UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL

INSTITUTO DE INFORMTICA
PROGRAMA DE PS-GRADUAO EM COMPUTAO





JEFFERSON LUIZ BOSA





Sistema Embarcado para a Manuteno
Inteligente de Atuadores Eltricos






Dissertao apresentada como requisito parcial
para a obteno do grau de Mestre em Cincia
da Computao


Prof. Dr. Marcelo Soares Lubaszewski
Orientador









Porto Alegre, dezembro de 2009.
CIP CATALOGAO NA PUBLICAO



































UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL
Reitor: Prof. Carlos Alexandre Netto
Vice-Reitor: Prof. Rui Vicente Oppermann
Pr-Reitor de Ps-Graduao: Prof. Aldo Bolten Lucion
Diretor do Instituto de Informtica: Prof. Flvio Rech Wagner
Coordenadora do PPGC: Prof. lvaro Freitas Moreira
Bibliotecria-Chefe do Instituto de Informtica: Beatriz Regina Bastos Haro
Bosa, Jefferson Luiz
Sistema Embarcado para a Manuteno Inteligente de
Atuadores Eltricos / Jefferson Luiz Bosa Porto Alegre:
Programa de Ps-Graduao em Computao, 2009.
169 f.:il.
Dissertao (mestrado) Universidade Federal do Rio Grande
do Sul. Programa de Ps-Graduao em Computao. Porto
Alegre, BR RS, 2009. Orientador: Marcelo Soares Lubaszewski.
1. Testes On-Line. 2. Tolerncia a Falhas. 3. Mapas Auto-
Organizveis. 4. Sistema Embarcado. 5. FPGA. 6. Manuteno. I.
Lubaszewski, Marcelo Soares. II. Ttulo.
AGRADECIMENTOS
Agradeo em primeiro lugar ao Senhor Jesus pelo dom da vida, salvao, pelo amor
demonstrado e tudo o que aconteceu em minha vida. Tambm dou graas a Deus pelo
tempo que morei em Porto Alegre, pois foram tempos que jamais me esquecerei.
Em segundo lugar quero honrar meus pais (Jos Bosa e Elieusa Chagas Bosa) pelo
amor, pelas oraes, testemunho de vida e por terem me ensinado a andar nos caminhos
de Deus. Tambm quero honrar meus irmos (Estefan Michel Bosa e Ruan Hedpo
Bosa) pelo amor, companheirismo e pelas oraes. Agradeo a Deus todos os dias pela
vida de vocs. Agradeo a meus avs (Helena da Rosa e Ari da Rosa) pelo amor e em
especial pelas oraes e splicas.
Agradeo aos irmos de aliana em Cristo (Jackson, Daniel, Fernando e grupo) que
conheci em Porto Alegre, por terem dedicado suas vidas em andarmos juntos e a formar
a imagem de Cristo em nossas vidas. Tambm agradeo aos irmos com quem dividi
moradia (Mateus, Cristiano, Carlos Eduardo e Marko) por serem pessoas que me
ensinaram a viver como famlia de Cristo. E aos demais irmos (que so muitos) que
congregam na Igreja em Porto Alegre, com quem mantive vnculo. Dou graas a Deus
por ter conhecido vocs.
Agradeo aos amigos do laboratrio 205 e do Laprot, pela amizade e momentos que
passamos juntos.
Agradeo ao professor Marcelo Lubaszewski, pelo privilgio de trabalharmos
juntos, exemplo de profissional, pela pacincia e amizade.
Agradeo a UFRGS pela oportunidade de estudar nesta universidade e a CAPES
pelo apoio financeiro.






Confia no Senhor de todo o teu corao, e no te estribes no
teu prprio entendimento. Reconhece-o em todos os teus
caminhos e Ele endireitar as tuas veredas Provrbios 4:5-6


SUMRIO
LISTA DE ABREVIATURAS E SIGLAS............................................................ 8
LISTA DE FIGURAS.......................................................................................... 9
LISTA DE TABELAS....................................................................................... 11
RESUMO.......................................................................................................... 13
ABSTRACT...................................................................................................... 14
1 INTRODUO ........................................................................................... 15
1.1 Contexto e motivao .......................................................................................... 15
1.2 Objetivos............................................................................................................... 16
1.3 Contribuies ....................................................................................................... 17
1.4 Organizao do trabalho .................................................................................... 18
2 MANUTENO INTELIGENTE ................................................................. 21
2.1 Introduo............................................................................................................ 21
2.2 Anlise dos Custos Envolvidos na Manuteno................................................ 23
2.3 Estratgias de Manuteno................................................................................. 25
2.3.1 Manuteno Corretiva ........................................................................................ 26
2.3.2 Manuteno Preventiva ...................................................................................... 27
2.3.3 Manuteno Preditiva......................................................................................... 28
2.3.4 Manuteno Proativa .......................................................................................... 30
2.4 Sistema de Manuteno Inteligente ................................................................... 32
2.4.1 Metodologia de Manuteno Baseada na Condio (CBM) .............................. 33
2.4.2 Arquitetura OSA-CBM...................................................................................... 36
2.4.3 Watchdog Agent ............................................................................................ 37
2.5 Estudo de Caso: Transporte de Combustveis para Petrobras ....................... 39
2.6 Resumo do Captulo ............................................................................................ 42
3 DETECO, DIAGNSTICO E PREDIO DE FALHAS........................ 45
3.1 Introduo............................................................................................................ 45
3.2 Definies e Conceitos de Testes e Tolerncia a Falhas................................... 46
3.2.1 Funo do sistema, comportamento, estrutura e servio.................................... 46
3.2.2 Defeito, falha e erro............................................................................................ 46
3.2.3 Atributos de dependabilidade ............................................................................. 47
3.2.4 Tcnicas para alcanar dependabilidade............................................................. 47
3.2.5 Ameaas dependabilidade................................................................................ 48
3.3 Deteco e Diagnstico de Falhas....................................................................... 52
3.3.1 Processo para DDF em uma aplicao genrica................................................. 52
3.3.2 Fundamentos de um Sistema de DDF ................................................................ 54
3.3.3 Processamento de Dados do Histrico ............................................................... 54
3.3.4 Caractersticas desejveis em um Sistema de DDF............................................ 55
3.4 Deteco, Diagnstico e Predio de Falhas...................................................... 56
3.4.1 Processo de DDPF para uma aplicao genrica................................................ 56
3.5 SOM Mapas Auto-Organizveis de Kohonen................................................ 59
3.5.1 Fundamentos....................................................................................................... 60
3.5.2 Algoritmo de treinamento................................................................................... 64
3.5.3 Propriedades do mapa de caractersticas ............................................................ 66
3.5.4 Interpretao do resultado do SOM.................................................................... 67
3.6 Mapa Temporal de Kohonen.............................................................................. 69
3.6.1 Conceitos bsicos de sries temporais................................................................ 70
3.6.2 Algoritmo de Treinamento ................................................................................. 71
3.6.3 Algoritmo de Teste ............................................................................................. 72
3.6.4 Resultados do TKM............................................................................................ 73
3.6.5 Comparao entre o SOM e TKM...................................................................... 74
3.7 Motivao de usar o SOM para Analisar Falhas ............................................. 74
3.7.1 Detectar falhas .................................................................................................... 75
3.7.2 Diagnosticar falha............................................................................................... 77
3.7.3 Predio e Monitoramento do comportamento .................................................. 80
3.8 Resumo do Captulo ............................................................................................ 83
4 PROPOSTA DE PROTTIPO DE UM SISTEMA DE MANUTENO
INTELIGENTE PARA ATUADORES ELTRICOS ......................................... 85
4.1 Introduo............................................................................................................ 85
4.2 Proposta do Sistema para Manuteno Inteligente.......................................... 86
4.2.1 Algoritmos base do SOM................................................................................... 91
4.2.2 Deteco de Anormalidade................................................................................. 92
4.2.3 Diagnstico de Falha .......................................................................................... 94
4.2.4 Predio do Comportamento .............................................................................. 95
4.3 Projeto para Simulaes do SOM em Software................................................ 97
4.4 Projeto do SOM em Hardware ........................................................................... 99
4.4.1 Arquitetura do Hardware do SOM................................................................... 100
4.4.2 Resultados de Projeto do Hardware do SOM.................................................. 105
4.5 Sistema Embarcado para Manuteno Inteligente ........................................ 107
4.5.1 Hardware do Sistema Embarcado.................................................................... 108
4.5.2 Software do Sistema Embarcado ...................................................................... 114
4.6 Resumo do Captulo .......................................................................................... 124
5 EXPERIMENTOS E RESULTADOS ........................................................ 127
5.1 Introduo.......................................................................................................... 127
5.2 Metodologia dos Experimentos ........................................................................ 128
5.3 Estudo de Caso................................................................................................... 130
5.4 Modelo para Simulao .................................................................................... 131
5.4.1 Modelo Matemtico.......................................................................................... 133
5.5 Injeo de Falhas ............................................................................................... 134
5.6 Treinamento das Redes Neurais....................................................................... 137
5.6.1 Treinamento para experimento em software .................................................... 138
5.6.2 Treinamento para experimento no prottipo em hardware.............................. 139
5.7 Resultados para experimentos em software..................................................... 140
5.7.1 Deteco de Anormalidades ............................................................................. 140
5.7.2 Diagnstico de Falhas....................................................................................... 141
5.7.3 Predio e Monitoramento de Falhas ............................................................... 143
5.8 Resultados para Experimento no Prottipo em Hardware............................ 146
5.9 Resumo do Captulo .......................................................................................... 147
6 CONCLUSES E TRABALHOS FUTUROS ........................................... 151
REFERNCIAS.............................................................................................. 155
ANEXO .......................................................................................................... 163
LISTA DE ABREVIATURAS E SIGLAS
AR Autoregressive Model
ARMA Autoregressive Moving Model
BMU (Best-Matching Unit) Neurnio Vencedor
BRAM Block RAM
CBM Manuteno Baseado em Condio
CNCO Centro Nacional de Controle Operacional da Petrobras
Creduto Centro Nacional de Reparo de Dutos da Petrobras
CTDUT Centro de Tecnologia de Dutos da Petrobras
FFT Fast Fourier Trnasform
FPGA Field Programmable Gate Array
IHM Interface Homem-Mquina
IMS Center Center for Intelligent Maintenance Systems
MMU Memory Management Unit
OSA-CBM Open Systems Architecture for Condition-Based Maintenance
PCA Principal Component Analysis
SCADA Supervisory Control and Data Aquisition
Sistema DDF Sistemas de Deteco e Diagnstico de Falhas
Sistema DDPF Sistemas de Deteco, Diagnstico e Predio de Falhas
SMI Sistema de Manuteno Inteligente
SOE Sistema Operacional Embarcado
SOM (Self-Organizing Maps) Mapas Auto-Organizveis
STM (Short-term memory) Memria de Curto Prazo
TKM (Temporal Kohonen Maps) Mapa Temporal de Kohonen
UFRGS Universidade Federal do Rio Grande do Sul
U-Matrix (Unified Distance Matrix) Matriz de Distncia Unificada
VHDL Very High Speed Integrated Circuit Hardware Description Language
WA Watchdog Agent
LISTA DE FIGURAS
Figura 2.1: Grfico do custo em relao ao nvel de manuteno adotado. ................... 24
Figura 2.3: Estratgias de manuteno. .......................................................................... 25
Figura 2.4: Arquitetura em camadas do padro OSA-CBM. ......................................... 36
Figura 2.5: Mapa de dutos e terminais da Transpetro no Brasil..................................... 40
Figura 2.6: Exemplos dos dutos dentro de uma refinaria. .............................................. 42
Figura 2.7: Exemplo de vlvulas e atuadores utilizados em refinarias e terminais........ 42
Figura 3.1: Formas de manuteno segundo . ................................................................ 50
Figura 3.2: Mecanismo de propagao do erro . ............................................................ 52
Figura 3.3: Estrutura geral de um Sistema Automtico de DDF ................................... 53
Figura 3.4: Sistema de Deteco, Diagnstico e Predio de Falhas (DDPF) .............. 57
Figura 3.5: Modelo de aprendizado supervisionado....................................................... 59
Figura 3.6: Modelo de aprendizado no-supervisionado................................................ 59
Figura 3.7: Arquitetura da rede neural SOM. ................................................................. 61
Figura 3.8: Processo de adaptao dos pesos sinpticos. ............................................... 64
Figura 3.9: Ilustrao do clculo do erro de quantizao. .............................................. 65
Figura 3.10: Exemplo de treinamento para os neunios em pocas diferentes. ............. 68
Figura 3.11: Exemplo de visualizao pela U-Matrix.................................................... 69
Figura 3.12: Visualizao da trajetria dos neurnios vencedores ................................ 73
Figura 4.1: Viso geral do SMI para Atuadores Eltricos.............................................. 87
Figura 4.2: Composio interna das partes do SMI para Atuadores Eltricos............... 88
Figura 4.3: Composio do Banco de Conhecimento ou Histrico. .............................. 89
Figura 4.4: Partes internas que compes o Processo de DDPF...................................... 90
Figura 4.5: Algoritmo de clculo da Distncia Euclidiana (D). .................................... 92
Figura 4.6: Algoritmo de recuperao (teste) do SOM.................................................. 92
Figura 4.7: Viso geral do algoritmo de deteco usando o SOM. ................................ 93
Figura 4.8: Viso geral do algoritmo de diagnstico usando o SOM............................. 94
Figura 4.9: Viso geral do algoritmo de predio usando o TKM. ................................ 96
Figura 4.10: Ferramenta de simulao para deteco e diagnstico de falhas. .............. 99
Figura 4.11: Fluxo de projeto de um sistema digital em FPGA. .................................. 100
Figura 4.12: Viso geral da estrutura de projeto em hardware do algoritmo de teste . 101
Figura 4.13: Entradas e sadas do hardware do algoritmo de teste do SOM. .............. 101
Figura 4.14: Parte operativa para o clculo da Distncia Euclidiana. .......................... 102
Figura 4.15: Mquina de Estados para o controle do clculo da Distncia Euclidiana.102
Figura 4.16: Parte operativa do algoritmo de teste do SOM. ....................................... 103
Figura 4.17: Armazenamento dos pesos sinpticos de cada neurnio na BRAM. ....... 103
Figura 4.18: Mquina de Estados para o algoritmo de teste do SOM. ......................... 104
Figura 4.19: Simulao temporal do circuito do SOM e tempo de execuo. ............. 106
Figura 4.20: Placa de desenvolvimento Digilent Virtex-2 PRO. ................................. 110
Figura 4.21: Arquitetura do sistema embarcado para projetar o SMI. ......................... 110
Figura 4.22: Parte operativa do wrapper de integrao do som_core ao OPB ............ 112
Figura 5.1: Viso geral da vlvula e do atuador adotado nos experimentos. ............... 131
Figura 5.2: Principais partes do atuador eltrico. ......................................................... 133
Figura 5.3: Ferramenta de simulao para experimentos na vlvula. .......................... 134
Figura 5.4: Sada do simulador para o sinal de torque ................................................. 136
Figura 5.5: Sada do simulador para o sinal de posio do obturador.......................... 137
Figura 5.6: Modelo de treinamento para experimentos em software. .......................... 138
Figura 5.7: Modelo de treinamento para experimentos no sistema embarcado. .......... 139
Figura 5.8: Resultado de Deteco de Anormalidades para falha em K
2
..................... 141
Figura 5.9: Resultado de Deteco de Anormalidades para falha em K
m
. ................... 141
Figura 5.10: Visualizao do SOM treinado para diagnstico..................................... 142
Figura 5.11: Resultado de diagnstico de falhas para os dados de testes..................... 142
Figura 5.12: Visualizao do TKM treinado para monitoramento............................... 143
Figura 5.13: Visualizao da trajetria para TKM no caso de teste K
2
. ...................... 144
Figura 5.14: Visualizao da trajetria para TKM no caso de teste K
m
. ..................... 145
Figura 5.15: Screenshot da ferramenta XPS da Xilinx................................................. 147
Figura 5.16: Screenshot da execuo de um programa de teste ................................... 148
Figura 5.17: Screenshot da execuo do programa para gerar os resultados ............... 148
LISTA DE TABELAS
Tabela 3.1: Comparao entre predio e deteco de falhas. ....................................... 58
Tabela 3.2: Comparao entre SOM e TKM.................................................................. 74
Tabela 4.1: Especificao do SOM treinado. ............................................................... 105
Tabela 4.2: Resultados de rea do circuito obtidos na sntese. .................................... 105
Tabela 4.3: Resultados de desempenho do circuito obtidos na sntese. ....................... 106
Tabela 4.4: Resultados de potncia do circuito do SOM aps mapeamento................ 106
Tabela 4.5: Resultados de rea total ocupada pelo sistema embarcado no FPGA. ...... 111
Tabela 4.6: Resultados de rea do hardware do SOM obtidos na sntese.................... 113
Tabela 4.7: Funes implementadas em linguagem C do device driver. ..................... 121
Tabela 5.1: Configurao dos parmetros para injeo de falhas. ............................... 136
Tabela 5.2: Diferena da mxima amostra entre hardware e software....................... 146

RESUMO
O elevado custo de manuteno nos ambientes industriais motivou pesquisas de
novas tcnicas para melhorar as aes de reparos. Com a evoluo tecnolgica,
principalmente da eletrnica, que proporcionou o uso de sistemas embarcados para
melhorar as atividades de manuteno, estas agregaram inteligncia e evoluram para
uma manuteno pr-ativa. Atravs de ferramentas de processamento de sinais,
inteligncia artificial e tolerncia a falhas, surgiram novas abordagens para os sistemas
de monitoramento a servio da equipe de manuteno. Os ditos sistemas de manuteno
inteligente, cuja tarefa realizar testes em funcionamento (on-line) nos equipamentos
industriais, promovem novos modelos de confiabilidade e disponibilidade. Tais sistemas
so baseados nos conceitos de tolerncia a falhas, e visam detectar, diagnosticar e
predizer a ocorrncia de falhas. Deste modo, fornece-se aos engenheiros de manuteno
a informao antecipada do estado de comportamento do equipamento antes mesmo
deste manifestar uma falha, reduzindo custos, aumentando a vida til e tornando
previsvel o reparo. Para o desenvolvimento do sistema de manuteno inteligente
objeto deste trabalho, foram estudadas tcnicas de inteligncia artificial (redes neurais
artificiais), tcnicas de projeto de sistemas embarcados e de prototipao em
plataformas de hardware. No presente trabalho, a rede neural Mapas Auto-Organizveis
foi adotada como ferramenta base para deteco e diagnstico de falhas. Esta foi
prototipada numa plataforma de sistema embarcado baseada na tecnologia FPGA (Field
Programmable Gate Array). Como estudo de caso, uma vlvula eltrica utilizada em
dutos para transporte de petrleo foi definida como aplicao alvo dos experimentos.
Atravs de um modelo matemtico, um conjunto de dados representativo do
comportamento da vlvula foi simulado e utilizado como entrada do sistema proposto.
Estes dados visam o treinamento da rede neural e visam fornecer casos de teste para
experimentao no sistema. Os experimentos executados em software validaram o uso
da rede neural como tcnica para deteco e diagnstico de falhas em vlvulas eltricas.
Por fim, tambm realizou-se experimentos a fim de validar o projeto do sistema
embarcado, comparando-se os resultado obtidos com este aos resultados obtidos a partir
de testes em software. Os resultados revelam a escolha correta do uso da rede neural e o
correto projeto do sistema embarcado para desempenhar as tarefas de deteco e
diagnstico de falhas em vlvulas eltricas.



