Sistema especialista baseado em regras ponderado por tendências aplicado ao monitoramento processos industriais
A presente tese apresenta uma técnica inovadora — designada como sistema especialista baseado em regras ponderado por tendências (SEBRPT) — fundamentada na integração de duas ferramentas existentes na área de inteligência artificial, os sistemas especialistas (SE) e a análise qualitativa de tendências (QTA). Um dos objetivos desta abordagem é usufruir das principais vantagens associadas a cada uma das ferramentas utilizadas, tais como a facilidade de se representar o conhecimento através de regras e a capacidade de extrair o comportamento e as tendências de um sinal contínuo. Esta metodologia também permite preencher uma lacuna entre métodos puramente baseado em números (quantitativos) e métodos puramente simbólicos (qualitativos), permitindo assim uma obtenção de resultados a partir de um processo de inferência baseado tanto nos valores exatos como nas tendências de um determinado sinal. Dessa forma, a técnica abordada possibilita a extração de um "fator de certeza" associado a uma regra previamente modelada por um especialista, descartando assim a lógica puramente booleana (verdadeiro/falso) adotada nos sistemas especialistas clássicos. O método proposto permite uma adoção direta em ambientes industriais, especialmente na área de automação inteligente. Seus principais recursos e características, com aplicação no monitoramento de processos industriais, serão demonstrados por simulações e resultados experimentais baseados no benchmark conhecido como o processo de Tennessee Eastman.