Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 2.144
Aluno: José Rafael de Santana
Orientadora: Profa. Edna Natividade da Silva Barros
Título: Avaliação de risco em tempo real utilizando séries temporais: Um estudo de caso de um vaso knockout
Data: 20/05/2024
Hora/Local: 9h:30m – Virtual – Interessados em assistir entrar em contato com o aluno
Banca Examinadora:
Prof. Cleber Zanchettin (UFPE / Centro de Informática)
Prof. Heleno Bispo da Silva Junior (UFCG / Departamento de Engenharia Química)
Profa. Edna Natividade da Silva Barros (UFPE / Centro de Informática)
RESUMO:
Com a ascensão da Internet Industrial das Coisas (IIoT), as indústrias estão cada vez mais conectadas. A coleta e armazenamento de dados relacionados ao funcionamento dos equipamentos e processos de produção, tornaram-se requisitos indispensáveis, permitindo a realização de análises e tomadas de decisão para otimizar seu desempenho em tempo real. Simultaneamente, o desenvolvimento de gêmeos digitais possibilita a avaliação dessas otimizações em um ambiente virtual e de forma segura, visando analisar sua eficácia sem comprometer o ambiente de produção real. Podemos aplicar essas técnicas em conjunto com modelos de inteligência artificial para realizar a análise de risco de sistemas de produção cada vez mais complexos. Embora modelos probabilísticos sejam frequentemente utilizados para calcular a probabilidade de eventos indesejáveis, podem demandar conhecimento especializado e oferecer pouca flexibilidade no apoio a decisão. Por outro lado, modelos de aprendizado de máquina podem ser construídos utilizando dados históricos como base de treinamento, capturando as relações entre as variáveis e as características do contexto em que o equipamento está inserido. Assim, esses modelos auxiliam na prevenção de eventos indesejados por meio de inferências em tempo real, fornecendo informações aos operadores de forma oportuna para apoiar a tomada de decisões. Vasos knockout, são dispositivos físicos de engenharia capazes de evitar a presença de líquido em sistemas projetados para trabalhar com produtos na fase gasosa. O presente trabalho tem como objetivo apresentar uma técnica para avaliação de risco através de séries temporais. Por meio de um estudo de caso de um vaso knockout no contexto de uma refinaria de petróleo, construímos um gêmeo digital e realizamos o treinamento de uma rede neural para inferir o comportamento futuro do nível de líquido nesse vaso. Dessa maneira, os operadores podem tomar decisões preventivas para evitar que o nível líquido atinja o máximo permitido e, principalmente, prevenindo eventos que comprometam a segurança da operação. Nossa técnica demonstrou resultados satisfatórios, sendo capaz de evitar a ocorrência de paradas não programadas do sistema de fluxo de gás natural nos casos analisados em nossos testes, além de mostrar robustez em cenários onde os sensores apresentam ruídos em suas leituras.
Palavras-chave: Gêmeos Digitais. Análise de Risco. Séries Temporais. Aprendizagem de Máquina.
Comentários desativados