Palavras-Chave: testes on-line, tolerncia a falhas, mapas auto-organizveis, sistema
embarcado, FPGA, manuteno.
Embedded Systems for Intelligent Maintenance of Electrical Actuators
ABSTRACT
The high costs of maintenance in industrial environments have motivated research for
new techniques to improve repair activities. The technological progress, especially in
the electronics field, has provided for the use of embedded systems to improve repair,
by adding intelligence to the system and turning the maintenance a proactive activity.
Through tools like signal processing, artificial intelligence and fault-tolerance, new
approaches to monitoring systems have emerged to serve the maintenance staff, leading
to new models of reliability and availability. The main goal of these systems, also called
intelligent maintenance systems, is to perform in-operation (on-line) test of industrial
equipments. These systems are built based on fault-tolerance concepts, and used for the
detection, the diagnosis and the prognosis of faults. They provide the maintenance
engineers with information on the equipment behavior, prior to the occurrence of
failures, reducing maintenance costs, increasing the system lifetime and making it
possible to schedule repairing stops. To develop the intelligent maintenance system
addressed in this dissertation, artificial intelligence (neural networks), embedded
systems design and hardware prototyping techniques were studied. In this work, the
neural network Self-Organizing Maps (SOM) was defined as the basic tool for the
detection and the diagnosis of faults. The SOM was prototyped in an embedded system
platform based on the FPGA technology (Field Programmable Gate Array). As a case
study, the experiments were performed on an electric valve used in a pipe network for
oil transportation. Through a mathematical model, a data set representative of the valve
behavior was obtained and used as input to the proposed maintenance system. These
data were used for neural network training and also provided test cases for system
monitoring. The experiments were performed in software to validate the chosen neural
network as the technique for the detection and diagnosis of faults in the electrical valve.
Finally, experiments to validate the embedded system design were also performed, so as
to compare the obtained results to those resulting from the software tests. The results
show the correct choice of the neural network and the correct embedded systems design
to perform the activities for the detection and diagnosis of faults in the electrical valve.




Keywords: on-line test, fault-tolerance, self-organizing maps, embedded systems,
FPGA, maintenance.
1 INTRODUO
Os equipamentos presentes em processos industriais, medida que so utilizados,
tornam-se suscetveis ao da degradao: desgaste, corroso, rachaduras, danos
causados por operadores entre outras anomalias que podem contribuir para a
degradao. Caso os reparos no sejam feitos, apresentaro falhas que afetam toda a
cadeia produtiva, tornando os equipamentos incapazes de desempenharem sua funo
com eficincia (LEE, JAY, 2003).
A manuteno consiste em uma srie de tcnicas, ou aes, para restabelecer (ou
reparar) os equipamentos. Tais medidas so tomadas principalmente com a inteno de
corrigir os danos provocados pela degradao, de manter o equipamento em
funcionamento e de reduzir a manifestao de falhas.
As estratgias de manuteno podem ser divididas em quatro grupos: manuteno
corretiva (aes paliativas e corretivas), manuteno preventiva (aes peridicas e
curativas), manuteno preditiva (aes planejadas e monitoradas) e a manuteno
proativa (aes proativas) (ENDRENYI ET AL., 2001). Elas devem ser aplicadas de
forma a orientar e planejar os trabalhos desempenhados pela equipe de manuteno, a
fim de atingir os objetivos esperados pela empresa, pois esto diretamente associadas
aos resultados produtivos que podem afetar a disponibilidade, qualidade dos produtos e
os custos operacionais.
Devido a novas tecnologias de sensores e sistemas computacionais embarcados,
tornou-se praticvel avanar para alm das estratgias de manuteno corretiva e
preventiva na direo da manuteno proativa, tambm chamada de manuteno
inteligente. Nessa nova estratgia, pode-se avaliar, com rapidez e preciso, os
indicadores de desempenho, monitorando a condio de comportamento dos
equipamentos e adicionando tolerncia a falhas ao sistema, e portanto, possibilitando a
deteco, o diagnstico e a predio de falhas.
A partir desse ponto, em funo da deteco, do diagnstico e da predio de falhas
nos equipamentos, torna-se possvel, por exemplo, realizar os reparos de forma
planejada em momentos de ociosidade ou de menor uso do equipamento. Se for
impossvel interromper o equipamento, ele pode reconfigurar-se para continuar
operando, mesmo de maneira degradada, at que as partes defeituosas sejam reparadas.
1.1 Contexto e motivao
O presente trabalho est inserido no contexto de tcnicas de teste e tolerncia a
falhas aplicadas a equipamentos industriais. tratado com base em um estudo de caso




16
sobre uma necessidade da indstria de petrleo e gs natural (Transpetro
1
, subsidiria de
logstica da Petrobras
2
) em relao a prestar suporte de manuteno na rede dutoviria.
Essa rede formada por diversos dutos para transporte dos derivados de petrleo, por
vlvulas de controle de fluxo, entre outros equipamentos.
O foco deste trabalho est nos atuadores eltricos, que so equipamentos
motorizados acoplados s vlvulas, a fim de automatizar sua operao. Esses
equipamentos esto sujeitos degradao. Quando ocorrem falhas nos atuadores ou
vlvulas, a empresa Transpetro tem dificuldades em gerenciar a manuteno. Parte
dessa dificuldade est ligada ao tamanho continental de suas redes dutovirias e da
grande quantidade de atuadores espalhados pela rede, que nesse caso torna a realizao
das manutenes preventivas e corretivas muito caras.
Desse modo, esta pesquisa prope a construo de um sistema embarcado que seja
implantado no sistema eletrnico de controle dos atuadores. Este ter a finalidade de
monitorar o equipamento em busca de falhas. Quando detectar alguma anormalidade,
ser enviado uma mensagem de alarme para a equipe de manuteno solicitando a
realizao de reparos, fornecendo tambm informaes a respeito do diagnstico e
estimando o tempo restante at a falha.
Para desenvolver esse sistema embarcado, foi preciso estudar as ferramentas de
inteligncia artificial que possibilitam atender aos requisitos de tolerncia a falhas para
monitoramento dos equipamentos. Foi definido pesquisar a rede neural SOM (Mapas
Auto-Organizveis) (KOHONEN, 2001) como tcnica computacional de deteco,
diagnstico e predio de falhas. Outra motivao foi a implementao dessa rede
neural em um prottipo em hardware, a fim de ser um componente do sistema
embarcado. Desta forma, foi tambm necessrio revisar a fundamentao terica,
implementaes em softwares e hardware, e estudar tcnicas de projeto de sistemas
embarcados.
A motivao principal deste trabalho disponibilizar uma ferramenta que auxilie a
equipe de manuteno em realizar as tarefas de manuteno. Para possibilitar o
monitoramento de falhas dos equipamentos e fornecer informaes precisas para a
tomada de deciso no planejamento da manuteno. Este trabalho tem relevncia para a
Transpetro, pois ser aplicado em todas as vlvulas e atuadores instalados ao longo de
sua rede dutoviria.
1.2 Objetivos
O objetivo dessa dissertao projetar um prottipo de um sistema embarcado que
implemente tcnicas de manuteno inteligente, utilizando a rede neural SOM como
ferramenta para monitoramento de falhas em atuadores eltricos nos dutos da
Transpetro. No prottipo, ser embarcada a rede neural implementada em hardware
para fazer deteco e diagnstico de falhas. A partir dessa meta inicial, o presente
trabalho atende aos seguintes objetivos especficos:
a) Apresentar conceitos bsicos sobre manuteno industrial e uma breve
anlise dos problemas da manuteno que justificam e contextualizam a

1
Site da empresa Transpetro www.transpetro.com.br
2
Site da empresa Petrobras S.A. www.petrobras.com.br




17
aplicao da manuteno inteligente como ferramenta de teste e tolerncia a
falhas em equipamentos industriais.
b) Apresentar conceitos, caractersticas e tcnicas de tolerncia a falhas para
realizar deteco, diagnstico e predio de falhas pertencentes ao contexto
do presente trabalho.
c) Apresentar conceitos e fundamentao terica sobre as redes neurais: SOM
(Mapas Auto-Organizveis) e TKM (Mapa Temporal de Kohonen), que
sero utilizadas como ferramentas para anlise de falhas.
d) Desenvolver experimentos em software do SOM e TKM, a fim de validar
essas tcnicas para os dados do estudo de caso em atuadores eltricos.
e) Desenvolver um prottipo em hardware de um sistema embarcado que
implemente a manuteno inteligente, para monitorar em tempo real as
falhas em atuadores eltricos. Esse prottipo dever ser baseado em lgica
programvel (FPGA - Field Programmable Gate Array) e utilizar
desenvolvimento misto entre hardware e software.
f) Exibir os resultados da anlise de falhas em atuadores eltricos, considerando
os experimentos em software e do prottipo em hardware, comparando os
resultados para validar o projeto do prottipo.
Como objetivo final, do ponto de vista da manuteno, este trabalho prope uma
ferramenta que fornea subsdios para as equipes de manuteno a fim de melhorar o
planejamento de suas tarefas de reparos nos equipamentos de modo mais eficiente.
Dessa forma, pretende-se alcanar maior confiabilidade no processo industrial, reduzir
custos, aumentar disponibilidade, programar com antecedncia os reparos, reutilizar
peas e evitar maiores danos nos equipamentos.
1.3 Contribuies
Esta dissertao traz os seguintes avanos e contribuies tcnicas:
a) Reviso sobre estratgias de manuteno em plantas industriais e problemas
econmicos envolvidos.
b) Reviso de tcnicas e conceitos de tolerncia a falhas para deteco,
diagnstico e predio de falhas do ponto de vista de sistemas
computacionais.
c) Reviso do estado da arte de redes neurais no supervisionadas (SOM) e a
no supervisionada temporal (TKM).
d) Implementao e reviso sobre projeto de sistemas embarcados, utilizando
plataforma FPGA, sistemas operacionais embarcados e software embarcado.
e) Proposta de uma implementao da rede neural SOM em hardware em
plataforma FPGA.
f) Proposta de uma plataforma em sistema embarcado para experimentos, com
preparao futura do prottipo do sistema de manuteno inteligente a ser
implantado em atuadores eltricos.
g) Simulao do prottipo utilizando dados de teste para um conjunto de falhas
do atuador.




18
Finalmente, com a reviso bibliogrfica foi constatado que existem diversos
trabalhos acadmicos que utilizam o SOM como ferramenta de deteco e diagnstico
de falhas em diversos processos, comprovando a eficcia da rede neural nessa funo.
No entanto, o presente trabalho traz a contribuio de aplicar essas tcnicas em
atuadores eltricos, por meio de prototipao do SOM em FPGA. Alm disso, foi
estudada tambm a utilizao do TKM como ferramenta para predio de falhas.
1.4 Organizao do trabalho
A continuidade deste trabalho est organizada da seguinte forma:
Captulo 2: Manuteno Inteligente
Este captulo descreve, de forma geral, os conceitos relacionados
manuteno industrial, apresentando anlise econmica envolvida e as principais
estratgias de manuteno adotadas pela indstria. A discusso focada na
manuteno inteligente. Por fim, apresentado o contexto do estudo de caso
adotado.
Captulo 3: Deteco, Diagnstico e Predio de Falhas
Este captulo apresenta uma reviso dos principais fundamentos sobre
tolerncia a falhas e tem seu foco nas tcnicas de deteco, diagnstico e
predio de falhas. apresentado tambm a fundamentao terica sobre a rede
neural SOM e a TKM como ferramentas para se alcanar a tolerncia a falhas.
Finalmente, feita uma reviso na literatura de trabalhos correlatos.
Captulo 4: Proposta de Prottipo de um Sistema de Manuteno
Inteligente para Atuadores Eltricos
Este captulo detalha a proposta de um sistema de manuteno inteligente
para atuadores eltricos. Inicialmente, apresentada uma viso geral de cada um
dos componentes que formam a arquitetura do sistema de manuteno
inteligente, os algoritmos para tolerncia a falhas e a implementao destes em
software. Em seguida, feito o projeto de implementao da rede neural SOM
em hardware, com base em FPGA, mostrando toda arquitetura, mquinas de
estado e resultados (rea, desempenho e consumo de energia). Em ltima etapa,
visto o projeto do sistema embarcado, que faz uso de uma placa de
desenvolvimento para prototipao do sistema de manuteno inteligente. So
apresentados arquitetura, integrao do hardware do SOM e a plataforma de
software embarcado adotado.
Captulo 5: Experimentos e Resultados
Este captulo visa relatar os resultados de experimentos realizados utilizando
o prottipo e software implementados neste trabalho. So mostrados a
metodologia adotada para realizao dos experimentos, o estudo de caso e a
ferramenta para simulao do modelo matemtico do conjunto atuador e vlvula.
A seguir, abordado o modelo para injeo de falhas no atuador, que faz uso do
simulador, e como realizar a preparao e o treinamento das redes neurais
desenvolvidas no decorrer do trabalho. Por fim, so apresentados os resultados
do software para avaliao do uso da rede neural, considerando as tarefas de
deteco, diagnstico e predio de falhas. Finalmente, o prottipo
implementado em hardware, em uma placa de desenvolvimento, e os resultados




19
obtidos em hardware so comparados com os resultados do software para fim de
validao do prottipo.
Captulo 6: Concluses e Trabalhos Futuros
Este captulo relata as concluses gerais e consideraes finais do presente
trabalho, apresentando as limitaes do sistema proposto e discutindo possveis
desdobramentos e direes de trabalhos a serem realizados no futuro.
































2 MANUTENO INTELIGENTE
2.1 Introduo
No contexto industrial, muitas das tarefas consideradas simples podem ser realizadas
por operadores humanos, por exemplo: a abertura e o fechamento de vlvulas ou o
acionamento e desligamento de equipamentos, etc. Com o avano tecnolgico, os
operadores foram, com o tempo, sendo substitudos pela automatizao. Esse progresso
trouxe enormes benefcios em vrios setores da indstria, tais como qumico,
petroqumico, siderurgia, energia e saneamento bsico. Alm disso, aumentou a
complexidade nas plantas industriais.
Entretanto, uma tarefa de suma importncia a manuteno dos equipamentos
industriais, uma atividade basicamente manual. A manuteno consiste em uma srie de
tcnicas e medidas de preveno (para manter os equipamentos em funcionamento),
correo (com o intuito de restabelecer os equipamentos danificados) e predio
(estimar um tempo at a manifestao da falha).
Nesse contexto, ser definido o termo manuteno como as aes praticadas com
a inteno de reparar (corrigir, restabelecer) os danos provocados pela ao da
degradao, a fim de manter os equipamentos em pleno funcionamento e com segurana
(LEE, JAY, 2003).
Um equipamento est em funcionamento normal quando desempenha as tarefas
(ou servios) dentro da especificao para o qual foi projetado. Um defeito ocorre
quando as funes desempenhadas pelo equipamento se desviam do especificado e pode
ou no afetar a capacidade de desempenhar as tarefas. A degradao um conjunto de
funes em situao de defeito, em que, mesmo degradado, o equipamento pode
desempenhar um subconjunto reduzido de tarefas. Uma falha o estado de
funcionamento que impede o equipamento de desempenhar as tarefas especificadas, ou
seja, no cumpre com a especificao final de projeto.
A tarefa de manuteno sensvel a eventos anormais que ocorrem nos
equipamentos. Quando se detecta um evento anormal na hora correta, possvel
diagnosticar a origem da causa e, ento, tomar as decises apropriadas para reparos
(DJURDJANOVIC ET AL., 2003).
Dentro dos ambientes industriais, as tarefas de manuteno so operaes rotineiras
e essenciais para manter a planta em funcionamento. Por isso, deve ser tratada com
importncia estratgica dentro da empresa, pois est diretamente vinculada capacidade
produtiva da indstria, caso contrrio pode resultar em custos extras na produo.




