TÉCNICA DE INTELIGÊNCIA ARTIFICIAL APLICADA A SISTEMAS FIELDBUS PARA OTIMIZAÇÃO DOS PROCESSOS INDUSTRIAIS. Abstract

Transcrição

1 TÉCNICA DE INTELIGÊNCIA ARTIFICIAL APLICADA A SISTEMAS FIELDBUS PARA OTIMIZAÇÃO DOS PROCESSOS INDUSTRIAIS. Alexandre Baratella Lugli baratella@inatel.br Instituto Nacional de Telecomunicações - Inatel Cleide Aparecida Ribeiro do Prado cleide@gee.inatel.br Instituto Nacional de Telecomunicações - Inatel Abstract The protocol TCP / IP is the most widespread among communications systems for computers. Years ago, the industry decided to use this standard in industrial systems, which led to the rise of industrial Ethernet. Nowadays, there are fourteen different types of networks using this standard. The proposal of this paper is to present a method of communication without using the master controller of the network. Furthermore, this paper proposes an implementation using the technique of Artificial Intelligence, called fuzzy logic, implemented by an interactive computational tool to the user. The goal of artificial intelligence technique is to minimize the time delay caused by the switch in industrial Ethernet network, through the determination of a logic fuzzification and defuzzyficação (inference process) implemented by the proposed algorithm, increasing time efficiency of the system and reducing delays communication. Keywords Industrial Ethernet, optimization, simulation, artificial intelligence techniques. Resumo O protocolo TCP/IP é um dos mais disseminados entre sistemas de comunicações para computadores. Anos atrás, a indústria decidiu utilizar este padrão em sistemas industriais, o que provocou a origem da Ethernet industrial. Hoje em dia, há dezenas de tipos distintos de redes seguindo este padrão. A proposta deste trabalho é apresentar um método de comunicação sem a utilização do controlador mestre da rede. Além disso, este trabalho propõe uma implementação utilizando a técnica de Inteligência Artificial, chamada Lógica Fuzzy, implementada por uma ferramenta computacional interativa ao usuário. O objetivo da técnica de inteligência artificial é minimizar o atraso temporal causado pelo switch industrial na rede Ethernet, através da determinação de uma lógica de fuzzificação e defuzzyficação (processo de inferência) implementada pelo algoritmo proposto, aumentando a eficiência temporal do sistema e reduzindo os atrasos de comunicação. Palavras chave Ethernet industrial, otimização, simulação, técnicas de Inteligência Artificial. 1. INTRODUÇÃO O padrão TCP/IP surgiu no meio industrial há cerca de alguns anos. Porém, somente nos últimos anos é que se tornou comercialmente utilizado em ambientes industriais. [1] [2]. A grande utilidade deve-se à necessidade de interligar todos os níveis da Cadeia de Suprimentos (Supply Chain) envolvendo um único e exclusivo padrão de rede, o TCP/IP. [3] Porém, na arquitetura tradicional isso não é possível devido aos diferentes tipos de padrões de protocolos existentes no mercado. [4] Com o passar dos anos, o nível administrativo começaram a possuir o padrão TCP/IP, porém o nível de chão de fábrica possuía outros protocolos denominados Fieldbuses. [3] Esses protocolos de chão de fábrica foram se difundindo, devido ao custo benefício de se ter uma rede industrial se comparado ao sistema tradicional. [4] Hoje, há vários protocolos no mercado, os principais são: Profibus, Devicenet, CAN, Fieldbus Foundation, Modbus, AS-i, Sercos, entre outros. [4] 1

