Banca de DEFESA: JOSÉ RAFAEL DE SANTANA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: JOSÉ RAFAEL DE SANTANA
DATA : 20/05/2024
HORA: 13:00
LOCAL: Virtual
TÍTULO:

Avaliação de risco em tempo real utilizando séries temporais: Um estudo de caso de um vaso knockout

PALAVRAS-CHAVES:

Gêmeos Digitais. Análise de Risco. Séries Temporais. 
Aprendizagem de Máquina.

PÁGINAS: 88
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.

MEMBROS DA BANCA:
Externo à Instituição - HELENO BISPO DA SILVA JUNIOR - UFCG
Presidente - 1675582 - CLEBER ZANCHETTIN
Interna - 1164294 - EDNA NATIVIDADE DA SILVA BARROS