22
Segundo (ALMEIDA, 2007), os custos de manuteno correspondem parte
principal dos custos operacionais totais em plantas industriais. Dependendo do ramo da
indstria, os custos com manuteno podem representar entre 15 e 30% do custo de
produo. Em indstrias alimentcias, os custos mdios para manuteno podem
alcanar em torno de 15% do custo de produo, enquanto que nas indstrias
siderrgicas, de papel e celulose e outras indstrias pesadas, a manuteno chega
alcanar at 30% desses custos.
De acordo com (DJURDJANOVIC ET AL., 2003), devido alta competitividade no
mercado nacional e internacional, as empresas devem fornecer produtos e servios com
a mais alta qualidade possvel, com a inteno de absorver e manter uma posio
favorvel de fatia de mercado. Problemas no fornecimento dos produtos, como atrasos
ou baixa qualidade so praticamente inadmissveis pelo mercado. Por exemplo, 1
minuto de parada em uma linha de montagem automotiva pode gerar uma perda de
aproximadamente US$ 20.000,00. Por isso, manter uma planta, em funcionamento, sem
a ocorrncia de paradas, a alta produtividade e qualidade dos produtos finais
fundamental para as empresas nesse mercado.
O custo decorrente da falta de manuteno adequada em indstrias petroqumicas
nos Estados Unidos consome aproximadamente 20 bilhes de dlares com perdas
anuais (VENKATASUBRAMANIAN; RENGASWAMY; YIN; ET AL., 2003). O
custo ainda maior quando so includas situaes semelhantes as que ocorrem em
outras reas da indstria, como a farmacutica, metal mecnica, minerao, geradoras
de energia, etc.
No s as perdas financeiras o principal prejuzo da deficincia na manuteno,
mas tambm muitos acidentes de trabalho podem ocorrer. Um levantamento estatstico
feito por (DE SOUZA; DE FREITAS, 2003) revela que 70% dos acidentes de trabalho
ocorrido em ambientes industriais so causados por erros humanos, e que esto
relacionados com a falta de manuteno. Tais eventos podem ocasionar problemas
significativos de importncia econmica, segurana e de impacto ambiental.
Conforme (VENKATASUBRAMANIAN; RENGASWAMY; YIN; ET AL., 2003),
a ocorrncia de grandes catstrofes e desastres em ambientes industriais rara,
entretanto aqueles de pequeno porte so muito comuns, pois ocorrem, pelo menos, uma
vez ao dia, resultando em pessoas feridas, o que gera um custo de bilhes de dlares
para a sociedade todos os anos.
Ento, imprescindvel que as empresas estejam atentas manuteno dos
processos industriais, por meio de melhorias operacionais como fornecer ferramentas
para auxiliar a equipe de manuteno, implantar gesto de qualidade, aperfeioar as
estratgias e utilizar sistemas automticos para a deteco, o diagnstico e a predio de
falhas nos equipamentos (LEE, J. ET AL., 2004).
Neste captulo, ser apresentada uma nova metodologia para aperfeioar as
atividades de manuteno em plantas industriais. Essa metodologia aplica tcnicas de
tolerncias a falhas, a fim de aumentar a confiabilidade dos equipamentos, uma vez que
por intermdio disso, pode-se elevar os nveis de produtividade e disponibilidade do
processo produtivo, alm de reduzir custos relacionados manuteno.




23
2.2 Anlise dos Custos Envolvidos na Manuteno
Segundo (KARDEC; NASCIF, 2001) e (MARCORIN; LIMA, 2003), os custos
envolvidos com as tarefas de manuteno geralmente no so vistos como muito
relevantes pela maioria das empresas. Em muitos casos, os seus custos so analisados
isoladamente, o que acaba impedindo a empresa de consider-la em sua estratgia,
colocando-a em segundo plano ou, mesmo, tratando-a como um mal necessrio.
Entretanto, a importncia do programa de manuteno percebida quando se
compara seus custos com os originados pela falta da manuteno.
Um programa de manuteno, quando aplicado com eficincia, pode at reduzir os
custos de produo. Devido no apenas a reduo nos custos de reparo da mquina, mas
tambm no tempo de parada da produo.
A fim de se manter e tambm ganhar novos mercados fundamental que a empresa
esteja em um nvel elevado de qualidade e produtividade. Essa busca envolve muitas
variveis, como as estratgias de gesto da qualidade, a escolha do melhor sistema
produtivo, a capacitao de recursos humanos, etc. A manuteno tem um papel
indispensvel para garantir tanto a qualidade quanto a produtividade da empresa.
Conforme (KARDEC; NASCIF, 2001), a tarefa de manuteno deve ser encarada
como funo estratgica para obter melhores resultados. Levando a empresa a um nvel
superior de competitividade do ponto de vista da qualidade e produtividade.
A queda de produo percebida com facilidade, pois dependente basicamente do
desempenho dos equipamentos. A reduo da produtividade, em funo de paradas,
pode ser pela falta ou ineficincia de manuteno. Devido reduo no desempenho,
mesmo no ocorrendo uma parada efetiva do processo, pode ocorrer o aumento no
tempo de produo e tambm a queda na qualidade dos produtos.
A falta de estratgias de manuteno acarreta queda na capacidade produtiva,
paradas efetivas e reduo da disponibilidade do equipamento. Uma estratgia adequada
de manuteno deve manter a capacidade e a produtividade da mquina em taxas
normais de operao. Com isso, possvel evitar paradas e criar condies para
intervenes de reparos de forma rpida e eficaz no mesmo instante da falha.
Segundo (MIRSHAWKA; OLMEDO, 1999), os custos gerados pela manuteno
so apenas a ponta de um iceberg. Essa ponta visvel corresponde aos custos com mo
de obra, ferramentas e instrumentos, material aplicado nos reparos, custo com
contratao e outros referentes instalao ocupada pela equipe de manuteno. No
entanto, a falta de uma estratgia de manuteno gera custos adicionais, pois logo
abaixo da parte visvel do iceberg, esto os maiores custos que so decorrentes da
indisponibilidade do equipamento no processo produtivo.
O custo da indisponibilidade responsvel pela perda de produo, baixa qualidade
dos produtos, reformulao da produo e penalidades comerciais com possveis
consequncias sobre a imagem da empresa (MIRSHAWKA; OLMEDO, 1999).
Na Figura 2.1, apresentada uma anlise propostas por (MIRSHAWKA; OLMEDO,
1999) que ilustra a relao entre o custo de realizao de manuteno e o custo das
falhas. Entre os custos decorrentes esto: as peas, a mo de obra de reparo e,
principalmente, o custo da indisponibilidade do equipamento.




24
Esse grfico revela que investimentos crescentes em manuteno tendem a reduzir
os custos decorrentes das falhas (paradas da produo) e, por consequncia, a diminuir o
custo total da manuteno (soma dos custos de manuteno com os custos das falhas).
Entretanto, nota-se no grfico que a partir do nvel timo com investimentos em
manuteno, uma quantidade maior de investimento produz poucos benefcios para
reduzir os custos de paradas e acaba elevando o custo total.

Figura 2.1: Grfico do custo em relao ao nvel de manuteno adotado
(MIRSHAWKA; OLMEDO, 1999).
Na Figura 2.2, so apresentados os resultados para o clculo do ponto timo de
disponibilidade em relao ao lucro, estudado por (MURTY; NAIKAN, 1995). O
grfico mostra que a busca por um nvel de 100% de disponibilidade (falhas em zero)
requer gastos cada vez maiores com manuteno, causando a reduo nos lucros.
Por isso, o grande desafio na gesto da manuteno encontrar um ponto timo de
disponibilidade, em que o custo da manuteno esteja em um nvel capaz de gerar o
mximo de lucros. Desse modo, a manuteno deve garantir a produtividade e o lucro
com o menor custo possvel.

Figura 2.2: Grfico da relao entre o lucro e disponibilidade (MURTY; NAIKAN,
1995).
Em (KARDEC; NASCIF, 2001) os custos da manuteno so classificados em trs
formas:




25
Custos diretos: so utilizados para manuteno dos equipamentos em
operao, por exemplo, inspees regulares de lubrificao, custo de reparos
ou revises, custos de parada da produo para reparos, servios de reforma
ou modernizao. Muitos desses custos esto diretamente ligados estratgia
de manuteno adotada.
Custos de perda de produo: so oriundos da perda de produo, causados
pela falha do equipamento principal e por no ter um de reserva para manter
a unidade produzindo, ou pela falha do equipamento causada por uma ao
imprpria da manuteno.
Custos indiretos: so relacionados com a estrutura gerencial e de apoio
administrativo, por exemplo, custos com anlises e estudos de melhorias,
engenharia de manuteno e superviso, aquisio de novos equipamentos,
instrumentao para manuteno, custos de amortizao, depreciao,
iluminao, energia eltrica e outras utilidades.
2.3 Estratgias de Manuteno
As estratgias de manuteno so metodologias ou polticas para gerenciamento das
tarefas de reparos, da equipe tcnica, das peas ou dos equipamentos em estoque e dos
eventos relacionados a manuteno dos equipamentos de uma planta industrial.
Segundo (ENDRENYI ET AL., 2001) , o propsito da manuteno estender o
tempo de vida em funcionamento dos equipamentos. esperado que uma poltica
eficiente de manuteno possa reduzir a frequncia de paradas e reduzir suas
consequncias. A manuteno uma das ferramentas que assegura um nvel satisfatrio
de confiabilidade ao equipamento (MARAL, 2000).
Na Figura 2.3, so apresentadas as estratgias de manuteno adotadas neste
trabalho, que foram fundamentadas nas pesquisas de (ENDRENYI ET AL., 2001) e
(KOTHAMASU ET AL., 2006). Elas so resumidas em quatro classes:
Corretiva: os reparos so realizados somente depois da manifestao da
falha.
Preventiva: os reparos so realizados em intervalos de tempo
predeterminados para reduzir a probabilidade da ocorrncia de falhas.
Preditiva: realizada com base no monitoramento da sade do
equipamento, a fim de aplicar os reparos quando os parmetros estiverem
anormais, tornando a manuteno planejada.

Figura 2.3: Estratgias de manuteno.




26
Proativa: Alm de monitorar e planejar os reparos tem o diferencial de
reconfigurar o sistema e tomar decises pela utilizao de sistemas
embarcados implantados nos equipamentos.
2.3.1 Manuteno Corretiva
Segundo (ENDRENYI ET AL., 2001) e (MARAL, 2000), a estratgia de
manuteno corretiva simples e direta, ou seja, quando uma mquina quebrar,
conserte-a. Esse mtodo (se no est quebrada, no conserte) tem sido aplicado em
grande parte nas tarefas de manuteno nos equipamentos, desde a revoluo industrial.
uma tcnica puramente reativa que espera pela manifestao da falha e somente
depois tomada qualquer ao para reparo.
Os reparos so trabalhos realizados pela equipe de manuteno que visam
restabelecer a funo para qual a mquina foi especificada, eliminando o estado de falha
(NUNES, 2001). Esses reparos podem ser intervenes para corrigir, provisoriamente,
os danos e depois, em um tempo futuro, fazer um reparo definitivo (paliativas) ou
intervenes tpicas de reparos definitivos (curativas).
Atualmente, poucas indstrias usam uma filosofia puramente voltada para a gerncia
de manuteno corretiva. Em muitos casos, elas realizam tarefas com um misto de
tcnicas bsicas de preveno, como lubrificao e ajustes nas mquinas, mesmo dentro
de um ambiente de manuteno corretiva.
Entretanto, nesse tipo de estratgia, as mquinas e outros equipamentos no so
revisados nem so feitos grandes reparos at que o equipamento falhe por completo. H
empresas que inclusive aproveitam essas paradas para fazer uma reviso geral na
mquina, que acaba estendendo o tempo de no produtividade.
Segundo (ALMEIDA, 2007), as empresas at encontram algumas vantagens
utilizando essa estratgia como gerncia de manuteno, que o baixo gasto financeiro
enquanto tudo est funcionando normalmente. Outra vantagem est no fato de as
mquinas no precisarem ser desligadas para monitoramento ou inspees peridicas.
A manuteno corretiva o mtodo mais caro entre as estratgias de gesto de
manuteno. Os maiores custos e desvantagens associadas a essa estratgia so: altos
custos de estoque de peas sobressalentes, trabalhos extras, tempo de mquina parada
elevado e baixa disponibilidade de produo.
Nessa estratgia de gerncia de manuteno, o planejamento de custos para os
reparos difcil de coordenar, pois as falhas so imprevisveis. Assim, uma indstria
que aplica somente essa estratgia deve ser capaz de reagir com rapidez a todas as
possveis falhas que ocorram. Alm disso, por ser um mtodo reativo, torna-se
necessrio ter um grande estoque de peas sobressalentes que incluem mquinas
reservas ou, pelo menos, todos os principais componentes dos equipamentos crticos da
planta industrial.
A manuteno corretiva pode ser uma soluo interessante quando os custos da
indisponibilidade do processo produtivo so menores que os custos necessrios para
evitar a falha. Essa condio encontrada em equipamentos sem influncia direta no
processo produtivo (ALMEIDA, 2007).
Por fim, a manuteno corretiva geralmente aplicada como um complemento s
demais estratgias, que sero vistas a seguir.




27
2.3.2 Manuteno Preventiva
A manuteno preventiva consta de aes de reparo praticadas com a inteno de
reduzir a probabilidade de ocorrncia de falhas, mesmo em uma situao em que no se
caracterizou como estado de falha.
Segundo (SHIKARI ET AL., 2004) e (KOTHAMASU ET AL., 2006), na estratgia
de manuteno preventiva as aes de manuteno so planejadas. Por meio de
inspees realizadas periodicamente, tende-se a minimizar as paradas e reduzir a taxa de
degradao, restaurando o sistema para o estado para o qual foi especificado.
Essa estratgia acionada por tempo, ou seja, as tarefas de manuteno so baseadas
no tempo gasto ou horas operacionais dos equipamentos. Um exemplo simples so as
revises de automveis que precisam se feitas depois de uma determinada
quilometragem.
Por exemplo, uma mquina nova e recm-instalada, tem uma alta probabilidade de
falha devido problemas na instalao que podem ocorrer durante as primeiras semanas
de vida. Aps esse perodo inicial, a probabilidade de falha relativamente baixa por
um prolongado perodo de tempo. Aps esse perodo normal de vida da mquina, a
probabilidade de falha tende a aumentar (ALMEIDA, 2007).
Na estratgia de manuteno preventiva, os reparos do equipamento so realizados
de forma programada, com base em histricos e clculos estatsticos sobre os dados
referentes s horas operacionais.
A aplicao da manuteno preventiva corresponde a um conjunto de prticas, como
planejamento de reparos, lubrificao, limpeza, ajustes, substituio de peas, etc. Essas
aes prticas devem ser aplicadas em todas as partes consideradas como crticas na
planta industrial.
O principal foco dessa estratgia o planejamento da manuteno em relao ao
tempo. Alm disso, assumido que as mquinas se degradaro em certo perodo de
tempo, sendo este tempo uma informao particular de cada mquina.
Segundo (ALMEIDA, 2007), o problema dessa abordagem que o modo de
operao e as variveis especficas da planta industrial afetam diretamente a vida
operacional normal da mquina. O tempo mdio entre as falhas pode-ser diferente para
um mesmo tipo de equipamento, duas mquinas iguais fabricando produtos diferentes,
dificilmente apresentaro o mesmo comportamento antes da ocorrncia da falha.
Com isso muitas vezes pode ocorrer que se programe uma manuteno realizar um
reparo desnecessrio ou ocorrer uma falha catastrfica imprevista. Portanto, no primeiro
caso a mo de obra e o material usado no reparo foram desperdiados, pois as peas
substitudas ainda teriam muito tempo de vida til. No segundo caso, ter que aplicar os
reparos usando tcnicas corretivas, tornando-se muito caro. Assim, essa poltica, em
muitos casos, pode levar a desperdcios, pois no considera a condio real do
equipamento e eleva os custos operacionais (ALMEIDA, 2007).
Em resumo, essa estratgia realmente eficiente nos casos de sistemas que sofrem
algum tipo de degradao em um ritmo uniforme e previsvel e para as quais os custos
de uma falha sejam altos quando comparados aos custos da manuteno (MARCORIN;
LIMA, 2003).
Um dos pontos crticos dessa estratgia de manuteno que em muitos casos a
quebra das mquinas ocorrer quando as demandas de produo estiverem em nveis




28
elevados (no pior caso), pois os equipamentos so mais exigidos. Nessa situao, a
equipe de manuteno precisa reagir com rapidez falha inesperada, aplicando a
manuteno corretiva.
A diferena mais importante entre manuteno corretiva e preventiva est na
capacidade de planejamento dos reparos, para reduzir o impacto sobre a produo.
2.3.3 Manuteno Preditiva
A estratgia de manuteno preditiva visa aplicar o monitoramento contnuo dos
parmetros de controle, das condies reais de funcionamento, do rendimento
operacional, dentre outros indicadores da planta industrial (ENDRENYI ET AL., 2001).
Segundo (KOTHAMASU ET AL., 2006) e (ALMEIDA, 2007), essa estratgia visa
adquirir informaes de variveis do ambiente da mquina, a fim de estimar a
probabilidade de comportamento correto e das leis de degradao, assegurando um
intervalo mximo entre os reparos at uma eventual falha. Com isso, a equipe de
manuteno pode programar intervenes e aquisies de peas, reduzindo gastos com
estoque e evitando paradas desnecessrias da linha de produo.
Nessa estratgia, o objetivo elevar a disponibilidade da produo medida que no
ocorram intervenes de reparos nos equipamentos. As intervenes so efetuadas
somente quando o grau de degradao se aproximar ou atingir um limite previamente
estabelecido (QIU, HAI ET AL., 2003). Isso necessrio somente quando os
parmetros monitorados indicam tal necessidade e aplica-se ento a tcnica de
manuteno corretiva (agora planejada). Permite, portanto, uma preparao prvia do
servio de manuteno, alm da possibilidade de se tomar outras decises alternativas
relacionadas com a produo do processo industrial.
De acordo com (ALMEIDA, 2007), uma das vantagens da manuteno preditiva
minimizar o nmero e os custos com paradas no programadas provocadas por falhas.
Alm de melhorar a produtividade, a qualidade do produto, o lucro e a eficincia da
planta industrial, a manuteno preditiva possibilita equipe planejar as atividades de
manuteno com muito mais eficincia, levando em considerao as variveis que
influenciam no processo de produo.
Conforme (OTANI; MACHADO, 2008), essa estratgia visa avaliar o estado do
equipamento por meio de medies e monitorao contnua, est exige um custo
adicional com mo de obra qualificada, aparelhos e instrumentos de medio. Poder ser
realizada da seguinte forma:
Monitoramento subjetivo: exercido pelo pessoal de manuteno utilizando
os cinco sentidos (tato, olfato, audio e viso). Por exemplo, quando um
mecnico tocar uma parte da mquina, ele pode sentir a temperatura, a
vibrao, etc. evidente que esse procedimento diretamente ligado
experincia dos profissionais. Essa forma de monitoramento tem grande
margem de erro.
Monitoramento objetivo: feito pela utilizao de equipamentos ou
instrumentos, para coletar informaes na planta industrial. A tcnica visa
fornecer um valor de medio do parmetro que est sendo acompanhado e
esse valor medido independente do operador do instrumento. Exige-se um
treinamento da equipe de manuteno para manuseio adequado dos
instrumentos.




