ANÁLISE EXPLORATÓRIA DE DADOS PARA O DESENVOLVIMENTO DE SISTEMA DE PREVISÃO DE ALARMES EM PLANTAS INDUSTRIAIS

Transcrição

1 ANÁLISE EXPLORATÓRIA DE DADOS PARA O DESENVOLVIMENTO DE SISTEMA DE PREVISÃO DE ALARMES EM PLANTAS INDUSTRIAIS SERGIO H. BRAUNSTEIN *, ADRIANO V. WERHLI, SILVIA S. C. BOTELHO Univrsia Fral o Rio Gran Av. Itália Km 8 Rio Gran, Rio Gran o Sul, Brasil * Instituto Fral Sul-rio-granns Praça Vint Stmbro, Cntro Plotas, Rio Gran o Sul, Brasil s: shb@cftrs.tch.br, wrhli@gmail.com, silviacb@furg.br Abstract Th aim of this work is to prsnt th us of xploratory ata analysis an th rgrssion trs tchniqu to intify variabls that rprsnt inicativs of futurs anomalous bhaviors of th prouction procss, i.., thos that ar irctly link to an alarm. In this stuy w us a sampl of svnty thr masurmnts variabls rcor from hyrolctric powr plant snsors. Th masurmnts wr takn ovr a prio of four months. Th rsults obsrv will b us to vlop an alarm priction systm bas on artificial intllignc tchniqus whos purpos is to hlp th vlopmnt of a prictiv maintnanc policy an stablish a managmnt tool to support making cision. Kywors Athortical rgrssion trs, Prictiv maintnanc, Tim sris. Rsumo O objtivo st trabalho é aprsntar a utilização anális xploratória aos a técnica árvors rgrssão para intificar as variávis qu rprsntam os inicativos futuros comportamntos anômalos o procsso proutivo, ou sja, aqulas qu stão irtamnt associaas a um alarm. Nst stuo foi utilizaa uma amostra as miçõs stnta três variávis fitas por snsors instalaos m uma usina hirlétrica. As miçõs foram amostraas m um príoo quatro mss. Os rsultaos obtios srvirão para o snvolvimnto um sistma prição alarms basao m técnicas intligência artificial, cuja finalia st sistma srá auxiliar a implantação uma política manutnção pritiva constituir-s m uma frramnta grncial apoio à tomaa cisão. Palavras-chav Árvors Rgrssão, Manutnção Pritiva, Séris Tmporais. 1 Introução Sab-s qu o prço a qualia um prouto stão intimamnt rlacionaos com o procsso proução qu, por sua vz, stá ligao a outros fators, ntr ls a manutnção o procsso proutivo. Atualmnt, gran importância tm sio aa à manutnção no stor inustrial, visto sua rlvant influência na proução qualia. Três grans políticas manutnção pom sr lncaas (Wu t al., 2007): Manutnção corrtiva: manutnção voltaa à rparação os quipamntos após a falha tr ocorrio. Manutnção prvntiva: a inspção, rparação ou substituição o quipamnto é fita m agnamntos pré-trminaos ants a ocorrência a falha. Sua vantagm é a rução os custos com manutnção, a minimização imprvistos custos horas xtras quano comparaa à política manutnção corrtiva. No ntanto, a ativia manutnção programaa numa ata fixa não consira o stao os quipamntos. Manutnção pritiva: também conhcia como manutnção basaa m coniçõs (conitionbas maintnanc - CBM), sta s sobrpõ à manutnção prvntiva no sntio m qu, além a ativia manutnção sr programaa ants a ocorrência falha a máquina, consira as informaçõs coltaas sobr suas coniçõs. O monitoramnto faz uso as informaçõs snsoriais para intificar o stao uma máquina ou quipamnto. Essas informaçõs pom sr utilizaas para stimar o tmpo via rsiual o quipamnto. Ao antvr fitos, spcialmnt as falhas, a técnica manutnção pritiva ruz as ativias sncssárias manutnção, garant maior via útil a máquina, minimiza o risco falha ruzino assim as paraas máquinas, consqüntmnt, aumnta a proutivia total o lucro a mprsa. Os três lmntos principais a manutnção pritiva são monitoramnto/prvisão, iagnóstico/prognóstico tomaa cisão/manutnção (Fu t al., 2004). O objtivo o monitoramnto prvisão é monitorar os inicaors qu rprsntam as coniçõs opração o sistma analisar as suas tnências onlin. A partir a comparação sts com os parâmtros o sistma, a saú o quipamnto po sr avaliaa. A prição sobr a saú o quipamnto po sr obtia comparano-s o valor a prvisão com as rfrências prviamnt

