a definição de três primitivas a serem importadas no ambiente de programação visual do Grasshopper®:

- O projeto da entressola é baseado em uma curva de contorno de palmilha desenhada em vista superior sobre uma imagem importada de um gabarito digitalizado de uma palmilha, tamanho 40 ou 9 na escala americana, fornecido por um fabricante de fôrmas;

- A segunda primitiva são os dados (.asc) de distribuição de pressão plantar (baropodometria) com valores de pressão (kPa) em função de frequência de captura (0.2 segundos);

- Por fim, a terceira primitiva foi uma imagem de referência (jpeg) das posições dos 99 sensores por palmilha, conforme descrição do manual do fabricante das palmilhas sensoridadas.


A etapa de materialização da geometria de entressola gerada pelo algoritmo foi viabilizada em duas fases por técnicas de Fused Deposition Modeling (FDM). A primeira, em escala reduzida, foi produzida em filamento de Poliácido Láctico (PLA), 1,75 milímetros de diâmetro, no equipamento 3DCloner® DH disponível na oficina de modelos e protótipos da Faculdade de Arquitetura (UFRGS). Na segunda fase foi contratado serviço externo de impressão 3D da empresa PrintUp3D, para produção em escala real da entressola em filamento flexível de poliuretano termoplástico (TPU), em branco-translúcido e dureza 90 Shore A, no equipamento Zortrax®.

Resultados e discussão

Neste artigo, foram destacados os processos para importação dos dados de pressão plantar, correlação com a parametrização dos sensores, conversão nuvens de pontos e materialização da geometria por fabricação digital. O desafio inicial foi a importação dos dados resultantes de ensaio biomecânico no ambiente do Grasshopper®. O componente Readfile permite ler os dados por linha do arquivo no formato .asc, definindo-se como input o diretório e nome do arquivo (C:\), resultando em uma lista separada por index, conforme Figura 2. Baseado nesta saída de dados é aplicado o corte da lista no index 10 para separar o cabeçalho (output A) e os dados brutos de cada sensor (output B). Para separar os dados brutos de cada sensor em valores individuais é aplicada quebra da estrutura da lista pelo valor de separação. Nas listas resultantes foram identificadas linhas vazias ou com valores nulos, estes removidos pelo componente Cull Pattern, no qual o padrão de corte utilizado é resultante da saída de não-equivalência da comparação dos valores com superior de “400” em valores de verdadeiro ou falso.


A lista obtida é novamente dividida no index 98 para separar os dados da palmilha esquerda (output A) e direita (output B), resultando em 251 listas como 99 índices, ou seja, até este momento as 251 listas são relativas frequência de captura (0.2 segundos) e 99 índices aos valores de captura por sensor, para isolar os valores por sensor, é realizada a inversão da matrix pelo componente Invert Matrix em 99 listas com 251 valores. Finalmente para extrair o valor máximo por sensor é aplicado o ordenamento dos valores das listas em ordem crescente pelo componente Sort List, com a reversão da lista na saída para que através do componente List Item, pelo index 0 sejam extraídos os valores máximos de pressão capturados por pressão. Para consolidar a lista é aplicado recurso Flatten simplificando as 99 listas com 1 valor cada em uma lista única com 99 valores.

Figura 2: Segmento do algoritmo no ambiente do Grasshopper® para importação dos dados de pressão

e isolamento dos valores máximos de pressão por sensor

Nos passos descritos anteriormente, foi realizado o isolamento dos valores máximos de pressão por sensor, entretanto a lista está ordenada com base na posição original dos sensores na palmilha empregada para coleta dos dados biomecânicos. Para atingir a mesma ordem e posição de cada index da lista de pressão com posição dos respectivos sensores, foi realizada a parametrização da posição dos sensores com base na imagem de referência (Figura 3a). A grade de linhas gerada é aplicada com input para o componente Surface Split, assim com a superfície de contorno (Boundary Srf) obtida pela primitiva da curva de contorno de palmilha, resultando do corte em um a lista com 99 superfícies representativas as áreas de cada sensor e na mesma ordem dos valores dos picos de pressão plantar. Para exemplificar a correlação entre os valores máximos (picos) de pressão importados, apresenta-se visualmente os sensores que obtiveram maiores valores de pressão, observado em gradiente (Figura 3b) com intervalo de 0 (verde) ao limite indicado por CEZAR e colaboradores (2003) de aproximadamente 2800 g/cm³, ou seja, valor de 274 KPa, em vermelho (MATH.TOOLS, 2019).