29
Monitoramento contnuo: realizado por um acompanhamento on-line dos
parmetros de desempenho dos equipamentos pelo uso de sensores
inteligentes para coleta de dados. So utilizados, muitas vezes, sistemas
computacionais supervisrios para aquisies e visualizao dos estados de
funcionamento da planta industrial.
Dependendo da forma como essa estratgia de manuteno aplicada, pode
inicialmente parecer que h um custo elevado devido implantao, mas esse custo
em longo prazo minimizado pelos resultados obtidos.
Pode-se dizer que a estratgia de manuteno preditiva uma manuteno
preventiva acionada por condies do equipamento. Em vez de ser puramente
estatstica, baseando-se na vida mdia da planta industrial para planejar os reparos, essa
tcnica usa o monitoramento das condies fsicas do equipamento (p. ex., rendimento
do sistema, desgastes mecnicos, temperatura, etc.).
As mquinas que compem uma planta industrial so formadas por partes mecnicas
que degradam-se a uma velocidade diretamente proporcional gravidade do defeito, at
que causem uma falha. Ento, fundamental que a degradao seja detectada com
antecedncia para que sejam realizados os devidos reparos e a manifestao da falha
seja evitada.
A seguir, segundo (OTANI; MACHADO, 2008), so citadas algumas tcnicas de
monitoramento para coletar dados com o equipamento em pleno funcionamento ou com
o mnimo de interferncia possvel no processo de produo:
Monitoramento de vibrao.
Monitoramento de parmetros.
Monitoramento de lubrificantes.
Monitoramente de rudos.
Monitoramento de sinais eltricos (corrente, tenso, torque).
Monitoramento trmico.
Monitoramento e inspeo visual.
Cada uma dessas tcnicas fornece um conjunto de informaes importantes para a
equipe de manuteno. Entretanto, combinando essas tcnicas de diversas formas pode-
se elevar o poder de monitoramento e melhorar os resultados. A adoo das tcnicas
depende do tipo de equipamento, seu impacto sobre a produo, parmetros
operacionais da planta industrial e dos objetivos que se deseja alcanar com a estratgia
de manuteno preditiva (OTANI; MACHADO, 2008).
A manuteno preditiva tem se apresentado como uma soluo economicamente
mais vivel para o caso de falhas em mquinas e equipamentos industriais em relao s
outras estratgias de manuteno (ENDRENYI ET AL., 2001).
Alm disso, a utilizao dessa estratgia de manuteno apresenta benefcios, como
prolongar a operao do processo produtivo, prevenir a ocorrncia de falhas e paradas,
reduo de estoques para reparos, reduo de acidentes de trabalho e otimizao da
equipe de manuteno. Como desvantagens dessa estratgia citam-se: disponibilidade
de profissionais qualificados, equipe de manuteno em constante atualizao
tecnolgica e inspees peridicas nos equipamentos (OTANI; MACHADO, 2008).




30
Existe uma variao da manuteno preditiva conhecida como Manuteno Baseada
na Condio (CBM Condition Based Maintenance) (LEE, JAY ET AL., 2006), em
que as aes de reparos pela equipe de manuteno so tomadas com base nas
condies monitoradas na planta industrial.
A principal vantagem dessa estratgia que a planta industrial avaliada enquanto
seus equipamentos e mquinas esto em funcionamento normal, por meio da utilizao
de sensores e testes no invasivos. Aps as anlises das informaes coletadas,
possvel saber se determinado equipamento ou mquina precisa ou no de reparos. Essa
estratgia de manuteno pode ser implementada de forma automtica por um sistema
computacional embarcado, que ser apresentado nas prximas sees.
2.3.4 Manuteno Proativa
Com o aumento da demanda de clientes para produo, concorrncia externa e busca
por inovaes tecnolgicas, as empresas tm buscado melhorar os ndices de
produtividade. Isso foi possvel em grande parte, devido automao industrial que
proporcionou a elevao da eficincia e a realizao de mais produtos com menos
recursos, e evoluo tecnolgica da eletrnica e computao, que trouxeram a
disseminao e reduo de custos para projetar equipamentos industriais totalmente
automatizados e com elevados ndices de produtividade (VENKATASUBRAMANIAN;
RENGASWAMY; YIN; ET AL., 2003).
No entanto, devido a essa exigncia do mercado, esses equipamentos industriais
passaram a ser mais complexos, sofisticados e totalmente interligados entre si, portanto
mais suscetveis a falhas. Devido a isso, estratgias de gerenciamento de manuteno
passaram a ser mais exigidas. Utilizando apenas as estratgias de manuteno
tradicionais como a corretiva ou preventiva, as equipes de manuteno no tm
conseguido atingir resultados satisfatrios para melhorar os ndices de produtividade e
disponibilidade do processo produtivo.
(LEE, JAY ET AL., 2006) diz que esses equipamentos industriais complexos
apresentam degradao nas partes que geralmente, so invisveis aos olhos humanos da
equipe de manuteno que utiliza a estratgia preditiva. Contudo, monitorar a evoluo
dessa degradao por sensores sofisticados e sistemas computacionais capazes de
adquirir e processar essas informaes, analisando o estado de operao e desempenho
do equipamento, tornou-se possvel devido ao desenvolvimento tecnolgico.
Segundo (KOTHAMASU ET AL., 2006) e (MULLER ET AL., 2008), os problemas
na aplicao das estratgias de manuteno corretiva ou preventiva nesses novos
equipamentos que ainda podem ocorrer paradas no programadas no processo de
produo, provocando falhas. Desse modo, a idia quantificar e monitorar os
desgastes da mquina para realizar a manuteno e reparos antes da manifestao da
falha, e no depois.
Isso pode ser feito por meio de medies dos desgastes (ou degradao) da mquina
e predio de falhas futuras, tomando como premissa a condio atual de operao e
histrico de informaes, como variveis de desgastes, falhas passadas e tarefas de
manuteno (MULLER ET AL., 2008). Como resultado da predio, alcana-se a
minimizao dos custos com manuteno, associados a problemas operacionais.
Simultaneamente tambm minimiza-se o risco de paradas no programadas do processo
produtivo.




31
Devido a essas transformaes tecnolgicas nas plantas industriais, passou-se a
exigir novos requisitos para garantir um nvel elevado de eficincia no processo
produtivo. Surge uma nova estratgia para realizao da manuteno, a estratgia de
manuteno proativa, que tambm conhecida como manuteno inteligente (LEE,
JAY, 2003) (HUANG, R. ET AL., 2007) (DJURDJANOVIC ET AL., 2003) (MULLER
ET AL., 2008) (JARDINE ET AL., 2006).
A manuteno proativa um avano em relao s estratgias de manuteno
tradicionais, pois alm de serem aplicados todos os conceitos referentes manuteno
preditiva e preventiva, como o monitoramento do equipamento em funo do desgaste
ocorrido, pode-se diagnosticar, quantificar a perda de desempenho e tambm atuar
(reconfigurar) sobre o sistema que analisado (MULLER ET AL., 2008).
Trata-se de uma abordagem de manuteno que continuamente trabalha em busca de
indcios de degradao e infere indicadores de comportamentos futuros sobre a
condio do equipamento. A predio de falhas deve ser realizada dentro de um tempo
aceitvel, antes da manifestao da falha; alm disso, deve-se detalhar exatamente quais
componentes (partes da mquina) provavelmente falharo (LEE, JAY ET AL., 2006).
Devido a essas razes, em (LEE, JAY, 2003), proposta uma metodologia que
avana para alm de uma abordagem de manuteno tradicional (deteco e
quantificao de falhas) para uma nova abordagem agora centrada em avaliao e
predio do nvel de degradao de um processo, mquina, etc. Nessa metodologia, o
nvel de degradao tratado como um indicador para uma possvel falha e utilizado
para prever um nvel inaceitvel de desempenho no processo antes da falha ocorrer.
Com base nessa ideia, foi possvel, a partir de uma estratgia de manuteno falha e
conserta, evoluir para uma nova, prever e prevenir.
Segundo (LEE, JAY ET AL., 2006), a manuteno proativa viabilizada pelo uso
de sistemas embarcados, que monitoram os equipamentos da planta industrial
remotamente, fazendo a aquisio de sinais indicativos da condio de funcionamento,
analisando e processando as informaes que possibilitam evoluir da estratgia de
manuteno preditiva para a proativa.
Assim, a manuteno proativa aquela que envolve tarefas de monitorao de
desgastes, diagnstico de falhas, quantificao de desempenho e reconfigurao do
equipamento. Os objetivos dessa estratgia de manuteno prover informaes
importantes e teis para melhorar o planejamento da equipe de manuteno em realizar
os devidos reparos. Caso no haja tempo suficiente para reparos em uma determinada
mquina, a planta pode ser reconfigurada automaticamente (quando detectar uma
provvel falha) at a realizao dos reparos para reduzir os prejuzos, sem paralisar a
produo, mesmo operando de maneira degradada.
Pelo uso da estratgia de manuteno proativa, possvel alcanar nveis de
eficincia elevados no processo produtivo. Seguem algumas das vantagens da utilizao
dessa estratgia (OTANI; MACHADO, 2008) (HUANG, R. ET AL., 2007) (LEE, JAY
ET AL., 2006):
Reduo de custos com manuteno e eliminao de reparos desperdiados.
Reduo de peas e equipamentos em estoque.
Diminuio das paradas do processo produtivo, aumentando a
disponibilidade.




32
Previsibilidade para vida til do equipamento e da ocorrncia das falhas.
Disponibilizao de informaes precisas e em tempo real sobre a condio
da planta industrial.
Planejamento da manuteno.
Plantas industriais ficam mais seguras e preservadas.
As possveis desvantagens dessa estratgia de manuteno:
Requer uma equipe de manuteno mais capacitada e treinada com as novas
tecnologias.
Cada aplicao dessa estratgia de manuteno desenvolvida unicamente
para um determinado equipamento.
Custo inicial alto para implantao.
A implantao exige um maior investimento de recursos e de tecnologia,
quando comparado com as outras estratgias.
Falhas no prprio sistema de monitoramento da planta podem causar
prejuzos incalculveis.
A implantao de uma estratgia proativa tem inicialmente um espao de projeto
grande, como a escolha de sensores, ferramentas de processamento de sinais, definio
de plataforma de sistema embarcado, definio de ferramentas de monitoramento,
viabilidade tcnica, viabilidade econmica e treinamento da equipe de manuteno
(DJURDJANOVIC ET AL., 2003).
A manuteno proativa tem sido apresentada como uma soluo inovadora para
melhorar a gesto de manuteno em plantas industriais com sistemas produtivos
complexos e crticos. Pela utilizao de sistemas embarcados pode-se monitorar os
desgastes nos equipamentos, fazer deteco, diagnstico e predio das falhas.
O sistema embarcado que implementa a estratgia de manuteno proativa, a partir
de agora, ser chamado de Sistema de Manuteno Inteligente (SMI). Esse sistema
formado por um sistema computacional embarcado que realiza todos os processamentos
necessrios para aquisio de sinais, deteco, diagnstico de falhas, predio da vida
til e reconfigurao do equipamento monitorado. O SMI tambm construdo com
base na estratgia de Manuteno Baseada na Condio (CBM) e ser apresentado na
prxima seo.
2.4 Sistema de Manuteno Inteligente
Um Sistema de Manuteno Inteligente (SMI) baseado em tcnicas da estratgia
de manuteno proativa. uma ferramenta computacional que implementa uma
metodologia para melhorar o gerenciamento das operaes industriais no quesito de
manuteno da planta industrial (LEE, JAY, 2003).
Nas modernas plantas industriais do sculo XXI, esto inclusos diversos sensores,
equipamentos de controle e automao muito sofisticados. Devido a isso, o desempenho
computacional de tais equipamentos eletrnicos em realizar suas tarefas, tambm tem
sido mais exigido.




33
Essa tecnologia possibilitou reaproveitar uma parte do processamento para medir o
desempenho da mquina por indicadores e avaliar essas informaes. Tomando isso
como princpio, um SMI baseado no monitoramento e na avaliao da condio da
planta industrial ou do equipamento, sendo uma ferramenta apropriada e eficiente para
aumentar a disponibilidade do processo produtivo. Isso feito pela reduo das paradas
do processo para prximo de zero, diminuindo as ocorrncias de falhas (MULLER ET
AL., 2008).
Segundo (DJURDJANOVIC ET AL., 2003), um SMI implantado em um
equipamento pode economizar na ordem de 20% ou mais de custos com paradas do
processo produtivo, elevando o nvel de qualidade e disponibilidade, reduo de
estoques de peas, etc.
Em um SMI, esto inclusas habilidades para monitorar as plantas industriais, a fim
de detectar e diagnosticar falhas, e prever a perda de desempenho. Como sadas do
sistema, esto as informaes que complementam as tomadas de decises pela equipe
de manuteno, que visa planejar as tarefas de manuteno e produo para sincronizar
com os melhores momentos para reparos, sem prejudicar o sistema produtivo com as
interrupes.
As principais funes e objetivos alcanados pelo SMI so:
Prover transparncia, consistncia e troca de informaes de modo
automtico para equipe de manuteno e setores gerenciais.
Aumentar a utilizao dos recursos da planta industrial por meio da
estratgia de manuteno proativa e preditiva.
Otimizao da planta industrial, aumentando a disponibilidade produtiva.
Segundo (JARDINE ET AL., 2006), a confiabilidade um aspecto importante para
avaliao de processos e plantas industriais. No importa quo bom seja o projeto de um
produto que ser fabricado, se o produto se desviar do especificado ao longo do tempo
devido deteriorao no processo produtivo. Portanto, para assegurar um nvel
satisfatrio de confiabilidade nos equipamentos industriais, tm sido investido mais
recurso na tarefa de manuteno como um meio estratgico.
No presente trabalho, o SMI tem sua base sobre a metodologia da Manuteno
Baseada na Condio (CBM Condition-Based Maintenance), que apresenta uma
arquitetura padro de construo e uma srie de etapas necessrias para o projeto desse
sistema.
2.4.1 Metodologia de Manuteno Baseada na Condio (CBM)
A CBM (Condition-Based Maintenance) (THURSTON, M.G., 2001) (LEBOLD;
THURSTON, M., 2001) (BENGTSSON, 2004) uma estratgia de manuteno que
trabalha de forma a recomendar tarefas de reparos, que so baseados nas informaes
coletadas pelo monitoramento da condio dos equipamentos. Dessa forma, objetiva
evitar reparos desnecessrios por meio da solicitao somente quando existir uma
evidncia de comportamento anormal nos equipamentos. Como resultado, pode
significativamente reduzir o custo de manuteno pela diminuio do nmero de
manutenes ou reparos desnecessrios que so realizados nos equipamentos.
Segundo (JARDINE ET AL., 2006) (HUANG, R. ET AL., 2007), uma abordagem
CBM consiste de trs etapas-chave:




34
Aquisio de dados: coletar e obter dados relevantes para anlise da sade do
sistema em monitoramento.
Processamento dos dados: filtrar e analisar os dados ou sinais coletados para
um melhor entendimento e interpretao.
Tomada de deciso de manuteno: computar as informaes e recomendar
tarefas de manuteno de forma eficiente para reparos no equipamento
monitorado.
Basicamente, a etapa Tomada de deciso visa aplicar tcnicas de tolerncia a
falhas, em que so utilizadas as seguintes tcnicas: deteco de anormalidades,
diagnstico de falhas, predio de falhas e monitoramento da condio. Cada uma
dessas tcnicas ser detalhada no captulo a seguir.
2.4.1.1 Aquisio de dados
A aquisio de dados o processo de coleta e armazenamento da informao til do
equipamento monitorado. Essa uma tarefa essencial dentro do sistema CBM.
As informaes coletadas incluem eventos como: o que aconteceu?, o que foi
feito nos equipamentos?, medidas de variveis de condio ou estado de sade dos
equipamentos que so coletados por sensores inteligentes.
Essas informaes so compostas por dados que representam a condio do
equipamento, por exemplo: vibrao, acstica, anlise de lubrificantes, temperatura,
presso, umidade, clima, corrente eltrica e outras variveis.
Alm disso, podem ser utilizadas outras informaes que estejam disponveis sobre
a manuteno (p. ex., sistemas de informaes gerenciais de manuteno), como o
banco de dados com histricos dos sensores e a condio de todo o equipamento ou
planta industrial.
2.4.1.2 Processamento de dados
Nesta etapa do processamento de dados (ou sinais), feita a reduo de rudos por
meio da filtragem. Isso importante, pois os dados coletados geralmente apresentam
sinais de rudos e at erros que prejudicam a boa interpretao dos dados. Como no
sistema CBM, os dados so utilizados para monitoramento da condio e podem
apresentar erros derivados de falhas presentes nos sensores.
Na prxima etapa desse processamento, feita a anlise dos sinais. Uma grande
variedade de modelos, algoritmos e ferramentas esto disponveis na literatura para essa
tarefa, que visa melhorar o entendimento e compreenso dos dados coletados. A escolha
da ferramenta ideal depende principalmente do tipo de sinal e o que pretende-se extrair
dele.
De acordo com (JARDINE ET AL., 2006), os sinais coletados para monitoramento
da condio so classificados em trs tipos:
Valor: os dados coletados de uma varivel para um tempo especfico so
simplesmente valores reais. Por exemplo, temperatura, presso, corrente
eltrica, etc.