2 stablcias. O monitoramnto as coniçõs prvisão onlin são a funamntação a manutnção pritiva. Diagnósticos prognósticos inclum toas as falhas graaçõs. Com bas nos rsultaos o monitoramnto prvisão, o stao o quipamnto, sja st normal, graação ou falha po sr intificao. Conform os staos falha graação, a causa localização a falha pom sr i- ntificaas. Do msmo moo, acoro com as obsrvaçõs anális a naturza o procsso inâmico graação, sus fitos sobr o quipamnto m rlação a too o sistma são intificaos. Além isso, o momnto a ocorrência a falha po sr prvisto. A tomaa cisão manutnção inclum stratégias cisão açõs. Em função os rsultaos o monitoramnto prvisão, os iagnósticos prognósticos, qustionamntos vm sr fitos, tais como: a manutnção é ncssária?, quano v sr ralizaa?, quais os matriais rcursos humanos vm sr forncios?, como as açõs manutnção srão aotaas ispostas? Obviamnt, limitaçõs rais vm sr lvaas m conta nsta tapa. O sistma computacional proposto nst trabalho, voltao à prição alarms com o intuito subsiiar a manutnção pritiva, utilizará o stuo aqui aprsntao para snvolvr uma frramnta matmática qu tnha a capacia ar rspostas a séris tmporais não-linars, consirano qu, no ambint proução analisao, as séris os aos monitoraos não aprsntam um comportamnto compatívl com a utilização molos linars. O safio computacional stá m snvolvr um sistma basao m técnicas intligência artificial qu vnha consguir, m função as informaçõs isponívis no sistma suprvisório a usina, prvr as possívis falhas no procsso gração nrgia létrica m tmpo hábil forma a possibilitar açõs manutnção grnciais para vitá-las. As ivrsas variávis monitoraas plo sistma suprvisório são rsponsávis plos isparos n alarms, sno qu um único alarm po star associao a mais uma variávl ou aina, uma variávl po star vinculaa a mais um alarm. Dsta forma, torna-s ncssária a intificação a xistência ou inxistência rlação ntr uma variávl o isparo um trminao alarm. Vários métoos associaos à utilização séris tmporais foram snvolvios, sno qu o prognóstico a partir séris tmporais tm por objtivos (Bworth Baily, 1986): a) avaliar tnências significativas nos aos históricos isponívis; b) rtirar os valors inconsistnts a bas aos; c) rsponr inamicamnt às muanças na mana s las virm a ocorrr; ) projtar tnências rqurias para o futuro psquisao, para o qual stá sno ncssária a finição prognósticos; ) trminar parâmtros prognóstico, ótimos, para atnr aos objtivos antriors. Nst sntio, o tratamnto statístico probabilístico as informaçõs obtias através os ivrsos snsors monitoramnto as variávis instalaos na usina é imprscinívl para a concpção st sistma computacional. O trabalho stá struturao m três sçõs, sno qu na Sção 2 srá aprsntaa arquittura gral o sistma o rspctivo métoo aotao para o su snvolvimnto, sguino na Sção 3 com tsts rsultaos, por fim, aprsnta-s a conclusão. 2 Mtoologia Aplicaa A tapa monitoramnto as coniçõs prvisão onlin, como foi citao antriormnt, é a funamntação a manutnção pritiva. Por srm altamnt não-linars as rlaçõs ntr os aos as coniçõs anormais opração a planta inustrial, st trabalho propõ um métoo para xtrair um conjunto n snsors istribuíos na planta, os sinais qu stão ftivamnt nvolvios no isparo trminao alarm inicativo falha m um quipamnto. A (Fig. 1) aprsnta uma visão gral o sistma, o qual po sr composto m três móulos: Extração Méias Figura 1. Arquittura o Sistma Prição 2.1 Extração Méias Forncimnto Utilias Prvisão Alarms A fim focar o problma qubras struturais múltiplas m séris tmporais, srá