Para atingir o objetivo deste trabalho é apresentada a viabilidade na transformação de dados de pressão em quantidade de pontos em nuvem de pontos, de modo que a densidade de pontos seja em função dos altos valores de pressão plantar. Entretanto, segundo Palhano (2013), no movimento do passo apresentam-se dois picos principais de força, primeiro na região do calcâneo (retropé) que está associado à energia de impacto (amortecimento) e o segundo na região dos metatarsos (antepé) que é atribuído à transmissão de energia muscular para o movimento de impulso (propulsão) em relação ao solo. Devido aos objetivos de explorar e validar todo processo de design de entressola por algoritmo guiado por dados em uma geometria factível de fabricação digital, foi simplificado o processamento pela aplicação similar e proporcional de densidade de pontos nas regiões do retropé e antepé. A lógica aplicada foi o remapeamento dos valores de pressão pelo componente Remap Numbers, como input de valores à lista de dados de pressão, a fonte (source) os extremos

do domínio dos valores da lista extraídos pelo componente Bounds, e o domínio alvo (target) construído entre valores de 0 e 10.

Figura 3: a) primitva referente à posição dos sensores; b) gradiente de correlação da parametrização dos sensores e

dados de pressão; c) resultados de entressolas específicos para cada pé, no ambiente do Rhinoceros®

As nuvens de pontos são definidas pelo componente Populate Geometry, em dois procedimentos, no primeiro como geometria inicial a lista de 99 superfícies relativas aos sensores e em quantidade a lista de 99 valores de pressão remapeados; no segundo procedimento, como geometria inicial o modelo (closed brep) genérico de entressola e o valor de 100 como quantidade de pontos. A partir das nuvens de pontos o componente Voronoi 3D opera distribuindo células 3D baseadas nas coordenadas dos pontos listados. Adiante o algoritmo opera aplicando redução de escala do volume das células e da área das respectivas faces a fim de definir uma estrutura de células abertas. Finalmente, para cada pé é gerada no ambiente do Rhinoceros® uma geometria ID, na Figura 3c apresentou a vista superior dos perfis para cada pé, resultado obtido com base na primitiva de dados biomecânicos, ou seja, de distribuição de pressão plantar.


Para otimização do uso de filamento e tempo de impressão no processo de fabricação digital por FDM, foi definido com sucesso após testes a ausência de material de suporte nos parâmetros de impressão. Inicialmente foi realizada impressão, na oficina de modelos e protótipos da Faculdade de Arquitetura da Universidade Federal do Rio Grande do Sul (UFRGS), de dois modelos em escala reduzida em PLA azul (Figura 4), o tempo de impressão foi de aproximadamente entre 8 a 11 horas. Posteriormente também foi realizada uma impressão da entressola em filamento flexível de TPU de dureza 90 Shore A (Figura 4b). Devido à estrutura celular aberta e ausência de material de suporte foi observado presença de traços de filamento resultando em um acabamento de média qualidade.

Figura 4: Imagens do processo e resultado de impressão em PLA azul; geometria final impressa em TPU flexível

Diante do objetivo proposto, conclui-se que foi bem sucedida a importação dos dados de pressão plantar e parametrização da posição dos sensores com componentes nativos do Grasshopper®. Acredita-se que este procedimento seja a maior contribuição deste trabalho, pois permite a possibilidade de projetar uma geometria baseada na transformação de dados resultantes de ensaios biomecânicos. A aplicação destes dados, bem como parametrização da localização dos sensores poderá contribuir para aplicação de análise de elementos finitos (FEA) e optimização topológica pelas ferramentas da extensão Milipede que complementam o portfólio de componentes do Grasshopper®. A estratégia de transformar valores máximos de pressão em número inteiros como quantidade para população de nuvem de pontos teve objetivo experimental ao revelar a distribuição de pressão plantar. Para trabalhos futuros, os autores pretendem correlacionar a densidade local de células com o aumento de rigidez local, este resultado foi observado na geometria impressa com o material poliuretano termoplástico (TPU).

