Detalhes bibliográficos
| Ano de defesa: |
2018 |
| Autor(a) principal: |
Leitão, Gustavo Bezerra Paz |
| Orientador(a): |
Oliveira, Luiz Affonso Henderson Guedes de |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Tese
|
| 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/123456789/26508
|
Resumo: |
Os processos industriais de grande porte estão sujeito a falhas em seus milhares de componentes, podendo levar a paradas não programadas, perda de qualidade do produto, danos aos equipamentos ou até mesmo acidentes. Nesse sentido, o sistema de alarmes é parte necessária no auxílio na identificação de anormalidades na operação de processos industriais. No entanto, em momentos de falhas ou distúrbios, é comum os operadores ficarem sujeitos a centenas de alarmes, causando sobrecarga na sua capacidade de processamento da informação recebida. Esse fenômeno é conhecido como avalanche de alarmes e tratá-lo é um grande desafio para os sistemas de alarmes modernos. Assim, diante da relevância deste problema, nesta tese é proposta uma metodologia de processamento de alarmes on-line voltada ao auxílio ao operador na identificação e classificação de situações anormais do processo, especialmente em momentos de sobrecarga de alarmes. Para validação da proposta foi realizado um estudo de caso em um simulador de processo largamente utilizado e aceito pela comunidade científica chamado de Tennessee Eastman Process. Os resultados indicaram que a metodologia é eficiente para identificar e acompanhar os cenários de anormalidade em curso em processos industriais. |