2 Surgiu, então, a idéia de uniformizar o chão de fábrica. Nesse instante, nasceu a Ethernet industrial. Atualmente existem dezenas de tipos de redes Ethernet industriais como: PROFINET, Ethernet/IP, HSE (High Speed Ethernet), Modbus/TCP, EPA, EPL, EtherCAT, IEC 61850, JetSync, P- [1] [5] Net, Sercos III, SynqNet, TCnet e Vnet/IP. A rede Ethernet utiliza o protocolo de gerenciamento de tráfego tipo CSMA/CD (Carrier Sense with Multiple Access and Collision Detect), com o objetivo de evitar colisões de informações trafegadas na rede entre duas ou mais estações ativas. Essa técnica consiste na detecção de colisão no meio de transmissão, ou seja, quando mais de uma estação deseja, ao mesmo tempo, transmitir dados no barramento. [6] Neste caso, apenas uma delas conseguirá transmiti-los, sendo que a outra terá que esperar um tempo aleatório gerado pelo controlador da rede até tentar outra transmissão. Caso não consiga, o dispositivo esperará mais uma vez e assim sucessivamente. Nota-se que não há certeza de que a informação será transmitida num tempo determinado (o que é essencial para o ambiente industrial). Não se pode esperar um longo tempo para a informação crítica ser transmitida. [7] Logo, para a aplicação no meio industrial é necessário transformar a suíte de protocolos TCP/IP comum (não determinística), em determinística. Para isso, utiliza-se um switch especial, com portas independentes entre si e com capacidade de programar prioridades e tempos de espera das mensagens. Deste modo, o switch determina o tempo de varredura para cada porta. [8] Este trabalho propõe uma arquitetura com controle distribuído, para gerenciar os elementos de campo. O objetivo é utilizar a técnica de inteligência artificial para minimizar o atraso temporal causado pelo switch industrial na rede Ethernet. Propondo um algoritmo que permita rotear as mensagens por prioridades de execução, tempo total de execução e menor endereço de ordenação das portas do switch. Desta forma, o switch tem conhecimento prévio da prioridade, tempo de execução e porta que se encontra cada módulo. Para isso utiliza-se o processo de fuzzificação, ou seja, definem-se os parâmetros de entrada (prioridade, tempo total de execução e porta) e transforma-se para linguagem apropriada. Logo em seguida passa-se para o processo de inferência (base de regras) ou base de regras/processamento, e por fim realiza-se a defuzzificação para interpretar os valores Fuzzy que são convertidos em números reais, tendo assim um conjunto de saída matematicamente definido e possibilitando decidir por qual caminho deve-se transmitir as mensagens para reduzir os atrasos de comunicação entre os switches do barramento. 2. LÓGICA FUZZY Considerando os problemas reais que acontecem nas indústrias, no comércio ou mesmo no dia a dia das pessoas, fica clara a ausência de certezas absolutas quanto a alguns aspectos. Este princípio auxiliou no desenvolvimento da Lógica Fuzzy, onde sua forma de raciocinar é muito semelhante ao modelo de raciocínio humano. [9] O sistema lógico apresentado pela Lógica Fuzzy quando aplicado vai além do raciocínio booleano, que não admite valores lógicos intermediários entre o FALSO (0) e o VERDADEIRO (1); por exemplo, o valor médio TALVEZ (0,5). Isto significa que um valor lógico difuso é um valor qualquer no intervalo de valores entre 0 e 1. [10] O que diferencia a Lógica Fuzzy da lógica booleana é a capacidade desta de se aproximar do mundo real onde não existem somente respostas extremas. A Lógica Fuzzy fornece espaço ao meio termo apresentando ainda a possibilidade de mensurar o grau de aproximação da solução exata e assim inferir algo que seja necessário. [11] Quando um determinado problema apresenta um grande grau de incerteza é necessário que para solução deste se utilize um modelo matemático que contemple essa especificidade e não desconsidere aspectos que possam ser ignorados na aplicação de lógicas tradicionais. Para esses casos a Lógica Fuzzy é amplamente recomendada, pois apresenta um modelo capaz de combinar a imprecisão associada aos eventos naturais e o poder computacional das máquinas produzindo assim sistemas de respostas inteligentes. [9] Um dos grandes objetivos inerentes à Lógica Fuzzy é se aproximar em sua lógica, da forma com que o raciocínio humano relaciona as informações buscando respostas aproximadas aos problemas, por isso o grande foco desta lógica é a solução de problemas cujas informações recentes sejam incertas Estrutura do Sistema Lógico Fuzzy 2

