Análise de desempenho de abordagens orientadas a fluxo de dados aplicadas à detecção de falhas de processos industriais

Detalhes bibliográficos
Ano de defesa: 2017
Autor(a) principal: Germano, Amanda Lucena
Orientador(a): Oliveira, Luiz Affonso Henderson Guedes de
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO
Departamento: Não Informado pela instituição
País: Brasil
Palavras-chave em Português:
Área do conhecimento CNPq:
Link de acesso: https://repositorio.ufrn.br/jspui/handle/123456789/24547
Resumo: Com a necessidade do aumento da qualidade dos produtos e do desempenho dos processos, o grau de automação cresceu bastante nas indústrias. Com isso, os sistemas estão cada vez mais complexos e vêm acompanhados por problemas difíceis de resolver devido à alta dimensionalidade desses sistemas e do grande volume do fluxo de informações necessárias, além da aleatoriedade de falhas e defeitos. Uma falha inesperada pode levar a riscos operacionais, por isso a importância de detectar e localizar a falha, principalmente quando a planta industrial ainda está operando em uma região controlável e é possível agir para trazer o processo de volta para o estado normal, seguro e operacional. Assim, é desejável que o sistema de detecção de falhas forneça respostas rápidas e confiáveis com um esforço computacional adequado para processamento em tempo real, mesmo necessitando tratar com grandes quantidades de dados. Para trabalhar com grandes quantidades de dados em tempo real, surgiu o modelo de fluxo de dados, que consiste de uma sequência ordenada de pontos que só podem ser lidos apenas uma ou algumas poucas vezes. Essa área cresceu bastante nos últimos anos, principalmente devido a grande quantidade de sistemas que precisavam tratar com dados desse tipo, que incluem desde dados do mercado financeiro, registros telefônicos, transações web a dados médicos, redes de sensores ou mesmo dados multimídia. Diante da relevância do tema de detecção de falhas, nessa tese foram utilizados o TEDA (Typicality and Eccentricity Data Analytics), o RDE (Recursive Density Estimation) e o R-PCA (Recursive Principal Component Analysis) como ferramentas para detecção de falhas em processos industriais. Para a análise do desempenho de cada uma dessas abordagens foi utilizado o clássico benchmark Tennessee Eastman Process.