utilizao o métoo árvors rgrssão mínimos quaraos nominao Athortical Rgrssion Trs (ART). O métoo ART faz uso uma covariávl artificial qu é uma sqüência arbitrária númros m orm crscnt ou crscnt, on sta covariávl não é um pritor variávl, mas sim um contaor (Capplli t al., 2005). O uso tal covariávl na árvor rgrssão mínimo quarao (Briman t al., 1984) rcorr a um uso sqüncial o métoo Fishr xata otimização (1958) proposto para o agrupamnto n lmntos m g subconjuntos com máxima homognia, ou sja, minimiza grupos com a soma os quaraos. O algoritmo Fishr é projtao para situaçõs m qu os aos stão ornaos os grupos consistm m intrvalos aos. Na árvor rgrssão mínimos qua-

3 raos (LSRT) um noo t é iviio m squra irita scnnts ( t t ) para ruzir o svio a variávl rsposta. Assim, o algoritmo slciona a SS t SS t + SS é ivisão s para a qual ( ) [ ( ) ( )] t máximo, on 2 SS ( t) = t y y( t), i= 1, K, ( ) ( ) yi i n é a soma os quaraos para o noo t, SS ( t ) SS ( ) são a soma os quaraos a squra t irita scnnts, rspctivamnt. Tno m vista qu t t são sucssivas partiçõs t ( t) SS ls pom sr consiraos como sno a soma os quaraos o noo t. Assim, o critério ivisão consist m minimizar, m toas as partiçõs binárias t, a soma os quaraos o grupo. Então, MSS t = SS t + SS t (2) y s ( ) [ ( ) ( )] Uma vz qu a partição binária um noo é ncontraa, o procsso ivisão é aplicao sparaamnt rcursivamnt para caa subgrupo até qu sts chgum a uma imnsão mínima ou nnhuma mlhora o critério possa sr alcançaa. A aplicação o métoo ART nst problma é motivaa pla ncssia a busca, para os n isparos o alarm, um comportamnto parão as variávis ants a ocorrência o msmo. 2.2 Forncimnto Utilias A obtnção os pontos cort, consqüntmnt, as méias os rgims opração as variávis proporcionarão o cálculo o fator utilia caa variávl, cujo objtivo é intificar o grau importância a variávl para o isparo um alarm. Est fator utilia é finio por ϕ = µ σ t Amax on Amax é a amplitu o maior graint ntr as méias rgims contíguos caa isparo, a méia stas amplitus máximas é finia por A max (4) = µ A = 1 max σ é o svio-parão os instants tmpo m t qu ocorrram as amplitus maior graint caa isparo. Ests instants tmpo stão rprsntaos por um númro linha na (Fig. 4), bastano uma simpls convrsão para obtnção o tmpo, portanto, st fato não influnciará no rsultao final. D poss os fators utilia conhcno os valors mínimo máximo as variávis é possívl (1) (3) normalizá-los stablcr um limiar qu xplicitará quais variávis aprsntam forts possibilias srm as rsponsávis plo isparo o alarm. Portanto, um fator utilia maior qu o limiar implicará a utilização a variávl para a prição aqul alarm. Esta mtoologia srá aplicaa a toas as variávis monitoraas plo sistma suprvisório a usina. 2.3 Prvisão Alarms A spcificação OSA-CBM (Opn Systms Architctur for Conition-bas Maintnanc), arquittura parão para movr informaçõs m sistmas manutnção basaa m coniçõs, ivi o sistma m sis blocos (Pnn t al., 2006), (Djurjanovic t al., 2003): Aquisição Daos (Móulo os Snsors) Manipulação Daos (Procssamnto Sinais) Monitoramnto as Coniçõs Avaliação a Saú Prognóstico Apoio à Tomaa Dcisão Figura 2. Blocos Funcionais OSA-CBM O conjunto variávis (snsors) slcionao plo móulo Forncimnto Utilias para um trminao alarm, conform mncionao no itm 2.2, srá a ntraa para o móulo Prvisão A- larms, o qual sguirá a arquittura OSA-CBM (Fig. 2). Técnicas fusão múltiplos snsors são utilizaas para combinar toas as informaçõs parciais oriunas ifrnts snsors a fim s obtr uma maior prcisão iagnóstico prognóstico. Tais técnicas pom sr agrupaas m três principais nívis pnno o stágio procssamnto m qu las ocorrm (Jarin t al., 2006), (Facli, 2001): a) Fusão no Nívl Daos; b) Fusão no Nívl Caractrísticas; c) Fusão no Nívl Dcisão. Na litratura xist uma norm gama técnicas algoritmos a srm mprgaos na fusão snsors, ntr ls (Facli, 2001):