Bibliografia

1. ADIDAS, 2018. Futurecraft 4D. Disponível em:<https://www.adidas.com/us/futurecraft> Acesso em: 12 de Setembro de 2018.

2. BRETTEL, M.; FRIEDERICHSEN, N.; KELLER, M.; ROSENBERG, M. How Virtualization, Decentralization and Network Building Change the Manufacturing Landscape: An Industry 4.0 Perspective. World Academy of Science, Engineering and Technology International Journal of Information and Communication Engineering Vol:8, No:1, 2014.

3. CEZAR, M. R.; MORO, A. R. P.; JORGE, I. M. P.; REIS, P. F. O conforto em calçados – atualidades. XXIII Encontro Nac. de Eng. de Produção - Ouro Preto, MG, Brasil, 21 a 24 de out de 2003. Disponível em:<http://www.abepro.org.br/biblioteca/ENEGEP2003_TR0406_0347.pdf> Acesso em: 3 de outubro de 2018.

4. CHATZISTERGOS, P. E.; NAEMI, R.; HEALY, A.; GERTH, P.; CHOCKALINGAM, N. Subject Specific Optimisation of the Stiffness of Footwear Material for Maximum Plantar Pressure Reduction. Annals of Biomedical Engineering, Vol. 45, No. 8, August 2017 (2017) pp. 1929–1940.

5. CHEUNG, J. T-M.; ZHANG, M. Finite Element Modeling of the Human Foot and Footwear. 2006 ABAQUS Users’ Conference.

6. GRASSHOPPER3D, 2012. voronoi 3d edges. Disponível em:<https://www.grasshopper3d.com/forum/topics/voronoi-3d-edges> Acesso em: 14 de maio de 2018.

7. IBTEC. Revista Tecnicouro. Edição 307 - Ano 39 / nº 4 - Julho / Agosto 2018 - ISSN 0101-1138.

8. LASI H; FETTKE, P; KEMPER, H-G; FELD, T; HOFFMANN, M. Industrie 4.0. Business & Information Systems Engineering 4 (2014).

9. MATH.TOOLS, 2020. Gram per square centimeter to Kilopascal. Disponível em: <https://math.tools/calculator/unit/pressure/g-cm2-to-kpa> Acesso em 10 de Janeiro de 2020.

10. NEW BALANCE, 2016. The Future of Running is Here - New Balance Artcle. Disponível em:<https://www.newbalance.com/article?id=4041> Acesso em:12 de Setembro de 2018.

11. PALHANO, R. Análise mecânica e biomecânica de solados para calçados. Tese (Doutorado em Engenharia) – Escola de Engenharia. Programa de Pós-Graduação em Engenharia de Minas, Metalúrgica e de Materiais. Universidade Federal do Rio Grande do Sul. Porto Alegre, p.104. 2013.

12. RAFFAELI, R.; GERMANI, M. Advanced computer aided technologies for design automation in footwear industry. Int J Interact Des Manuf (2011) 5:137–149

13. SANTOS, J.O.L.; ÁVILA, A.O.V. Artigo técnico - Características do uso do calçado em homens e mulheres. Revista Tecnicouro. Janeiro/Fevereiro 2007.

14. UNDER ARMOR, 2018. 3D Architech. Disponível em:https://www.underarmour.com/en-us/3d-architech Acesso em: 12 de Setembro de 2018.

15. VOLPATO, Neri. Prototipagem rápida: tecnologias e aplicações. -- São Paulo : Edgar Blücher, 2007. 1ª ed. 2007.

Entre em contato conosco

Revista Tecnicouro

Rua Araxá, 750 - Bairro Ideal

Novo Hamburgo - RS

CEP 93334-000

(51) 3553-1000

Assine a newsletter