Uma metodologia baseada em grafo de conhecimento para análise de registros de alarmes e eventos industriais

• Ano de defesa: 2021
• Autor(a) principal: Batista Júnior, Aguinaldo Bezerra
• Orientador(a): Silva, Ivanovitch Medeiros Dantas da
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Rio Grande do Norte
• Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO
• País: Brasil
• Palavras-chave em Português: Alarmes e eventos; Grafos de conhecimento; Processamento de linguagem natural; Similaridade de dados; Visualização de dados
• Link de acesso: https://repositorio.ufrn.br/handle/123456789/45676

Os registros (logs) de alarmes e eventos compõem um volumoso e dormente repositório de dados históricos de natureza tabular, comumente sub-valorada ou negligenciada na indústria. Embora constituam fontes potencialmente ricas em informações relevantes sobre a planta ou processo monitorado, esses registros são tomados para análise apenas como último recurso, sobretudo devido às dificuldades impostas pelo grande volume e baixa expressividade dessas bases. Tal indiligência não se mostra mais admissível no cenário contemporâneo de orientação a dados, já ubíquo em diversos setores produtivos e que vem se apresentando fortemente na manufatura tradicional, sobretudo pelo advento do paradigma da Indústria 4.0. Propõe-se, assim, a transposição dessas bases para um domínio de representação mais expressivo e flexível, propiciando uma exploração mais proativa dos episódios narrados nos registros e, consequentemente, ensejando tarefas de análise de incidentes, de anormalidades, de conformidade e de desempenho mais céleres. Para isso, a partir do reconhecimento de uma ontologia, entidades, atributos e associações virtualmente imersas no contexto operacional historiado nos registros são mapeados em um grafo de conhecimento (do inglês, Knowledge Graph - KG). A abordagem utiliza técnicas de Análise Exploratória de Dados, Processamento de Linguagem Natural, Análise de Redes, Análise Multivariada e Indicadores Compostos para derivar dos dados uma miríade de aspectos, propriedades e relacionamentos (arestas) de natureza hierárquica, temporais e de similaridade instituídos entre as entidades (nós) identificadas. A visualização do KG se dá de forma dinâmica e interativa, com diferentes modos de visualização e níveis de detalhamento. Cenários de avaliação são desenhados para demonstrar a eficácia da abordagem.