Banca de DEFESA: EMERSON VILAR DE OLIVEIRA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : EMERSON VILAR DE OLIVEIRA
DATA : 28/08/2020
HORA: 09:00
LOCAL: videoconferência
TÍTULO:

Análise de Desempenho de Método Baseado em Rede LSTM para Classificação de Falhas em um Processo de Controle de Nível 


PALAVRAS-CHAVES:

Classificação de falhas, redes neurais, redes neurais recorrentes, long short-term memory, planta piloto.


PÁGINAS: 5
RESUMO:
Devido ao aumento das exigências no monitoramento de operação plantas industriais, metodologias para detecção e diagnósticos de falhas na operação desses processos vêm ganhando cada vez mais protagonismo, pois podem contribuir em soluções mais assertiva e até preditiva nos componentes que geraram tais perturbações ao bom funcionamento do sistema. Com o crescimento das abordagens orientadas a dados, as Redes Neurais Artificiais se tornaram consideráveis aliadas na solução destes problemas, sendo que as Redes Neurais Recorrentes, em especial, ganharam força devido a sua afinidade em lidar com séries que possuem ligações temporais entre suas amostras, que é o caso de monitoramento de variáveis de processos industriais. Devido a esta relevância, nesta dissertação é analisado o desempenho de um modelo baseado em rede neural recursiva do tipo  Long Short Term-Memory (LSTM) para a detecção e classificação de falha em um processo de controle de nível em escala piloto. Para a análise de desempenho foi empregada uma metodologia baseada em testes estatístico de Monte Carlo, onde se analisou a influência dos hiperparâmetros da redes LSTM, como  quantidade de camadas e tamanho da entrada e regressores. A métrica escolhida para quantificar o desempenho da classificação de falhas foi a acurácia. Os dados obtidos a partir da operação da planta piloto continham 23 situações de distúrbios nesse processo, que foram provenientes de perturbações aplicados em componentes como atuador, sensor, válvulas e o próprio tanque de água. A metodologia adotada se mostrou bastante eficiente para analisar tanto o desempenho quanto a robustez dessas redes neurais para a atividade de classificação de falhas, além de indicar as melhores configurações de arquitetura de rede.

MEMBROS DA BANCA:
Presidente - 1153006 - LUIZ AFFONSO HENDERSON GUEDES DE OLIVEIRA
Interno - 1345674 - LUIZ MARCOS GARCIA GONCALVES
Externo à Instituição - CLAUBER GOMES BEZERRA - IFRN
Notícia cadastrada em: 30/07/2020 09:53
SIGAA | Superintendência de Tecnologia da Informação - (84) 3342 2210 | Copyright © 2006-2024 - UFRN - sigaa11-producao.info.ufrn.br.sigaa11-producao