35
Forma de onda: os dados coletados de uma varivel para um tempo
especfico so sries temporais, que formam uma onda completa em um
perodo de tempo. Por exemplo, dados de vibrao, acsticos, torque, etc.
Multidimensional: os dados coletados de uma varivel para um tempo
especfico so multidimensionais. Por exemplo, imagens trmicas, raio X ,
fotos, etc.
O processamento para os dados na categoria forma de onda e multidimensional
tambm chamado de processamento de sinais. Vrias tcnicas para o processamento
de sinais foram desenvolvidas, a fim de analisar tais sinais e extrair caractersticas que
auxiliem no processo de deteco, diagnstico e predio de falhas. A seguir, algumas
das tcnicas para o processamento de sinais so apresentadas conforme (JARDINE ET
AL., 2006):
Anlise no domnio de tempo: baseada no tempo da onda do sinal. Calcula
caractersticas do tempo do sinal, utilizando estatsticas, tais como: mdias,
pico, intervalo pico a pico, desvio padro, etc. Por exemplo: modelo AR
(autoregressive), ARMA (autoregressive moving average), PCA (principal
component analysis), etc.
Anlise no domnio de frequncia: baseada na transformao do sinal para o
domnio de frequncia. A vantagem a habilidade de facilmente identificar e
isolar certos componentes de frequncias que forem de interesse da anlise.
Por exemplo, FFT (fast fourier transform).
Anlise no domnio de tempo-frequncia: uma limitao da anlise domnio
de frequncia a inabilidade de lidar com sinais de ondas no estacionrias,
que so muito comuns em plantas industriais, especialmente em anlise de
falhas. Assim, a anlise de tempo-frequncia investiga as ondas do sinal no
domnio do tempo e da frequncia. Por exemplo, transformada wavelets e
transformada wavelet packets.
2.4.1.3 Tomada de deciso de manuteno
Esta etapa fornece suporte para a tomada de deciso e auxilia a equipe de
manuteno na realizao de tarefas de reparos dos equipamentos. Em um sistema
CBM, as tcnicas para suporte tomada de deciso so: deteco, diagnstico e
predio.
A deteco revela o momento quando uma condio anormal ocorre. O diagnstico
tem a funo de isolar e identificar a falha ocorrida. A predio antecipa as falhas antes
de elas ocorrerem.
Obviamente, a predio aparenta ser superior deteco e diagnstico, j que pode
prevenir as falhas e preparar a equipe de manuteno para reparos planejados. Com isso,
possvel solucionar muitos dos problemas que podem ocorrer nos equipamentos,
devido a paradas no planejadas, economizando custos extras.
Todavia, a predio no pode substituir o diagnstico por completo, pois, na prtica,
nem todas as falhas so previstas. A predio no uma tcnica com 100% de certeza
em acertos. O diagnstico uma ferramenta complementar importante, que tem a
finalidade de fornecer suporte tomada de deciso de manuteno quando a predio
for errada, assim o diagnstico consegue identificar a nova falha ocorrida




36
(VENKATASUBRAMANIAN; RENGASWAMY; YIN; ET AL., 2003) (MULLER ET
AL., 2008).
Essa etapa que envolve as tcnicas de tolerncia a falhas ser detalhada no prximo
captulo deste trabalho.
2.4.2 Arquitetura OSA-CBM
O OSA-CBM (Open Systems Architecture for Condition-Based Maintenance)
(LEBOLD; THURSTON, M., 2001), uma proposta de padronizao para construo
de uma arquitetura para o desenvolvimento de sistemas de manuteno inteligente e
baseada na ideia de camadas que se relacionam entre si. Este prope facilitar a
integrao e interoperabilidade de componentes entre diferentes fabricantes de
equipamentos. Na Figura 2.4, apresentado o modelo da arquitetura em camadas do
padro OSA-CBM.

Figura 2.4: Arquitetura em camadas do padro OSA-CBM.
Essa arquitetura foi projetada para reutilizar os padres de comunicao distribuda
entre computadores e, para isso, foi adotado o padro de comunicao em redes (p. ex.,
Internet). O modelo de computao adotado abre um grande leque de tecnologias atuais
que podem ser utilizadas para troca de informaes entre os componentes.
Cada uma das camadas da arquitetura OSA-CBM (Figura 2.4) tem uma tarefa na
manuteno (LEBOLD; THURSTON, M., 2001):
Sensores inteligentes: formada por diversos sensores sofisticados e
estrategicamente posicionados em partes crticas do processo (equipamentos
ou mquinas), a fim de coletar sinais precisos para o monitoramento da
condio.
Aquisio de dados: mdulo responsvel por ler os sinais dos sensores e
transform-los a partir de grandeza fsica em uma grandeza eltrica,
disponibilizando uma informao til para o restante do sistema. Tambm
pode ser responsvel pelo armazenamento e formao de banco de dados de
histricos.




37
Processamento de sinais: aplica os primeiros clculos sobre os dados
adquiridos, utilizando tcnicas de processamento de sinais para filtragens e
transformaes.
Monitoramento de condio: etapa responsvel pela deteco de
anormalidades na condio de funcionamento do processo. So comparadas
as caractersticas extradas (sensores) com as previamente treinadas
(modelo), que visam avaliar a situao do processo. Por exemplo, valores
esperados, limites de operao ou indicadores de condio (nvel baixo, nvel
normal ou nvel alto).
Avaliao de sade: fase que realiza o diagnstico das anormalidades
detectadas pelo monitoramento da condio. Essa fase tem como propsito
identificar as partes da mquina ou equipamentos da planta industrial que
apresentam falhas. Alm disso, faz uso de informaes sobre tendncias,
histricos e regras de conhecimentos de especialistas para diagnosticar e
pode armazenar os resultados formando um banco de dados com histricos
da sade do equipamento.
Prognstico: tem a funo de realizar uma previso da sade futura do
equipamento monitorado, estimar a vida til restante ou calcular uma taxa de
probabilidade para um determinado tempo antes da falha se manifestar.
Ademais, faz uso de tcnicas estatsticas, redes neurais e conhecimentos de
especialistas para criar um modelo de tendncia para acompanhar a condio
de operao do processo.
Tomada de deciso: fornece suporte tomada de deciso para a equipe de
manuteno com base nos resultados obtidos nas camadas anteriores.
Tambm fornece aes mais recomendadas para solucionar as falhas
ocorridas, que podem ser, por exemplo, agendar as manutenes,
reconfigurar o equipamento ou a planta, emitir um alarme de emergncia,
tolerar a falha at se tornar mais crtica, informar relatrio sobre as falhas,
etc.
Apresentao IHC: a interface homem-mquina, para fornecer as
informaes de sada desse sistema, que pode ser de forma nica por meio de
uma tela de computador para um especialista em manuteno, ou de forma
distribuda pela Internet. Essa etapa objetiva produzir as sadas para
realimentar o processo de modo a solucionar as falhas ocorridas pela equipe
de manuteno.
No presente trabalho, foi tomado o padro OSA-CBM como base para o
desenvolvimento do sistema embarcado para manuteno inteligente, que ser
apresentado nos prximos captulos.
2.4.3 Watchdog Agent
O Watchdog Agent (WA) (DJURDJANOVIC ET AL., 2003) (LEE, J. ET AL.,
2004) uma proposta acadmica para um Sistema de Manuteno Inteligente do grupo
IMS Center
3
(Center for Intelligent Maintenance Systems), localizado nos EUA e

3
Site oficial do grupo IMS Center www.imscenter.net




38
vinculado com as universidades de Cincinnatti, Missouri-Rolla e Michigan e empresas
colaboradoras, como a Boeing, Toyota, Siemens, Carterpillar, AMD, entre outras.
O WA um conjunto de ferramentas que possibilita o monitoramento em tempo real
de um equipamento em uma planta industrial. desenvolvido sobre uma plataforma
composta por um computador industrial, em que foram implementadas as ferramentas
com a inteno de avaliar e predizer o desempenho dos equipamentos. As ferramentas
so desenvolvidas em MATLAB.
O processamento de informaes pelo WA composto por quatro camadas:
processamento de sinais, extrao de caractersticas, avaliao de desempenho e fuso
de sensores. Ele foi desenvolvido para manter compatibilidade com a arquitetura do
padro OSA-CBM, a fim de possibilitar a integrao de novas ferramentas com outros
dispositivos compatveis com esse modelo. Alm disso, tem a capacidade de fazer a
aquisio de dados por meio de leituras nos sensores instalados na planta industrial.
De acordo com Jay Lee em (DJURDJANOVIC ET AL., 2003), o idealizador do WA,
este foi projetado com objetivo de realizar a tarefa de avaliao da degradao no
desempenho, tomando como base a leitura de sensores que medem as propriedades
crticas dos equipamentos. Assumiu-se que os sensores eram sensveis o suficiente para
detectar alteraes da varivel de degradao, proporcionando, desse modo, a avaliao
e quantificao da degradao.
Para possibilitar o monitoramento do desempenho, o WA precisa adquirir algum
conhecimento, a priori, sobre o processo de degradao do equipamento. Nessa
ferramenta, possvel utilizar para anlises de comportamento um modelo matemtico
ou conhecimentos de especialistas, ou registros de dados histricos.
Como o WA ainda est em desenvolvimento, as tarefas de tolerncia a falhas ainda
no esto completas. Todavia, no projeto atual j est prevista a insero de elementos
inteligentes capazes de realizar as trs tarefas bsicas da tolerncia a falhas em
equipamentos industriais (DJURDJANOVIC ET AL., 2003):
Avaliao quantitativa do desempenho da degradao (deteco de
anormalidades).
Diagnstico do desempenho da degradao atual ou prevista (diagnstico de
falhas).
Predio do desempenho da degradao (predio de falhas).
A tarefa de deteco j est implementada pela avaliao de comportamentos atuais
comparado a comportamentos normais.
A tarefa de predio ser realizada pela anlise de tendncia de comportamento ou
um modelo matemtico da dinmica de comportamento observada no equipamento, o
que permite fazer a predio de comportamentos futuros para o equipamento.
A tarefa de diagnstico ser realizada por meio de aprendizado de padres do
comportamento, a fim de reconhecer situaes que foram observadas no passado ou
estar ciente de situaes que nunca foram observadas anteriormente.
Como sada, quando o WA estiver implantado em um processo industrial, fornecer
informaes para auxiliar na tomada de deciso da equipe de manuteno.




39
Vale destacar que as etapas de, a aquisio de dados, de processamento de sinais, de
extrao de caractersticas e avaliao de desempenho j esto implementadas e
validadas no WA. Nos experimentos deste trabalho, sero reutilizadas as etapas de
processamento de sinais e a extrao de caractersticas.
2.5 Estudo de Caso: Transporte de Combustveis para Petrobras
A Petrobras Transporte S.A, conhecida por Transpetro
4
, subsidiria integral da
Petrobras, segundo informaes obtidas no site oficial a principal empresa de logstica
e transporte de combustveis do Brasil. Atende s atividades de transporte e
armazenamento de petrleo e derivados, lcool, biocombustveis e gs natural.
A Transpetro responsvel pelo gerenciamento de uma rede dutoviria formada por
mais de 11 mil km de dutos (oleodutos e gasodutos) que interligam todas as regies
brasileiras e abastecem os mais remotos pontos do pas.
As redes de dutos so interligadas a terminais terrestres e martimos, unindo as reas
de produo, refino e distribuio da Petrobras e atuando na importao e exportao de
petrleo e derivados, de biocombustveis e de gs natural. Nessa estrutura dutoviria,
passam anualmente bilhes de litros de combustveis. formada por 7 mil km de
oleodutos, 4 mil km de gasodutos, 20 terminais terrestres, 26 terminais aquavirios e
uma frota de 54 navios-petroleiros. Na Figura 2.5, apresentada a logstica que a
Transpetro utiliza no Brasil, extrada do site oficial da empresa.
Para gerenciar toda essa infraestrutura, a empresa criou o Centro Nacional de
Controle Operacional (CNCO), localizado no Rio de Janeiro. Esse centro visa monitorar
e controlar todas as operaes de transporte dutovirio para centralizar as operaes.
proporcionando aumento da eficincia e da segurana operacional, assim como a
reduo de custos.
Todas as instalaes dutovirias espalhadas pelo pas so interligadas a uma rede de
comunicao que interage com um sistema supervisrio (SCADA Sistemas de
Superviso e Aquisio de Dados). Isso possibilita monitorar as informaes
operacionais. Ademais, permite que os tcnicos de operao tenham informaes
precisas, mensagens de alarmes e comandem as vlvulas e os equipamentos (p. ex., ligar
e desligar bombas, abrir e fechar vlvulas, alterar fluxo nas malhas, alm de detectar
vazamentos e realizar as simulaes operacionais).
Dentro de toda a logstica de abastecimento do Sistema Petrobras, dada uma
ateno especial s operaes de terminais e oleodutos, pois onde flui a produo da
empresa at chegar aos consumidores. O transporte dutovirio possibilita agilidade,
segurana e capacidade de fluxo na movimentao dos combustveis entre essas partes.
Dos campos de produo, o petrleo transportado, por oleodutos e/ou por navios,
para os terminais e de l at as refinarias. Aps o refino, os derivados so novamente
escoados por dutos aos terminais aquavirios e terrestres para ser entregues, por dutos e
navios, s companhias distribuidoras, chegando aos clientes nos mercados nacionais e
internacionais.


4
Site Transpetro www.transpetro.com.br




40

Figura 2.5: Mapa de dutos e terminais da Transpetro no Brasil.
Nessa grande logstica de fornecimento em todo o Brasil, os dutos so o meio de
transporte preferencial tanto para atender o abastecimento das refinarias como para
suprir a necessidade dos grandes centros consumidores de combustveis.
Em funo da grande importncia estratgica que se encontra o sistema de transporte
dutovirio para Petrobras, a Transpetro investiu na criao de dois centros de pesquisas
especializadas em manter esse sistema:
Centro de Tecnologia de Dutos (CTDUT): visa promoo do
desenvolvimento de tecnologias de inspeo, manuteno e reparo de
oleodutos, alm de formar mo de obra especializada. Possui um laboratrio
de pesquisa em escala real para o desenvolvimento de novas tecnologias em
dutos, testes de produtos, equipamentos e sistemas de proteo ambiental.
Centro Nacional de Reparo de Dutos da Petrobras (Creduto): surgiu da
necessidade estratgica de gerar capacitao e recursos prprios para reparos
e outros tipos de interveno em dutos com qualidade, segurana e custos
adequados atividade dutoviria. Seu objetivo capacitar e manter
disponveis recursos humanos e materiais para a execuo de reparo em
dutos terrestres.
Vista a dimenso continental desse sistema de logstica percebe-se a dificuldade que
a equipe de manuteno deve ter para atender a todas as falhas ocorridas e realizar
reparos nas partes desse sistema.
As manutenes realizadas na rede dutoviria so realizadas pela Transpetro por
meio de recursos humanos prprios formados pelos seus dois centros (CTDUT e




41
Creduto). A equipe de manuteno aplica na prtica a estratgia preventiva, corretiva e,
s vezes preditiva, que depende do equipamento alvo da manuteno.
Em todos os milhares de quilmetros que formam a rede dutoviria, durante seu
percurso, podem ser encontradas centenas ou at milhares de vlvulas. Ento, o presente
trabalho focou na ideia de implantar, a princpio, um Sistema de Manuteno Inteligente
nas vlvulas, que so operadas por um atuador eltrico (motor).
A vlvula foi escolhida como estudo de caso por ser um equipamento importante
dentro do processo de transporte de derivados de petrleo. No futuro, a ideia expandir
o Sistema de Manuteno Inteligente para outras partes do processo.
Essas vlvulas so equipamentos industriais que tem a finalidade de controlar o
fluxo de fludos nos dutos. Seu trabalho simples: abrir ou fechar o obturador de fluxo
nos dutos.
Em uma vlvula, podem ocorrer as seguintes falhas do ponto de vista de passagem
de fluxo nos dutos:
Bloquear o fluxo: ocorre quando a vlvula est aberta e devido a um motivo
desconhecido o fluxo nos dutos interrompido pelo acionamento do
obturador.
Abertura para fluxo: acontece quando a vlvula est fechada (obturador
bloqueia o fluxo) e devido a um motivo desconhecido o obturador aberto e
o fluxo liberado nos dutos.
Fluxo parcial: ocorre quando a vlvula no est nem fechada, nem aberta em
sua totalidade, nesse caso, o fluxo liberado parcialmente nos dutos.
Essas falhas tm as mais diversas causas que variam de defeitos internos na vlvula
(desgastes nas engrenagens, umidade, corroso, etc.), defeitos no atuador eltrico
(rompimento de bobina do motor, rolamentos, curtos circuitos, umidade, sobre torque,
etc.) at defeitos internos no obturador (obstruo do obturador, sedimentos na base,
vazamentos, etc.). O domnio de estudos para as falhas diverso e sero apresentados
nos prximos captulos mais detalhes.
Quando as vlvulas falham de forma indesejada, podem causar grandes prejuzos no
processo dutovirio. Por exemplo, a interrupo de um gasoduto pode cessar o processo
de refino e gerar prejuzos financeiros altssimos, em funo do tempo de parada na
produo. Esse tipo de falha pode causar perdas financeiras e acidentes inimaginveis.
Para ilustrao, so apresentados, na Figura 2.6, alguns casos reais de dutos utilizados
para transporte dos derivados de petrleo nas refinarias da Petrobras. Na Figura 2.7, so
apresentados casos reais da utilizao das vlvulas acionadas por atuadores eltricos no
ambiente de uma refinaria.
Desse modo, de interesse da Transpetro implantar um Sistema de Manuteno
Inteligente na sua rede dutoviria para que, alm de monitorar as informaes
operacionais e controlar o processo, possa detectar, diagnosticar e prever falhas na
operao dos equipamentos.
Assim, a determinao dos motivos que levaram ocorrncia de uma falha no
prevista (diagnstico) e a previso de falhas nos equipamento ao longo da rede
dutoviria tornam-se importantes para a Transpetro. Essas novas tecnologias seriam




42
integradas ao CNCO e a manuteno proativa adotada como estratgia de manuteno
adicionaria mais robustez ao sistema de transporte de derivados de petrleo.