4 a) Méia Ponraa: consist no cálculo a méia ponraa as informaçõs runants provnints um conjunto snsors; b) Filtro Kalman: métoo útil para fusão aos runants inâmicos baixo nívl m tmpo ral; c) Dmpstr-Shafr: proposiçõs (conhcimnto os snsors sobr vntos) são combinaas com a rgra Dmpstr para ncontrar intrscçõs ou conjunçõs proposiçõs suas probabilias associaas; ) Algoritmos Agrupamntos (clustrs): os aos são agrupaos m conjuntos naturais. Esss são intrprtaos por um analista qu busca por catgorias objtos significativos; ) Rs Nurais Artificiais: sistmas trinaos para mapar aos ntraa m catgorias saía slcionaas; f) Toria os Conjuntos Fuzzy: a lógica fuzzy s aplica m problmas nos quais os limits ntr conjuntos valors não são bm finios, on xist a ocorrência parcial um vnto. (Wang Wang, 2000) utiliza uma fusão no nívl cisão com a aboragm Dmpstr-Shafr para iagnóstico falta m motor a isl (Jarin t al., 2006). (Mannan t al., 2000) usa uma r nural função bas raial para funir as caractrísticas xtraías imagns suprfícis usinaas sons graos urant o procsso usinagm a fim monitoramnto as coniçõs iagnóstico frramntas cort (Jarin t al., 2006). (Casotto t al., 2003) aplica a méia ponraa os valors confiança smpnho iniviuais os snsors para obtnção o valor confiança smpnho a fusão snsors m um xprimnto ralizao m uma máquina sola. O valor confiança smpnho (prformanc confinc valu - CV), o qual varia ntr zro um, xprssa a sobrposição ntr a mais rcnt assinatura obsrvaa aqula obsrvaa urant opração normal o quipamnto, sobrposição sta utilizaa para avaliação a saú o quipamnto. Altos valors CV inicam alta sobrposição, consqüntmnt, o smpnho mais próximo o comportamnto normal (Djurjanovic t al., 2003). Divrsas frramntas são utilizaas para o snvolvimnto os blocos funcionais a (Fig. 2). Uma sínts algumas stas são aprsntaas na (Fig. 3): Figura 3. Frramntas para Procssamnto Sinais, Avaliação Saú, Diagnóstico Prognóstico (L t al., 2006) O móulo Prvisão Alarms ncontra-s m snvolvimnto, portanto, não xistm aina aspctos conclusivos. 3 Tsts Rsultaos O sistma suprvisório a usina hirlétrica monitora cnto sssnta sis variávis aciona um conjunto cnto zsst alarms na sala comano. A amostra os aos utilizaa s rfr às miçõs fitas por stnta três snsors m um príoo quatro mss a scolha o alarm inicial para o stuo m qustão foi fita m função sua rlvância para o procsso gração nrgia létrica plo númro xprssivo ocorrências. Na xcução o métoo ART foi consirao uma janla tmporal constant para toos os isparos o alarm corrsponnt ao mnor intrvalo tmpo ntr ois isparos conscutivos st. O comportamnto uma as variávis ants a ocorrência alguns os isparos o alarm foi aprsntao abaixo (Fig. 4). O momnto alarm ncontra-s smpr próximo ao limit a irita caa gráfico DISPARO 1 - SENSOR

5 180 DISPARO 2 - SENSOR DISPARO 3 - SENSOR Fator Utilia Normalizao Variávl Figura 5. Forncimnto Utilias Normalizaas para o Alarm Conclusão DISPARO 5 - SENSOR Figura 4. Aplicação o Métoo ART para uma as Variávis Monitoraas (snsor 10) Com os rsultaos o métoo ART foram calculaos os stnta três fators utilia a a- mostra. A normalização sts fators lvou ao gráfico aprsntao a sguir (Fig. 5). O limiar (ponto cort) foi stablcio m função a méia sts fators, qu nst caso é igual a 0,0674. O gráfico prmit obsrvar qu apnas zoito variávis aprsntam fator utilia acima o limiar, fato qu ruziu rasticamnt o númro variávis a srm consiraas para a prição o alarm m qustão, rução sta na orm 75%. Nst artigo foi aprsntaa a utilização a anális xploratória aos técnica árvor rgrssão