3 Na figura 1 é apresentada a representação de um sistema difuso com seus principais componentes Fuzzificação Fig. 1 Componentes de um sistema baseado em Lógica Fuzzy. [12] Nesta primeira etapa do Sistema Lógico Fuzzy o problema é analisado e os dados de entrada são transformados em variáveis linguísticas. Neste momento é de extrema importância que todos os dados de imprecisão e incerteza sejam considerados e transformados em variáveis linguísticas. Após esta transformação são determinadas também as funções de pertinência. Para melhor exemplificar essa etapa do sistema Lógico Fuzzy será apresentado o exemplo dos copos cheios e vazios. Considera-se a figura 2 como ponto de partida para esta reflexão. Fig. 2 Visualização dos copos. [9] Observando a figura 2 podem-se fazer as seguintes afirmações: O copo A esta Muito Vazio; O Copo B esta Muito Cheio; O Copo B esta razoalmente cheio; Considerando o volume dos copos, a figura 3 apresenta as funções pertinência considerando as variáveis linguísticas Muito Vazio, Muito Cheio e Razoavelmente Cheio. 3

4 Fig. 3 Funções de Pertinência. [9] Neste exemplo, a variável linguística esta sendo representada com palavras, mas esta atribuição de graus poderia também ser feita através de valores numéricos Interferência Considerando que na etapa anterior os dados de entrada já foram transformados em variáveis linguísticas, nesta segunda etapa é o momento em que serão criadas as regras ou proposições através da associação das variáveis já criadas. As proposições são geradas do relacionamento entre as variáveis do modelo e a região Fuzzy. Essas regras resultantes das associações podem ser condicionais ou não condicionais. Esta fase do sistema Lógico Fuzzy pode ser dividida em dois componentes: agregação e composição, conforme ilustra a figura 4. [11] Fig. 4 Interferência Fuzzy. [11] Enquanto a agregação define a validade de uma regra, a composição define o resultado obtido através de uma inferência. Considerando a realidade do gerenciamento de projeto, onde existem duas afirmações: O projeto A é muito longo; O risco do projeto é Alto; Sabe-se através da experiência do especialista em projetos que quanto maior a duração do projeto, maior o risco. Imaginando que neste exemplo Duração do Projeto e Risco do Projeto são duas variáveis linguísticas com valores Muito Longo e Alto respectivamente, pode-se inferir que: Se o projeto é MUITO LONGO Então o Risco do Projeto é ALTO. 4

5 Neste caso, está sendo apresentado a Agregação através da condição colocada e a Composição através do resultado relacionado à condição Defuzzificação A defuzzificação é a etapa em que os valores Fuzzy são convertidos em números reais tendo assim um conjunto de saída matematicamente definido. Utilizando-se do exemplo abaixo, considere os conjuntos Fuzzy A, B e C produzindo uma variável de solução D. [11] Se w é Y então D é A Se x é X então O é B Se y é Z então D é C Para encontrar o valor atual e real correspondente a d é necessário que se encontre um valor que melhor represente a informação constante no conjunto D. Este é o processo chamado de defuzzificação, conforme apresentado na figura 5. Fig.5. Processo de defuzzificação. [11] Existem algumas diferentes técnicas de defuzzificação presentes nas literaturas sendo que ao se referir a esta etapa e aos diferentes métodos afirma que este é mais próximo da própria heurística do que dos algoritmos baseados nos Primeiros Princípios. Alguns dos métodos citados são: [11] Centroid é o método onde a saída precisa a ser considerada é o centro de gravidade do conjunto Fuzzy. Maximum height é o método onde a saída precisa se obtém tomando a média entre os dois elementos extremos no universo de discurso que correspondem aos maiores valores da função de pertinência do conjunto Fuzzy de saída. 3. ESTUDO DE CASO: APLICAÇÃO DE LÓGICA FUZZY PARA DETERMINAR O MELHOR CAMINHO DE ROTEAMENTO DA MENSAGEM Neste estudo de caso, saõ demonstrados três parâmetros que podem ser gerenciados pela técnica apresentada anteriormente. Segue abaixo a definição dos parâmetros que são analisados no estudo de caso: Prioridade: estabelece uma relação de precedência ou ordem de execução das mensagens a serem trafegadas na rede, ou seja, define qual é a ordem da mensagem que deve ser transmitida; Tempo: define o tempo necessário para a transmissão das informações no barramento de comunicação compartilhado. Nesse parâmetro são considerados todos os demais tempos 5