Figura 2.6: Exemplos dos dutos dentro de uma refinaria. (a) Transporte interprocessos
de refino e (b) abastecimento de uma refinaria.

Figura 2.7: Exemplo de vlvulas e atuadores utilizados em refinarias e terminais. (a)
vlvulas para controle de fluxo em dutos e (b) a grande quantidade de vlvulas
utilizadas apenas em uma parte da refinaria.
2.6 Resumo do Captulo
Ao longo deste captulo foi abordada a importncia das aes de manuteno dentro
dos processos produtivos em uma planta industrial, a fim de reduzir custos e aumentar a
eficincia produtiva.
Foi mostrado que a manuteno, quando bem vista e aplicada pela empresa, pode
vir a ser um diferencial em relao aos concorrentes, quanto reduo de custos
operacionais de produo. Desse modo, a manuteno vista como estratgica, pois, se
mal aplicada, pode prejudicar diretamente a qualidade dos produtos e a disponibilidade
do processo produtivo, afetando os resultados de lucros da empresa.
Neste captulo, foram apresentadas as definies e caractersticas das quatro
estratgias mais comuns de manuteno, entre elas a corretiva, preventiva, preditiva e
proativa, sendo a ltima um dos focos do presente trabalho.
As estratgias de manuteno preditiva e proativa passaram a ser implementadas
com o avano tecnolgico, uma vez que o sistema produtivo tornou-se mais complexo.




43
Essas duas estratgias utilizam tcnicas de monitoramento da condio dos
equipamentos por meio de sistemas computacionais. Em especial, a proativa apresenta-
se como a mais interessante, j que possibilita analisar as condies de operao dos
equipamentos para determinar se esto ou no funcionando em condies normais e,
caso seja detectada alguma anormalidade, pode reconfigurar o equipamento para reduzir
os danos. Desse modo, a manuteno preditiva e proativa proporcionam o planejamento
da manuteno, atingindo a reduo de custos operacionais, como a eliminao de
reparos desperdiados, estoques menores, menos paradas no processo produtivo,
previsibilidade da vida til e planejamento dos trabalhos de manuteno.
Como as modernas plantas industriais so compostas por sensores e sistema de
controle e automao sofisticados, baseados em computao, proporcionam reutilizar
esses recursos para implantar um sistema de manuteno inteligente nesses
equipamentos industriais.
O foco principal desta pesquisa o desenvolvimento de um Sistema de Manuteno
Inteligente (SMI), que uma tcnica computacional para monitoramento e avaliao da
condio da planta industrial, sendo uma ferramenta apropriada e eficiente para
aumentar a disponibilidade do processo produtivo. Esse sistema visa fazer a deteco de
anormalidades, diagnstico de falhas e predio de comportamentos futuros. Foram
apresentadas as definies, caractersticas e metodologia para desenvolvimento de um
SMI.
Este trabalho est baseado na metodologia adotada pelo padro OSA-CBM, que
uma arquitetura utilizada para projeto de sistema de manuteno inteligente. Para um
melhor entendimento, foram apresentados a arquitetura e os conceitos bsicos desse
padro. Foi apresentado um exemplo de SMI, conhecido por Watchdog Agent
TM
,
tambm baseado na arquitetura do padro OSA-CBM.
Por fim, foi apresentado o estudo de caso para o qual o presente trabalho est sendo
desenvolvido. Este trabalho pretende implantar SMI como uma ferramenta de tolerncia
a falhas no sistema de transporte dutovirio da Transpetro, em que, por meio desse
sistema, pode-se monitorar a condio de operao dos componentes ao longo dos
dutos.















3 DETECO, DIAGNSTICO E PREDIO DE
FALHAS
3.1 Introduo
No contexto industrial, as mquinas ou equipamentos utilizados nas linhas
produtivas tambm esto suscetveis as falhas. Estas falhas provocam interrupo da
produo, reduzem a qualidade dos produtos e reduz os lucros da empresas. Uma
soluo adotada pelas empresas manter uma equipe de manuteno em prontido para
realizarem os reparos para restabelecimento do processo produtivo.
A manuteno uma tarefa de fundamental importncia nos processos industriais e
uma atividade realizada por tcnicos humanos. Quando se detecta um evento anormal
no processo, possvel diagnosticar a origem da causa e, ento, tomar as decises
apropriadas para restaurao do processo.
Contudo, a completa confiana em operadores humanos para lidar com eventos
anormais e em situaes de emergncias tem tornado-se gradativamente difcil, devido a
vrios fatores. Esta dificuldade em funo do amplo escopo das atividades de teste e
tolerncia a falhas, que apresentam um grande nmero de aplicaes em problemas,
como, defeitos nas unidades dos processos, degradao dos processos, parmetros
errados, eventos naturais, etc. Isso, com o passar do tempo, pode se complicar em
virtude do tamanho e da complexidade dos processos industriais.
Devido ao rpido desenvolvimento tecnolgico e crescimento da complexidade dos
processos industriais, passou-se a estudar a aplicao de tcnicas de teste e tolerncia a
falhas, a fim de tornar os equipamentos industriais mais robustos
(VENKATASUBRAMANIAN; RENGASWAMY; YIN; ET AL., 2003).
Como pode ser visto, aumentar a confiabilidade dos processos industriais um
grande desafio para os engenheiros. No passado, a comunidade de pesquisa discutia
como o controle poderia ser automatizado usando sistemas computacionais para
remover os operadores humanos da interao direta com o processo industrial. Isso
conduziu para um grande progresso na qualidade e consistncia na produo, segurana
e eficincia dos processos. O desafio atual est na automao da manuteno de
ocorrncia dos eventos anormais, que faz uso de sistemas computacionais inteligentes,
fornecendo aos operadores humanos a assistncia a urgncias em muitas reas.
Neste captulo, ser abordado sobre as tcnicas de teste e tolerncia a falhas que
podem ser adotadas para melhorar os processos industriais e auxiliar nas tarefas de




46
manuteno. Atravs do uso de Sistema de Manuteno Inteligente pode-se
implementar solues para deteco, diagnstico e predio de falhas nos processos
industriais.
Definies, nomenclaturas e conceitos bsicos sobre testes e tolerncia a falhas em
geral sero abordados, alm claro, de algumas das tcnicas adotadas no presente
trabalho para monitorar o comportamento em processos industriais.
O principal objetivo deste captulo est no estudo da adoo de tcnicas de rede
neurais para alcanar a tolerncia a falhas no processo industrial. Foi definido o
algoritmo de Mapas Auto-Organizveis (SOM) como ferramenta para aquisio de
conhecimento sobre o comportamento do sistema e ser responsvel pelas tarefas de
deteco de anormalidades, diagnstico de falhas e predio de comportamento futuros.
3.2 Definies e Conceitos de Testes e Tolerncia a Falhas
Neste captulo, sero apresentadas as definies bsicas de testes e tolerncia a
falhas baseadas nas pesquisas de (AVIZIENIS ET AL., 2004) e demais trabalhos
(ISERMANN, 1997), (WEBER, 2003) e (WEBER, 2002). As definies abrangem uma
grande rea de estudos, desde sistemas baseados em computadores, hardware,
processos produtivos em geral, operadores humanos e usurios dos sistemas. Contudo,
neste captulo, sero focados os termos do ponto de vista de sistemas baseados em
computador.
3.2.1 Funo do sistema, comportamento, estrutura e servio
Um sistema, neste trabalho, uma entidade que interage com outra entidade, outros
sistemas, incluindo hardwares, softwares, equipamentos, mquinas, processos
industriais, homens e o mundo fsico. Os outros sistemas so o ambiente de um dado
sistema. A fronteira do sistema o limite comum entre o sistema e o ambiente.
A funo de tal sistema est em o que o sistema pretende fazer e descrito pela
especificao funcional em termos de funcionalidade e desempenho. O
comportamento do sistema o que o sistema faz para executar a funo e descrito
por uma sequncia de estados. O estado total de um dado sistema o conjunto de
estados: computao, comunicao, informaes armazenadas, intercomunicao, ao
e condio fsica.
A estrutura de um sistema o que permite gerar o comportamento. Um sistema
composto por um conjunto de componentes interligados e estes interagem entre si, onde
cada componente outro sistema.
O servio entregue pelo sistema como o seu comportamento percebido pelos
demais usurios. Um usurio outro sistema que recebe os servios.
3.2.2 Defeito, falha e erro
Um servio correto entregue quando o servio implementa a funo do sistema. O
defeito (failure) um evento que ocorre quando o servio entregue se desvia do servio
correto. Um servio falha tambm por no cumprir com a especificao final ou pela
especificao no descrever adequadamente a funo do sistema. Uma falha de servio
a transio de um servio correto para um incorreto. A transio do servio incorreto
para o correto uma restaurao do servio.




47
Desde que um servio seja uma sequncia de estados externos do sistema, a sua
falha diz respeito a, pelo menos, um (ou mais) estado(s) externo(s) do sistema que
desviam-se do estado de servio correto. O desvio chamado de erro (error). A causa
desse erro chamada de falha (fault). As falhas do sistema podem ser internas ou
externas.
A definio de erro uma parte de um estado total de falha do sistema que pode
conduzir para uma falha do servio. A falha est ativa quando causa um erro, caso
contrrio est inativa.
Quando a especificao funcional de um sistema inclui um conjunto de funes em
situao de defeito (failure), isso pode deixar o sistema em modo de degradao.
Nestas condies, mesmo degradado, o sistema pode oferecer um subconjunto reduzido
de servios para o usurio. A especificao pode identificar vrios modos, por exemplo,
servios lentos, servios limitados, servio de emergncia, servio perigoso, etc. Dize-
se, ento, que neste caso o sistema sofre uma falha parcial.
3.2.3 Atributos de dependabilidade
O objetivo de tcnicas de tolerncia a falhas alcanar dependabilidade. Esse
termo uma traduo literal do termo ingls dependability, que indica a qualidade do
servio fornecido por um dado sistema e a confiana depositada no servio fornecido
(WEBER, 2002). Uma definio alternativa a habilidade de evitar falhas de servios
que so mais frequentes e mais graves do que aceitvel.
As principais medidas de dependabilidade so:
Disponibilidade (availability): disponibilizar servios corretos.
Probabilidade de o sistema estar operacional em um determinado instante de
tempo. Alternncia de perodos de funcionamento e reparo.
Confiabilidade (reliability): continuidade de servios corretos. Capacidade
de atender especificao, dentro de condies definidas, durante certo
perodo de funcionamento e condicionado a estar operacional no incio do
perodo.
Segurana (safety): ausncia de consequncias catastrficas para o usurio
ou ambiente. Probabilidade de o sistema estar operacional e executar sua
funo corretamente ou descontinu-la de forma que no provoque dano a
outros sistemas ou pessoas que dele dependam.
Mantenabilidade (maintainability): habilidade para aplicar modificaes e
reparos. Facilidade de realizar a manuteno do sistema, ou seja, a
probabilidade que um sistema com defeitos seja restaurado a um estado
operacional dentro de um perodo determinado. A restaurao envolve a
localizao do problema, o reparo fsico e a colocao em operao.
3.2.4 Tcnicas para alcanar dependabilidade
No desenvolvimento de um sistema que precisa ter atributos de dependabilidade, um
conjunto de mtodos e tcnicas deve ser empregado durante o projeto do sistema. Esses
mtodos e tcnicas so divididos em cinco grupos, conforme (AVIZIENIS ET AL.,
2004) e (WEBER, 2003):




48
Preveno de falhas: recurso para prevenir a ocorrncia ou introduo de
falhas. Envolve a seleo de metodologias de projeto e de tecnologias
adequadas para o processo de engenharia e projeto dos sistemas. Geralmente,
realizada durante o desenvolvimento do sistema, aplicando-se
metodologias que visam evitar as falhas. As melhorias no processo de
desenvolvimento objetivam reduzir a incidncia de falhas introduzidas no
sistema, devido a erros de projeto.
Tolerncia a falhas: recurso que evita falha de servios durante a presena
de uma falha no sistema. Ele visa evitar a ocorrncia das falhas pela deteco
de erros e recuperao do sistema. Com frequncia, o tratamento de falhas
seguido por uma operao de manuteno, cujo foco a remoo das falhas
em tratamento, isto , o fator que distingue tolerncia a falhas da manuteno
que esta requer a participao de um agente externo.
Remoo de falhas: recurso para reduzir o nmero e a gravidade das falhas.
Pode ser aplicado durante o desenvolvimento do sistema, visando encontrar
suas falhas antes de sua insero no mercado. Alm disso, pode ser
empregado durante o uso do sistema, em que realizado por meio da
manuteno corretiva ou preventiva. A manuteno corretiva tem por
objetivo remover as falhas que produziram um ou mais erros reportados,
enquanto a manuteno preventiva prope descobrir e remover falhas antes
delas causarem erros durante o funcionamento normal do sistema. Essas
formas de manuteno aplicadas a sistemas no-tolerantes a falhas os tornam
como um sistema tolerante a falhas, em que sua manuteno pode ser
realizada on-line (sem interrupo do fornecimento dos servios) ou off-line
(durante a parada dos servios).
Diagnstico de falhas: recurso para classificar ou identificar o tipo,
tamanho, a localizao e o tempo da ocorrncia da falha. O diagnstico de
falhas visa principalmente realizar uma classificao da falha detectada,
servindo como auxlio para outras tcnicas. Quando uma falha detectada, o
diagnstico usado para avali-la e determinar a sua causa.
Predio de falhas: recurso para estimar o nmero, a incidncia futura e
provvel consequncia das falhas supostamente presentes. conduzida pela
realizao de uma avaliao do comportamento do sistema com respeito
ocorrncia de falhas. A avaliao pode ser qualitativa e seu propsito
identificar, classificar e ordenar os modos de defeitos ou combinao de
eventos (defeito em componentes ou condies do ambiente) que deveriam
levar o sistema a falhas. Tambm pode ser quantitativa, cuja finalidade a
avaliao do nvel de probabilidade que alguns atributos so satisfeitos, em
que esses atributos so vistos como medidas.
Este trabalho focaliza a aplicao dessas tcnicas para alcanar a dependabilidade
nos sistemas aplicados em processos industriais, no sendo aqui abordadas, no entanto,
tcnicas para preveno de falhas.
3.2.5 Ameaas dependabilidade
De acordo com definies de (AVIZIENIS ET AL., 2004), ser abordado o ciclo de
vida e algumas ameaas prejudiciais que afetam o nvel de dependabilidade do sistema.
Tambm sero aprofundados conceitos sobre defeito, falha e erro




49
3.2.5.1 Ciclo de vida de um sistema
O ciclo de vida de um sistema separado em duas fases:
Fase de desenvolvimento inclui atividades, como a concepo do sistema e
avaliao do usurio at que o sistema seja aprovado em todos os casos de
teste e esteja pronto para disponibilizar os servios. Durante o
desenvolvimento, o sistema interage com o ambiente de desenvolvimento e
falhas podem ser introduzidas desde as primeiras atividades.
Fase de uso de um sistema comea quando ele aceito pelo usurio e inicia-
se a disponibilizao dos servios. O uso consiste de perodos alternados de
entrega de servios corretos, parada de servio e suspenso
(desligamento) de servio. A parada de servio causada por um defeito.
Esse o perodo em que um servio incorreto entregue como sada. A
suspenso de servio uma parada intencional do servio por uma entidade
autorizada. A manuteno so aes aplicadas durante os trs perodos da
fase de uso.
Durante a fase de uso, o sistema interage com o ambiente de uso e pode ser afetado
por falhas originadas nesse ambiente. O ambiente de uso consiste nos seguintes
elementos:
1. Mundo fsico: os fenmenos naturais.
2. Administradores: entidades (humanos ou outros sistemas) que tm
autoridade para gerenciar, modificar, reparar, restaurar e utilizar o sistema;
alguns podem ter atitudes para manter o sistema (manuteno) ou atitudes
maliciosas.
3. Usurios: entidades (humanos ou outros sistemas) que recebem os servios
fornecidos pelo sistema.
4. Provedor: entidades (humanos ou outros sistemas) que entregam servios
para o sistema.
5. Infraestrutura: entidades que disponibilizam servios especializados para o
sistema, como comunicao, localizao, fonte de alimentao, refrigerao,
etc.
6. Intrusos: entidades maliciosas (humanos ou outros sistemas) que
desrespeitam um agente autorizado para ter acesso, alterar os servios ou
paralis-los, modificar os servios ou a funcionalidade, ou o desempenho.
O termo manuteno inclui os reparos ou a restaurao e todas as modificaes que
o sistema sofre durante a fase de uso no ciclo de vida. Na Figura 3.1, so apresentadas
as formas de manuteno de acordo com o ponto de vista de tolerncia a falhas proposto
por (AVIZIENIS ET AL., 2004).
A manuteno divida em duas fases: a de reparos que referente restaurao da
condio de falha dos servios do sistema para uma situao que fornea os servios
corretos, que basicamente visa remover as falhas reportadas ou descobertas no sistema.
A outra a de modificaes que envolve a etapa de projeto do sistema ou a insero de
novas funcionalidades (atualizao) no fornecimento dos servios, por exemplo, devido
a mudanas repentinas no ambiente de uso ou por falta de servios especificados no
projeto.




