Banca de DEFESA: PAULO VICTOR QUEIROZ CORREIA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : PAULO VICTOR QUEIROZ CORREIA
DATA : 30/06/2021
HORA: 09:00
LOCAL: Videoconferência: meet.google.com/jiv-nwam-zcx
TÍTULO:

ANÁLISE DE DESEMPENHO DE DETECÇÃO E CLASSIFICAÇÃO DE FALHAS EM PROCESsOS INDUSTRIAIS UTILIZANDO REDES NEURAIS LSTM COM TÉCNICAS COMPRESSÃO DE DADOS


PALAVRAS-CHAVES:

Indústria 4.0, Detecção e Identificação de Falhas, Symbolic Aggregate Approximation, Long Short-Term Memory, Computação de Ponta, Compressão por Podagem, Tennessee Eastman Process.


PÁGINAS: 60
RESUMO:

A Indústria 4.0 mudou completamente o paradigma de monitoramento e controle de processos industriais. Foram instalados sensores em diversas partes da planta, conectando os processos com a Internet das Coisas e a Computação na nuvem. Todavia, a geração de dados cresceu vertiginosamente, demandando que engenheiros construam ambientes apropriados para o processamento de todos esses dados. Esse crescimento aumentou o consumo de energia e a complexidade computacional, que podem acentuar a degradação ambiental e as perdas econômicas. De forma a atender a essas demandas, esta dissertação propõe metodologias eficientes para Detecção e Identificação de Falhas nos processos industriais. O primeiro consiste em comprimir as variáveis de processo utilizando o algoritmo Symbolic Aggregate Approximation (SAX) com o objetivo de reduzir a carga em casas de armazenamento de dados. Em seguida, treinamos uma rede neural Long Short-Term Memory (LSTM) para a detecção de falhas industriais nesses dados comprimidos. Finalmente, a segunda metodologia é endereçada para sistemas de computação de ponta eficientes, comprimindo redes neurais LSTM com a técnica de podagem. A compressão dos modelos de detecção reduzem o uso de memória e o número de operações realizados, economizando energia e acelerando a velocidade de inferência dessas redes em sistemas de ponta. Para avaliar ambas as propostas, utilizamos o benchmark Tennessee Eastman Process (TEP) com as métricas de classificação de acurácia, precisão, sensibilidade e F1-Score. Também analisaremos a eficiência de compressão de ambas as metodologias, estudando sua viabilidade e redução de parâmetros nas redes LSTM.


MEMBROS DA BANCA:
Presidente - 1153006 - LUIZ AFFONSO HENDERSON GUEDES DE OLIVEIRA
Interno - 1837240 - MARCELO AUGUSTO COSTA FERNANDES
Externo à Instituição - CELSO JOSÉ MUNARO - UFES
Notícia cadastrada em: 07/06/2021 21:18
SIGAA | Superintendência de Tecnologia da Informação - (84) 3342 2210 | Copyright © 2006-2024 - UFRN - sigaa08-producao.info.ufrn.br.sigaa08-producao