6 necessários para que a mensagem seja transmitida com sucesso, como por exemplo: tempo de liberação, execução, transmissão, finalização, entre outros. Na comunicação entre os switches há dois tipos de mensagens sendo transmitidas, mensagens cíclicas e acíclicas. Pode-se citar como exemplo de mensagem cíclica a leitura de sensores e atualização dos estados dos atuadores, e, para mensagem do tipo acíclica, pode-se ter como exemplo à parametrização de um módulo de campo ou análise de possíveis falhas na rede. Estas mensagens devem ser iniciadas e finalizadas num mesmo tempo de execução, para garantia do determinismo e para a realização factível da comunicação da rede Ethernet industrial proposta. Para efetuar ao estudo de caso é utilizado o processo de fuzzificação (entrada de dados), inferência (processamento das informações) e deffuzificação (saída de dados). Para realização do estudo de caso foi implementado um programa em linguagem C, conforme as figuras 6, 7 e 8 ilustram abaixo. Primeiramente, é mostrada a entrada das informações, ou seja, o processo de fuzzificação, cujos as informações são fornecidas pelo usuário. A quantidade de switch é determinada de acordo com a necessidade do projeto, bem como a quantidade de módulos e a porta que deseja conectar cada módulo. Apenas a prioridade foi pré-determinada, sendo que o usuário dispõe de apenas de três graduações de prioridades de transmissão; prioridade 1, 2 ou 3. O tempo de processamento de cada mensagem também é uma informação fornecida pelo usuário, conforme ilustra a figura 6. Fig. 6 Entrada de informações. 6

7 A confirmação das informações do sistema é ilustrada na figura 7. Fig. 7 Confirmação da entrada de informações. Na etapa de inferência (processamento) as informações serão ordenadas de acordo com os seguintes critérios: 1 critério: maior prioridade; 2 critério: tempo de execução da mensagem; 3 critério: menor número na sequência de ordenação das portas. Primeiramente, a aplicação computacional deve ordenar as mensagens de acordo com sua prioridade de execução. O que possuir maior prioridade (1) deve ser transmitido primeiro e assim sucessivamente. Se existirem prioridades iguais a aplicação computacional utiliza o segundo critério, que é a análise do tempo execução das mensagens. Segundo este critério, a mensagem com o menor tempo de execução é transmitida primeiro. O resultado do processamento final esta apresentado na figura 8. Nesse exemplo, a porta 4 do switch 1 será a primeira mensagem a ser trafegada no barramento, devido às condições impostas acima e ao processamento da lógica Fuzzy. Observa-se que as prioridades iguais em switches iguais consideram-se o menor tempo de execução das mensagens para a definição da rota de tráfego pela rede Ethernet industrial. 7