50

Figura 3.1: Formas de manuteno segundo (AVIZIENIS ET AL., 2004).
O reparo um conceito aplicado tolerncia a falhas, que envolve a participao de
um agente externo, ou seja, um tcnico de uma equipe de manuteno, equipamento
para testes on-line ou a avaliao por softwares. Aplica-se tcnicas de remoo de
falhas (durante a fase de uso) ou predio de falhas para apontar situaes em que
necessrio realizar o reparo.
De fato, o reparo pode ser considerado como uma atividade da tolerncia a falhas
dentro de um sistema mais amplo, que inclui o sistema em reparo, as pessoas envolvidas
e os outros sistemas que interagem entre si, que visam realizar os consertos necessrios.
3.2.5.2 Defeitos
O defeito de servio definido como um evento que ocorre quando a entrega de um
servio desviado de um servio correto. Os defeitos nos servios se caracterizam
de acordo com quatro pontos de vista:
Domnio: os defeitos podem ser de contedo, em que o contedo das
informaes fornecidas pelo sistema desvia-se das funes implementadas, e
de temporizao, em que o tempo de chegada ou durao da informao
entregue pelo sistema desvia-se das funes implementadas.
Detectabilidade: visa sinalizar ao usurio os defeitos ocorridos no sistema. A
sinalizao faz uso de mecanismos de deteco que verificam o
funcionamento correto dos servios entregues pelo sistema. Quando perdas
so detectadas e sinais de alerta so emitidos, ocorre a sinalizao do defeito,
caso contrrio no sinalizado. Quando a ocorrncia do defeito provocar a
reduo dos servios, o sistema est em modo degradado para o usurio.
Esse modo pode reduzir o funcionamento, acionar uma emergncia ou
paralisar o sistema.
Consistncia: os defeitos consistentes so os servios incorretos que so
percebidos identicamente por todos os usurios do sistema, j os defeitos
inconsistentes so percebidos de forma diferenciada por alguns ou todos os
usurios do sistema.




51
Consequncia: os defeitos so definidos de acordo com uma relao entre
benefcio durante a ausncia de falhas e a consequncia dos servios
entregues pelo sistema. Nos defeitos sem importncia, as consequncias dos
danos so similares aos custos e benefcios fornecidos pelo servio correto e
nos defeitos catastrficos, as conseqncias dos danos so ordens de
magnitude ou imensuravelmente superiores aos benefcios fornecidos pelo
servio correto.
3.2.5.3 Falhas
As falhas que afetam o sistema durante seu ciclo de vida pertencem a quatro grupos
bsicos de acordo com a origem da causa:
Falhas de desenvolvimento: incluem todas as classes de falhas que ocorrem
durante o desenvolvimento do sistema, como erro na especificao,
metodologia de projeto inadequada, etc.
Falhas de interao: incluem todas as falhas externas ao sistema. So
provocadas por elementos do ambiente que interagem com o sistema durante
o seu uso.
Falhas naturais: so falhas fsicas que afetam a parte estrutural do sistema
(ou hardware) e so causadas por fenmenos naturais sem a participao
humana. Durante a operao do sistema, as falhas naturais podem ser
internas, devido a processos naturais que causam deterioraes fsicas, ou
externas, em razo do processo natural ser afetado por sistemas vizinhos.
Falhas provocadas por humanos: so falhas que incluem a ausncia de atos
que deveriam ser executados, ou seja, omisso. Tambm podem ser
classificados de acordo com o objetivo dos humanos que interagem com o
sistema:
o Falhas maliciosas: so introduzidas no sistema com o objetivo de
causar dano ao sistema, alterando seu funcionamento. Podem tambm
ser introduzidas por meio de reparos realizados. Tem como
consequncia a interrupo do fornecimento dos servios (produzir
prejuzos) ou roubo de informaes privilegiadas.
o Falhas no-maliciosas: so introduzidas sem um objetivo danoso,
mas que podem ser originadas de tomadas de deciso erradas, corte
de custos, peas inadequadas em reparos ou de baixa qualidade.
3.2.5.4 Erros
Um erro uma parte de um estado total do sistema que pode levar a um defeito. Este
ocorre quando um erro causa um desvio no servio entregue do servio correto. A causa
de um erro pode ser chamada de falha.
Um erro detectado se a presena dele percebida por algum outro sistema ou
indicada por um alarme de erro. Erros que esto presentes, mas no so detectados, so
erros latentes.
Um sistema consiste em um conjunto de componentes que interajem entre si, cujo
estado total o conjunto de estados dos componentes. A definio implica que
originalmente uma falha deve causar um erro no estado de um (ou mais) componente(s),




52
mas o defeito de servios no ocorrer enquanto o estado externo do componente no
fizer parte do estado externo do sistema. No importa quando o erro se torna parte do
estado externo do componente, uma vez que o defeito sempre ocorrer, mas, sim,
quando o erro permanece interno em todo o sistema.
3.2.5.5 Relao entre falhas, erros e defeitos
O mecanismo de criao e de manifestao de falhas, erros e defeitos, em geral
segue uma ordem definida. A Figura 3.2 representa a ordem de propagao de erros,
mostrando a relao entre falha, erro e defeito conforme a seguir:
1. Uma falha ativada e um erro produzido. A ativao da falha a aplicao
de uma entrada a um componente que causa a ativao de uma falha
dormente.
2. A propagao de um erro dentro de um dado componente causada pelo
processo do sistema. Um erro sucessivamente transformado em outros
erros.
3. O defeito de um servio ocorre quando um erro propagado para a interface
do servio e causa para o servio, disponibilizado pelo sistema, o desvio do
servio correto.

Figura 3.2: Mecanismo de propagao do erro (AVIZIENIS ET AL., 2004).
Nas prximas sees, ser estendido o uso dos conceitos destas tcnicas de
tolerncia a falhas para serem aplicados neste trabalho. Entre elas, a deteco,
diagnstico e predio ou monitoramento de falhas em processos industriais.
3.3 Deteco e Diagnstico de Falhas
A primeira tcnica para alcanar dependabilidade abordada neste estudo a tarefa
para Deteco e Diagnstico de Falhas (DDF), apresentada por (KATIPAMULA;
BRAMBLEY, 2005). Esta uma rea que aborda a automatizao do processo a fim de
detectar falhas e diagnosticar suas causas. uma tcnica baseada nos conceitos de testes
e tolerncia a falhas que visa evitar a ocorrncia ou continuidade das falhas, pela
deteco de erros e recuperao do sistema por meio de reparos nas partes identificadas
que causaram a falha (VENKATASUBRAMANIAN; RENGASWAMY; YIN; ET AL.,
2003). Essa tcnica fundamental para a Manuteno Inteligente (Seo 2.3) em
sistemas industriais.
3.3.1 Processo para DDF em uma aplicao genrica
Segundo (KATIPAMULA; BRAMBLEY, 2005), o objetivo de um Sistema
Automtico de DDF detectar antecipadamente a ocorrncia das falhas e diagnosticar
suas causas, permitindo a remoo das falhas antes que causem danos adicionais ao
sistema ou perda do fornecimento de servios.
Esse sistema realizado por um monitoramento contnuo das condies de operao
do sistema aplicado. Alm disso, visa detectar e diagnosticar as condies anormais de
funcionamento e associar a elas as falhas encontradas, avaliando a importncia de cada
uma e decidindo como combat-las.




53
Um processo de operao e manuteno em um sistema ou equipamento que contm
um Sistema Automtico de DDF pode conter quatro funes, conforme a Figura 3.3:
1. Monitorar o sistema ou equipamento at detectar alguma condio de
anormalidade (problemas). Essa etapa referente Deteco da Falha.
2. Quando detectada uma condio anormal, o Diagnstico da Falha
acionado para avaliar a falha e determinar sua causa. As duas primeiras
etapas constituem o Processo de DDF.
3. Aps o diagnstico, aplicada uma Avaliao da Falha, que objetiva estimar
o tamanho e a importncia do seu impacto no desempenho do sistema (por
exemplo, em termos de consumo de energia, segurana de operadores
humanos, danos que pode causar, disponibilidade, custos, impacto ao
ambiente, etc.).
4. Com base na avaliao anterior, a etapa de Tomada de Deciso acionada,
com a finalidade de decidir como responder falha (por exemplo, uma ao
de reparos pela manuteno). Essa etapa acompanhada com o auxlio de
um especialista humano para tomar as decises convenientes situao
ocorrida.
No tomar
ao
Equipamento ou Sistema em Monitoramento
Continuar
Funcionando?
Reconfigurar
Sistema?
Tolerar?
Sim
No
Alarme ou
Desligar
No
Reconfigurao
do Sistema
Sim
Solicitar
Manuteno
No
Tomada de Deciso
Sim
Deteco de
Falha
Diagnstico
de Falha
Falha
Processo de DDF
Sem falha
Dados
Avaliao da
Falha

Figura 3.3: Estrutura geral de um Sistema Automtico de DDF para uma aplicao
genrica (KATIPAMULA; BRAMBLEY, 2005).
Na etapa de tomada de deciso, o sistema pode se reconfigurar de modo a suportar a
falha ocorrida e continuar em funcionamento, mesmo em condio degradada, mas
continuar emitindo um alarme de aviso do problema. Ou seja, a deciso de
reconfigurao do sistema visa reduzir o esforo e talvez amenizar a causa da falha e
estender por um tempo maior a continuidade do sistema em funcionamento correto.
Todas as decises que venham a ser tomadas dependem muito do ponto de vista do
especialista sobre as ameaas a dependabilidade do sistema, vistas na Seo 3.2.5.
Dependendo da anlise de cada caso, a deteco de falhas pode ser relativamente mais




54
fcil do que o diagnstico, por causa das falhas ou da avaliao da origem dos impactos
das falhas.
Muitas abordagens para implementar um Sistema de DDF foram propostas
(MULLER ET AL., 2008) (JARDINE ET AL., 2006) (VENKATASUBRAMANIAN;
RENGASWAMY; YIN; ET AL., 2003), apresentado estruturas e formas diferentes para
a sequncia de etapas de deteco e diagnstico, que no definida como fixa, mas
pode ser varivel, dependendo do objetivo. Em alguns casos, o sistema de deteco
funciona continuamente, enquanto em outro o diagnstico ativado depois da deteco
da falha. Tambm, pode ocorrer de ambas executarem em paralelo, ou em outros casos,
cada etapa executada uma vez.
3.3.2 Fundamentos de um Sistema de DDF
De acordo com (KATIPAMULA; BRAMBLEY, 2005) diferentes abordagens
podem ser utilizadas para implementar a tcnica de detectar e diagnosticar falhas. A
principal diferena entre elas est nas abordagens de conhecimento ou informaes
adquiridas, que sero utilizadas para formular o diagnstico ou classificao.
Em geral, as tcnicas para diagnsticos so baseadas em modelos que podem ser de
conhecimento a priori (p. ex., modelos de comportamento) ou completamente emprico
com base nos dados (p. ex., modelo caixa preta). Ambas as abordagens utilizam
modelos e dados, mas para formular a base para o diagnstico necessrio abordagens
diferentes. Tambm pode ser por meio de dados de histrico do processo.
Na abordagem baseada no conhecimento a priori, usa-se esse conhecimento
(relaes fsicas) para especificar um modelo que serve como base para identificar e
avaliar diferenas entre o estado atual de operao, o estado de operao esperado e os
valores das caractersticas obtidos do modelo.
A abordagem puramente emprica (baseada nos dados) no utiliza conhecimento a
priori do processo, em vez disso, cria-se um modelo apenas com base nas medies do
comportamento fsico dos dados e do prprio processo.
Mtodos baseados em modelo podem ser quantitativos ou qualitativos. Modelos
quantitativos so conjuntos de relaes matemticas baseadas nos fundamentos fsicos
de construo dos processos. Modelos qualitativos so modelos formados pelas relaes
derivadas dos fundamentos fsicos e incluem tambm o uso de sistemas com base em
regras.
Em terceiro lugar, tm-se os modelos baseados inteiramente no processamento de
dados do histrico, em que assume-se uma grande quantidade de dados histricos est
disponvel. Esses modelos incluem mtodos que so derivados puramente dos dados
coletados ou a aplicao de tcnicas para extrair caractersticas (processamento de
sinais). Estas tcnicas, por sua vez, incluem a aplicao de mtodos derivados da
estatstica, de redes neurais e classificao de padres.
Neste trabalho, foi adotada a aplicao da tcnica com base no processamento de
dados do histrico.
3.3.3 Processamento de Dados do Histrico
O mtodo tem como base o processamento de dados histricos do processo, no
necessitando conhecimento extra sobre o sistema.




55
Do ponto de vista industrial, uma grande quantidade de aplicaes de diagnstico de
falhas baseada em abordagens de processamento do histrico. Isso devido ao fato de
o processamento de histrico ser uma abordagem de fcil implementao e que requer
pequeno esforo de modelagem e conhecimento a priori.
Existem algumas tcnicas de transformao que so aplicadas a esses dados e
preparam como um conhecimento a priori para o sistema de diagnstico. Essas
tcnicas so conhecidas como extrao de caractersticas, e podem ser classificadas
como no-estatsticas ou estatsticas. As redes neurais (HAYKIN, 2001) se destacam
como uma importante classe de ferramentas classificadas como no-estatsticas,
adotada no presente trabalho e ser abordada na Seo 3.5..
3.3.4 Caractersticas desejveis em um Sistema de DDF
Como existem diversas abordagens para deteco e diagnstico na literatura, este
trabalho foi baseado nas pesquisas de (VENKATASUBRAMANIAN;
RENGASWAMY; KAVURI; ET AL., 2003) e (VENKATASUBRAMANIAN;
RENGASWAMY; YIN; ET AL., 2003), na qual apresentado um conjunto de
caractersticas e requisitos desejveis em sistemas de deteco e diagnstico.
Essas caractersticas so teis para avaliar os vrios mtodos de implementao de
um Sistema de DDF, como os dados disponveis, confiabilidade da soluo,
generalizao, eficincia da computao, etc. Assim, no importando quando uma
anormalidade ocorre no sistema, o sistema, para um caso geral, deve ser capaz de
sugerir um conjunto de hipteses ou falhas que expliquem a anormalidade.
A seguir so apresentadas algumas caractersticas para projeto um Sistema de DDF:
Deteco e diagnstico rpidos: o sistema deve responder rapidamente ao
detectar e diagnosticar falhas do sistema. Um sistema que projetado para
detectar falhas rapidamente (particularmente mudanas bruscas) poder ser
sensvel a influncias externas, como rudos, o que pode levar a falsos
alarmes.
Isolabilidade: a habilidade do sistema em distinguir entre diferentes tipos
de falhas. Sob condies ideais, livre de rudo e incertezas do modelo, o
sistema de diagnstico deve gerar uma sada que classifique corretamente a
falha ocorrida.
Robustez: deve ser robusto o suficiente em condies com rudo e
incertezas.
Identificao de novos defeitos: deve ser capaz de identificar, dado as
condies atuais do sistema, se est funcionando em modo normal ou
anormal e, se anormal, verificar se a causa um defeito conhecido ou no.
Mesmo sobre condies no previstas no projeto, o sistema de diagnstico
deve reconhecer a ocorrncia de uma nova falha e no fazer uma
classificao errnea.
Estimar erro de classificao: um requisito importante e prtico para o
sistema construir um valor de confiana para o usurio. Idealmente, o
sistema de diagnstico pode estimar um erro de classificao, como uma
medida para estimar nveis de confiana para as decises decorrentes do
diagnstico.




56
Adaptabilidade: processos, em geral, passam por aperfeioamentos, sofrem
mudanas das entradas externas ou mudanas na estrutura e assim por diante.
As condies de operao do processo sofrem alteraes no somente em
funo das perturbaes, mas tambm das mudanas no ambiente, tais como,
na quantidade de produo, na qualidade dos materiais, na vazo de uma
tubulao, etc. Assim, o sistema de diagnstico deve ser adaptvel a tais
mudanas, sendo possvel de customizar gradualmente o escopo para
adicionar os novos casos que surgem.
Facilidade de explicao: alm da habilidade de identificar a origem das
falhas, o sistema deve fornecer explicaes como a falha se originou e se
propagou at a situao atual. Isso um fator importante para um Sistema
On-line de Suporte Deciso. Por fim, o sistema deve justificar suas
recomendaes ao operador conforme for a avaliao.
Requisito computacional e armazenamento: geralmente, solues de
tempo real exigem requisitos de armazenamento, processamento e consumo
de potncia. O ideal alcanar um sistema de diagnstico que encontre um
ponto de equilbrio entre eles.
3.4 Deteco, Diagnstico e Predio de Falhas
A tcnica de Deteco, Diagnstico e Predio de Falhas (DDPF), apresenta muitas
semelhanas com a Deteco e Diagnstico de Falhas (DDF) da seo anterior. Na
DDPF, aplicam-se tcnicas automticas para detectar e estimar a degradao no
desempenho de sistemas fsicos, projetar uma tendncia no comportamento, antecipar a
ocorrncia de falhas futuras e calcular o tempo restante de vida do sistema, mantendoo
em um estado operacional aceitvel.
com base nos conceitos da tolerncia a falhas que se evita a ocorrncia de falhas
antes de sua manifestao pela deteco da piora do desempenho e recuperao do
sistema por meio de reparos nas partes que sofreram degradao. Essa tcnica
fundamental para a Manuteno Inteligente (Captulo 2) em sistemas industriais.
3.4.1 Processo de DDPF para uma aplicao genrica
O objetivo de um Sistema Automtico de DDPF detectar, com antecedncia, um
desvio no comportamento normal do sistema, evitando a ocorrncia das falhas dentro de
um tempo hbil. Isso permite a remoo das falhas antes que causem danos adicionais
ou prejudiquem o fornecimento dos servios pelo sistema.
A predio importante para a avaliao do impacto nas decises de operao e
manuteno em um sistema, pois permite a transio da manuteno corretiva ou
preventiva para a manuteno proativa (manuteno inteligente). A manuteno
proativa tem como base a antecipao das condies futuras do sistema, tempo restante
antes da falha (ou tempo antes de alcanar um nvel inaceitvel no desempenho), a taxa
de degradao e a origem da falha.
Em um Sistema DDPF, realizado um monitoramento contnuo das condies de
operao do processo industrial em anlise. Ademais, o monitoramento visa detectar
desvios de comportamento em relao s condies normais de funcionamento. Quando
ocorrerem os desvios, preciso identificar a causa e estimar um tempo at a
manifestao de um defeito relacionado degradao que vem ocorrendo. Pode-se




57
tambm diagnosticar a causa da falha encontrada, avaliando sua importncia e decidir
como combat-la.
O processo de monitoramento em um sistema ou equipamento que contm um
Sistema Automtico de DDPF apresentado na Figura 3.4:
1. Monitorar o sistema ou equipamento at detectar alguma condio de
anormalidade (problemas). Essa etapa referente Deteco de Desvio de
Comportamento.
2. Quando detectada uma condio anormal, o sistema deve avaliar se a
manifestao de uma falha ou uma tendncia de degradao no desempenho
do equipamento. Caso seja uma falha, aplica-se o Processo de DDF visto na
Seo 3.3. Caso seja detectado o incio de uma degradao, aplica-se a
Predio de Comportamento.
3. A Predio de Comportamento visa avaliar o comportamento do sistema
utilizando como base um Banco de Conhecimento ou Histrico. Utiliza-se
como premissa que comportamentos passados podem se manifestar
novamente em um tempo futuro.
4. Aps, aplicada a Avaliao do Comportamento, que objetiva calcular uma
estimativa, identificar, classificar uma tendncia que leva o sistema at a
ocorrncia da falha e suas possveis consequncias. Por exemplo, em termos
de probabilidade de defeito, deteco e classificao de uma tendncia,
tempo at a manifestao da falha, origem do defeito, etc.
5. Com base na avaliao anterior, a etapa de Tomada de Deciso acionada e
pode utilizar tambm os resultados do Sistema DDF. Ela prope decidir
como responder percepo da degradao ou ocorrncia da falha (p. ex.,
solicitar reparos por meio de uma manuteno, devido degradao). Essa
etapa pode ser acompanhada de um especialista humano, para tomar as
decises convenientes situao ocorrida, mas no obrigatrio.