para intificar as variávis qu rprsntam os inicativos futuros comportamntos anômalos o procsso proutivo, ou sja, aqulas qu stão irtamnt associaas a um alarm. A mtoologia mprgaa na amostra os aos foi a utilização a Athortical Rgrssion Trs (ART), a qual faz uso uma covariávl artificial qu é uma sqüência arbitrária númros m orm crscnt ou crscnt, on sta covariávl não é um pritor variávl, mas sim um contaor. O uso tal covariávl na árvor rgrssão mínimo quarao rcorr a um uso sqüncial o métoo Fishr xata otimização (1958) proposto para o agrupamnto n lmntos m g subconjuntos com máxima homognia, ou sja, minimiza grupos com a soma os quaraos. A aplicação o métoo ART nst problma foi motivaa pla ncssia a busca, para os n isparos o alarm, um comportamnto parão as variávis ants a ocorrência o msmo. Fators utilia foram calculaos para toas as variávis prsnts na amostra o stablcimnto um limiar m função a méia st fator prmitiu a slção aqulas qu aprsntam maior probabilia uma rlação irta com o isparo um trminao alarm. O parão OSA-CBM foi aprsntao stacano-s algumas as principais técnicas utilizaas m caa uma suas tapas. Os rsultaos até o momnto obtios pla mtoologia aprsntaa m srão valiaos quano concluío o móulo Prvisão Alarms, itm 2.3, qu stá m fas snvolvimnto. Agracimntos Os autors gostariam agracr a AES Titê pla bas aos utilizaa nst trabalho.

6 Rfrências Bibliográficas Bworth, D.D., Baily, J.E. (1986). Intgrat Prouction Control Systms John Wily an Sons 1986 Briman, L., Friman, J.H., Olshn, R.A. an Ston, C.J. (1984). Classification an Rgrssion Trs, Wasworth & Brooks, 368 pp., Montry (USA). Capplli, C., Pnny, R.N., Ral, M. (2005). Dtcting Multipl Man Braks At Unknown Points With Athortical Rgrssion Trs. Intrnational Congrss on Molling an Simulation - Avancs an Applications for Managmnt an Dcision Making. Casotto, N., Djurjanovic, D., Mayor, R., Ni, J., L, J. (2003). Multisnsor Procss Prformanc Assssmnt Through Us of Autorgrssiv Moling an Fatur Maps. Journal of Manufacturing Systms, Vol. 22, No. 1. Djurjanovic, D., L, J., Ni, J. (2003). Watchog Agnt an infotronics-bas prognostics approach for prouct prformanc graation assssmnt an priction. Avanc Enginring Informatics, 17, Facli, K. (2001). Combinação métoos intligência artificial para fusão snsors. USP São Carlos. Fu, C., Y, L., Liu, Y., Yu, R., Iung, B., Chng, Y. an Zng, Y. (2004). Prictiv Maintnanc in Intllignt-Control-Maintnanc-Managmnt Systm for Hyrolctric Gnrating Unit. IEEE Transactions on Enrgy Convrsion, Vol. 19, No. 1. Jarin, A.K.S., Lin, D., Banjvic, D. (2006). A rviw on machinry iagnostics an prognostics implmnting conition-bas maintnanc. Mchanical Systms an Signal Procssing, 20, L, J., Ni, J., Djurjanovic, D., Qiu, H., Liao, H. (2006). Intllignt prognostics tools an - maintnanc. Computrs in Inustry, 57, Mannan, M.A., Kassim, A.A., Jing, M. (2000). Application of imag an soun analysis tchniqus to monitor th conition of cutting tools. Pattrn Rcognition Lttrs, 21, Pnn Stat Univrsity, Th Boing Company, Machinry Information Managmnt Opn Stanars Allianc (2006). Opn Systms Architctur for Conition-bas Maintnanc (OSA-CBM). Wang, H.F., Wang, J.P. (2000). Fault iagnosis thory: Mtho an application bas on multisnsor ata fusion. Journal of Tsting an Evaluation, 28, Wu, S., Gbral, N., Lawly, M.A. an Yih, Y. (2007). A Nural Ntwork Intgrat Dcision Support Systm for Conition-Bas Optimal Prictiv Maintnanc Policy. IEEE Transactions on Systms, Man, an Cybrntics Part A: Systms an Humans, Vol. 37, No. 2.

7 This ocumnt was crat with Win2PDF availabl at Th unrgistr vrsion of Win2PDF is for valuation or non-commrcial us only. This pag will not b a aftr purchasing Win2PDF.