8 4. CONCLUSÃO Fig. 8 Resultados da ordenação. O trabalho proposto apresentou um método para otimização dos atrasos temporais causados pela utilização de um switch industrial na rede Ethernet. Para isso foi desenvolvido um algoritmo utilizando uma das técnicas de Inteligência Artificial, chamada Lógica Fuzzy, para a realização da priorização das mensagens dos módulos de campo conectados em cada switch, aplicado às redes Ethernet industrial. Através da aplicação da Lógica Fuzzy será possível verificar qual o melhor caminho para rotear as mensagens no barramento. Foi realizada, também, um estudo de caso para verificação dos resultados, considerando que é possível visualizar e manipular as conexões dos módulos de campo para melhor eficiência temporal do sistema e redução dos atrasos de comunicação. O trabalho apresenta, ainda, um conceito para otimização do tráfego de informação nos switches de comunicação, utilizando uma busca randômica e Inteligência Artificial pela técnica de Lógica Fuzzy, realizando a busca pela melhor distribuição da comunicação temporal dos módulos de campo nos switches do barramento. Concluiu-se que os parâmetros monitorados poderão contribuir de maneira significativa para que os objetivos da planta instalada sejam alcançados de maneira eficaz e sustentável no ambiente industrial, a fim de minimizar os custos com conexões longas de cabos e otimizar os atrasos temporais causados pela conexão dos módulos de campo em múltiplos switches. REFRÊNCIAS BIBLIOGRÁFICAS [1] FELSER, M., SAUTER, T. The Fieldbus War: History or Short Break Between Battles. IEEE Article, 4 th IEEE International Workshop on Factory Communication Systems, Vasteras, Sweden, August 28-30, 2002, 73-80p. [2] FELSER, M., SAUTER, T. Standardization of Industrial Ethernet the Next Battlefield? IEEE Article, 6 th [3] IEEE International Workshop on Factory Communication Systems, Vasteras, Sweden, 2004, p. BROOKS, P. Ethernet/IP Industrial Protocol. IEEE Article, Rockwell Automation s European Market Manager, Belgium, 2001, p. [4] Site da Internet: Siemens AG Internacional. Curso Web de Profinet, visitado em 04/ [5] [6] LARSSON, L. Fourteen Industrial Ethernet solutions under the spotlight. The Industrial Ethernet Books, Issue 28, September COMER, D. E. Internetworking with TCP/IP Vol. I Principles, Protocols and Architecture. 4th ed., Prentice-Hall Editor, USA, 2000, 750p. 8

9 [7] THOMESSE, J. P. Fieldbus Technology in Industrial Automation. France, Proceedings of IEEE, Vol. 93, Issue 6, p., [8] POPP, M. and WEBBER, C. The Rapid Way to PROFINET. Book, PROFIBUS Organization, order 4182, 2004, 244p. [9] AGUADO, A. G., CANTANHEDE, M. A. Lógica Fuzzy. Congresso UNICAMP, Limeira, 2010, 12p. [10] Site da Internet: Lógica Fuzzy,Wikipédia. Acessado em abril < [11] COX, E. The fuzzy systems handbook: a practitioner s guide to building, using, and maintaining fuzzy systems. New York: AP Professional, [12] PINHO, F. A. Uma contribuição para a resolução de problemas de programação de operações em sistemas de produção intermitentes flow-shop: A consideração de incertezas Dissertação (Mestrado em Engenharia) Universidade Federal de Itajubá, Itajubá, DADOS DOS AUTORES Prof. Dr. Alexandre Baratella Lugli. Instituto Nacional de Telecomunicações Inatel. Coordenador e professor de curso superior e professor da pós graduação. Av. João de Camargo, Número Santa Rita do Sapucaí MG. CEP Fone: (35) Fax: (35) baratella@inatel.br Cleide Aparecida Ribeiro do Prado Graduanda em Engenharia Elétrica. Instituto Nacional de Telecomunicações Inatel. Av. João de Camargo, Número Santa Rita do Sapucaí MG. CEP Fone: (35) Fax: (35) cleide@gee.inatel.br 9