Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 2.166
Aluno: Luan Carlos Soares Lins
Orientador: Prof. Paulo Romero Martins Maciel
Coorientador: Prof. Jean Carlos Teixeira de Araujo (UFAPE)
Título: Modelagem Estocástica para Avaliação e Otimização de Sistemas de
Vigilância com Drones
Data: 30/10/2024
Hora/Local: 11h – Auditório Bloco B
Banca Examinadora:
Prof. Jamilson Ramalho Dantas (UFPE / Centro de Informática)
Prof. Rubens de Souza Matos Júnior ( Instituto Federal de Sergipe)
Prof. Paulo Romero Martins Maciel (UFPE / Centro de Informática)
RESUMO:
Os sistemas de vigilância baseados em veículos aéreos não tripulados (VANTs) ou drones têm ganhado importância em diversas aplicações, desde segurança pública até monitoramento ambiental. A complexidade desses sistemas, combinada com as limitações operacionais inerentes aos drones, apresenta desafios em termos de confiabilidade, disponibilidade e performabilidade. Este trabalho aborda essa questão, apresentando uma abordagem para modelar, avaliar e otimizar sistemas de vigilância aérea com drones. Nossa pesquisa integra métodos analíticos e numéricos, utilizando técnicas de modelagem estocástica, incluindo Cadeias de Markov de Tempo Contínuo (CTMC) e Redes de Petri Estocásticas (SPN), para desenvolver modelos que capturam a dinâmica desses sistemas. Esses modelos incorporam fatores como área de vigilância, resolução da câmera, restrições de altitude, gerenciamento de bateria, falhas de componentes e processos de reparo. Um aspecto importante de nossa abordagem é a consideração do gerenciamento de energia, reconhecendo a importância das baterias na operação contínua dos drones. Através de estudos de caso e análises de sensibilidade, identificamos componentes críticos do sistema e avaliamos o impacto de diferentes estratégias de redundância. Nossos resultados indicam que a redundância de baterias tem um impacto maior na disponibilidade e confiabilidade do sistema do que a redundância de drones, fornecendo insights para o design e otimização desses sistemas. Além disso, nossa pesquisa aborda cenários de missões de longa duração, demonstrando como otimizar parâmetros como o número de baterias redundantes, tempos de carga e descarga para melhorar o desempenho do sistema. Nossa abordagem considera o planejamento de missões, levando em conta o consumo de energia e as limitações operacionais dos drones. Desenvolvemos modelos que permitem a avaliação de diferentes configurações e estratégias para melhorar a eficiência operacional, incluindo a otimização do número de rondas de vigilância por unidade de tempo. As análises de sensibilidade revelaram a importância relativa de diferentes parâmetros do sistema, como os tempos de descarga e carregamento da bateria, bem como os tempos de substituição da bateria do drone. Essas descobertas fornecem diretrizes para engenheiros e projetistas de sistemas, auxiliando no desenvolvimento de sistemas de vigilância com drones mais robustos. Este trabalho contribui para o campo, oferecendo uma metodologia para a avaliação quantitativa da confiabilidade, disponibilidade e performabilidade de sistemas de vigilância baseados em drones. Os modelos e insights apresentados têm implicações práticas para o planejamento e implementação desses sistemas em diversos cenários operacionais. Nossa pesquisa avança a modelagem estocástica de sistemas complexos e fornece ferramentas e diretrizes para otimizar o desempenho de sistemas de vigilância aérea, contribuindo para o desenvolvimento de soluções eficientes neste campo em evolução.
Palavras-chave: Veículos Aéreos Não Tripulados (VANTs), Drones, Sistemas de Vigilância, Modelagem Estocástica, Redes de Petri Estocásticas, Cadeias de Markov, Confiabilidade, Disponibilidade, Performabilidade, Análise de Sensibilidade, Redundância, Gerenciamento de Energia, Otimização de Sistemas.
Comentários desativados