Figura 3.4: Exemplo de um Sistema de Deteco, Diagnstico e Predio de Falhas
(DDPF) para uma aplicao genrica.




58
A etapa de tomada de deciso, para o caso de um Sistema DDPF, pode apresentar o
mesmo comportamento do Sistema DDF, como tambm pode funcionar de modo
autnomo. Por exemplo, ao detectar a ocorrncia de uma degradao, o sistema pode
tomar uma deciso sem consentimento de um especialista, tolerando uma degradao
por esta estar prematura. Tambm pode aplicar a autorreconfigurao no equipamento,
limitando um parmetro de construo para aumentar o tempo restante de vida til do
equipamento, mesmo operando em estado degradado.
Outro ponto importante da tomada de deciso de um Sistema DDPF, durante a
avaliao do comportamento, em que a predio pode disponibilizar informaes mais
precisas da condio de funcionamento do sistema. Tambm auxilia a equipe de
especialistas em manuteno a tomar decises corretas, baseadas em variveis realistas
do equipamento, como o ndice de desempenho, a taxa de degradao de partes ou o
tempo restante at falhar.
Na predio de falhas, importante a integrao junto com a deteco de falhas,
pois elas se completam, formando um sistema mais robusto a falhas. Na Tabela 3.1,
apresentado um comparativo entre as duas abordagens, conforme apresentado por
(AGARWAL ET AL., 2007):
Tabela 3.1: Comparao entre predio e deteco de falhas.
Predio de Falhas Deteco de Falhas
Aplica-se antes de surgir falhas Aplicvel quando as falhas se manifestam
Detecta a degradao nos dados coletados
antes de predizer a falha
Devido aos erros e manifestao da falha,
pode causar problema de integridade nos
dados coletados
Custo de manuteno mais barato Custo de manuteno mais caro
Possibilidade de tomada de deciso
autnoma
Tomada de deciso limitada pela ao de
especialista
Uma predio incorreta pode ser um
grande problema
Cobertura de falhas insuficientes pode ser
um problema
No possvel predizer todas as falhas Aplicado a falhas mais comuns

As etapas de deteco, diagnstico e predio seguem um certo padro de ativao.
importante manter funcionando continuamente em tempo real a etapa de Deteco de
Desvio de Comportamento, pois, a partir desta, so acionadas as prximas etapas.
Caso seja detectado um princpio de degradao, a etapa de predio executada ou
se uma falha ou uma degradao muito elevada for detectada, o Sistema de DDF
acionado. Essa sequncia no definida como fixa, mas pode ser varivel dependendo
do objetivo do sistema.
Este trabalho foca no projeto de um Sistema DDPF utilizando tcnicas de redes
neurais. Segundo (KOHONEN ET AL., 1996) a rede neural SOM tem algumas
caractersticas importantes que proporcionam o monitoramento da ocorrncia de falhas
em processos dinmicos. Deste modo, adotou-se aplic-lo como tcnica para testes on-
line e ser apresentado na seo a seguir.





59
3.5 SOM Mapas Auto-Organizveis de Kohonen
Uma importante caracterstica das redes neurais a habilidade de aprender sobre um
determinado ambiente a partir de observaes de amostras. A aprendizagem o meio
pela qual a rede neural adquire conhecimento do ambiente.
O processo de aprendizagem de uma rede neural um processo iterativo de ajustes
aplicados aos seus pesos sinpticos, tornando-se apta a exercer sua ao no ambiente
(classificao, inferncia, etc.). Existe uma grande variedade de algoritmos so
classificados de acordo com o paradigma de aprendizagem, isto , a maneira como a
rede se relaciona com o ambiente. De acordo com o tipo do ambiente para o qual a rede
aplicada, os mtodos podem ser: aprendizagem supervisionada ou aprendizagem no-
supervisionada (HAYKIN, 2001).
O modelo de aprendizagem supervisionada pode ser visto na Figura 3.5. Nas redes
neurais baseadas nesse modelo, o treinamento feito a partir de amostras de entrada e
sada do sistema. Um conjunto de amostras so rotuladas (uma entrada com a sua
respectiva sada desejada). O conhecimento que se tem inicialmente sobre o ambiente
chamado de professor. A diferena entre a resposta desejada (do professor) e a resposta
do sistema (a rede neural) alimenta novamente o sistema para aprendizado, e ajustes
para corrigir os pesos sinpticos da rede so realizados. Esses ajustes so feitos at que
o conhecimento do professor seja transferido para a rede. Com o passar do tempo, o
professor pode ser dispensado.

Figura 3.5: Modelo de aprendizado supervisionado
O modelo de aprendizagem no-supervisionada pode ser visto na Figura 3.6. Nas
redes neurais baseadas nesse modelo, o treinamento feito diretamente a partir das
caractersticas dos dados de entrada, sem necessitar de um professor externo para
ensinar. A rede aprende diretamente do ambiente, criando automaticamente novas
classes. geralmente utilizada em tarefas de classificao e deteco de padres, em
que possvel separar as amostras em grupos, levando em considerao apenas as
proximidades entre seus atributos. Neste trabalho, adotado esse modelo de
aprendizagem, que tambm pode ser chamado de aprendizagem auto-organizada.

Figura 3.6: Modelo de aprendizado no-supervisionado.
O objetivo de um algoritmo para aprendizagem no-supervisionada descobrir
padres de caractersticas nos dados de entrada e fazer essa descoberta sem informaes




60
prvias. O algoritmo dispe de um conjunto de regras confinadas vizinhana imediata
do neurnio que o capacita a aprender e calcular um mapeamento de entrada e sada,
com base principalmente na similaridade dos dados.
A arquitetura de um sistema auto-organizvel consiste de uma camada de entrada
(fonte de dados) e uma camada de sada (de representao) com conexes alimentadas
da entrada at a sada e conexes laterais entre neurnios na camada de sada. O
processo de aprendizagem consiste na modificao repetitiva dos pesos sinpticos em
resposta a padres de entrada e de acordo com regras predeterminadas, at se
desenvolver a configurao final do sistema.
Neste trabalho, adotada a classe de redes neurais conhecidas como Mapas Auto-
Organizveis (SOM Self-Organizing Maps) (KOHONEN, 1990) (KOHONEN, 2001),
que um modelo de arquitetura para um sistema auto-organizvel proposto no final da
dcada de 1980. Nesse modelo, a ideia consiste em que os neurnios da rede devem
competir entre si. Como resultado dessa competio, tem-se o neurnio vencedor.
Em um Mapa Auto-Organizvel, os neurnios so alocados em uma forma
bidimensional ou unidimensional. Os neurnios so ajustados por estmulos externos
vindos da entrada. Com o tempo, as localizaes espaciais dos neurnios se tornam
ordenadas entre si, formando um sistema de coordenadas para as diferentes
caractersticas extradas da entrada.
Um Mapa Auto-Organizvel caracterizado pela formao de um mapa topogrfico
dos estmulos de entrada, em que as localizaes espaciais (coordenadas) dos neurnios,
na grade, so indicativas das caractersticas estatsticas intrnsecas contidas nos padres
de entrada.
3.5.1 Fundamentos
A fundamentao terica para o Mapa Auto-Organizvel (SOM) est baseado em
(HAYKIN, 2001). O principal objetivo do SOM a transformao do padro de um
sinal de dimenso arbitrria em um mapa discreto uni ou bidimensional. Essa
transformao realizada de uma maneira adaptativa em que se mantm a mesma
ordem topolgica dos dados de entrada.
Na Figura 3.7, apresentada a arquitetura clssica a partir da qual o SOM
modelado (KOHONEN, 2001). O formato bsico da rede composto por neurnios
arranjados em linhas (Dimenso L) e colunas (Dimenso C) dispostos em forma bi ou
unidimensional, chamada de Camada de Sada, formando o Mapa de Caractersticas.
Cada neurnio conectado com todos os ns da Camada de Entrada. Na Camada de
Entrada, so apresentados os padres ou estmulos de entrada para a rede. Cada
neurnio contm um Peso Sinptico que representa as caractersticas individuais de
cada um.
O algoritmo do mapa auto-organizvel inicializa os pesos sinpticos na rede,
atribuindo-lhes valores com nmeros aleatrios, assegurando, dessa forma, que
nenhuma organizao prvia seja imposta ao mapa de caractersticas. Uma vez
inicializada a rede, so aplicadas trs fases durante o treinamento:
Competio: cada padro de entrada apresentado para todos os neurnios
da rede que calculam seus respectivos valores com base em uma funo de
similaridade, que atribui crdito para cada neurnio. Essa funo fornece a
base para a competio entre os neurnios. O neurnio que apresentar maior




61
valor da funo de similaridade (mais prximo do padro de entrada)
declarado como vencedor da competio.

Figura 3.7: Arquitetura da rede neural SOM proposta por (KOHONEN, 2001).
Cooperao: o neurnio vencedor determina uma localizao espacial,
que forma uma vizinhana topolgica para excitao dos neurnios mais
prximos. Isso fornece a base de cooperao entre os neurnios contidos na
vizinhana.
Adaptao Sinptica: os neurnios excitados recalculam seus pesos
sinpticos para melhorar seus valores individuais da funo de similaridade
em relao ao padro de entrada. Os ajustes so aplicados de tal modo que,
quando uma nova apresentao de um padro de entrada for similar
resposta do neurnio vencedor, este recebe ajustes finos a fim de melhorar
seus resultados.
3.5.1.1 Processo de competio
Considere que N representa a dimenso do espao de entrada de dados. Um padro
ou vetor de entrada x selecionado aleatoriamente em um conjunto do espao de entrada
X, representado por
[ ]
T
N
x x x , , ,
2 1
L = x .
(1)
O vetor de peso sinptico para cada neurnio da rede tem a mesma dimenso do
espao de entrada. Considere que o vetor peso sinptico w do neurnio j seja
representado por
[ ]
T
jN j j j
w w w , , ,
2 1
L = w ,
(2)
onde j=1,2,...,l, e l o nmero total de neurnios na rede.
Para encontrar o melhor casamento do vetor de entrada x com os vetores pesos
sinpticos w
j
, preciso comparar os produtos internos w
j
T
x para j=1,2,...,l e selecionar o
maior. Assim, selecionando o neurnio com o maior produto interno, determinamos a
localizao onde a vizinhana topolgica dos neurnios excitados deve ser centrada.




62
Um critrio para definir o melhor casamento entre os vetores x e w
j
minimizar a
distncia euclidiana entre eles. O ndice i(w
j
) ser utilizado para identificar o neurnio
que melhor se casa com o vetor de entrada x, ento seja
j j
i w x x = min arg ) ( , (3)
onde o neurnio particular i chamado de neurnio vencedor ou BMU (Best-Matching
Unit) para o vetor de entrada x.
Em geral, o SOM utiliza a tcnica de casamento entre padres para dar crdito s
entradas similares, formando um grupo especializado. A similaridade entre padres
calculada pela medida da distncia euclidiana. Quando um padro de entrada avaliado
como no similar em relao aos agrupamentos anteriormente formados, um novo
agrupamento estabelecido. Seu padro guardado como definio para o novo e as
avaliaes subsequentes de similaridade sero em relao a esse novo padro.
A ideia de formar agrupamentos visa maximizar a separao entre eles. Durante a
formao dos agrupamentos, a distncia euclidiana utilizada para fornecer crdito aos
padres com caractersticas mais similares.
3.5.1.2 Processo de cooperao
O neurnio vencedor tem a funo de localizar o centro de um agrupamento mais
prximo ao padro de entrada e atualizar a vizinhana topolgica de neurnios
cooperativos.
A definio correta de uma vizinhana topolgica, do ponto de vista neurobiolgico,
vem da evidncia de uma interao lateral entre um agrupamento de neurnios
excitados. Um neurnio que est emitindo um estmulo (sinapse) tende a excitar com
maior intensidade os neurnios na sua vizinhana imediata do que aqueles distantes
dele. Ento, deve-se fazer com que a vizinhana topolgica em torno do neurnio
vencedor i decaia suavemente com a distncia lateral.
Considere que h
i,j
represente a vizinhana topolgica centrada no neurnio vencedor
i e que contenha um conjunto de neurnios excitados (cooperativos), sendo um neurnio
tpico desse conjunto representado por j.
Seja d
i,j
a representao da distncia lateral entre o neurnio vencedor i e o neurnio
excitador j. Assumindo que a vizinhana topolgica h
i,j
uma funo unimodal da
distncia d
i,j
, pois satisfaz as seguintes exigncias:
A vizinhana topolgica h
i,j
simtrica em relao ao ponto mximo
definido por d
i,j
=0, ou seja, alcana o seu valor mximo de excitao no
neurnio vencedor i quando a distncia d
i,j
zero.
A amplitude da excitao da vizinhana topolgica h
i,j
decresce
monotonicamente com o aumento da distncia lateral d
i,j
, decaindo a zero
quando a distncia tende ao infinito. Esta condio necessria para a
convergncia.
Uma escolha tpica de h
i,j
a funo gaussiana, ou seja,

=
2
2
) ( ,
2
) (

x
x
i j
d
i
e h
,
(4)




63
que invariante translao (independentemente da localizao do neurnio vencedor).
O parmetro a largura efetiva da vizinhana topolgica, medindo o grau com que
os neurnios excitados dentro da vizinhana do vencedor participam do processo de
aprendizagem. Em um sentido qualitativo, a vizinhana topolgica gaussiana da
Equao 4 mais apropriada biologicamente do que uma vizinhana definida como
retangular (HAYKIN, 2001).
Para que a cooperao entre os neurnios vizinhos se mantenha, necessrio que a
vizinhana topolgica h
i,j
seja dependente da distncia lateral d
i,j
entre o neurnio
vencedor i e o neurnio excitado j no espao de sada. Conforme a Equao 4, para o
caso de uma rede bidimensional, a distncia definida por
2
2
, i j i j
d r r = , (5)
onde o vetor r
j
define a posio do neurnio excitado j e r
i
define a posio do neurnio
vencedor i, sendo ambos medidos no espao de sada.
Outra caracterstica importante do SOM que o tamanho da vizinhana topolgica
diminui com o tempo. Essa exigncia satisfeita fazendo-se com que a largura da
funo de vizinhana h
i,j
diminua com o tempo, durante a execuo do algoritmo de
treinamento.
3.5.1.3 Processo de adaptao
Por ltimo, tem-se o processo que realiza adaptao dos pesos sinpticos para a
formao auto-organizada do mapa de caractersticas. Para que a rede seja auto-
organizvel, necessrio que o vetor de peso sinptico w
j
do neurnio j da rede se
modifique em relao ao vetor de entrada x.
Usando um formalismo de tempo discreto, dado o vetor de peso sinptico w
j
(n), do
neurnio j no tempo n, o vetor de peso atualizado w
j
(n+1), no tempo n+1, definido
por
( ) ( ) ( ) ( ) ( ) ( ) n h n n n
j i j j j
w x x w w
x
+ = +
) ( ,
1 ,
(6)
onde (n) o parmetro da taxa de aprendizagem, h
j,i(x)
(x) funo da vizinhana
topolgica. Essa equao deve ser aplicada a todos os neurnios da rede que se
encontram dentro da vizinhana topolgica do neurnio vencedor i.
A adaptao tem o efeito de mover o vetor peso sinptico w
i
do neurnio vencedor i
em direo ao vetor de entrada x. Para isso, deve ser aplicada a apresentao repetitiva
dos dados de entrada. Desse modo, os vetores de pesos sinpticos tendem a seguir a
distribuio dos vetores de entrada devido atualizao da vizinhana.
Nessa parte do algoritmo, leva-se a uma ordenao topolgica do mapa de
caractersticas, no sentido de que neurnios adjacentes da rede tendero a ter vetores de
peso sinptico similares. Na Figura 3.8, apresentado um exemplo do funcionamento
do processo adaptativo.
Aps ser definido o neurnio vencedor (BMU), os demais neurnios da mesma
vizinhana so ajustados em direo ao dado de entrada x. Durante a adaptao, o SOM
consegue gradualmente, a partir de um estado inicial em completa desordem
(inicializao aleatria), atingir uma representao organizada com base nos padres do
espao de entrada.




64

Figura 3.8: Processo de adaptao dos pesos sinpticos.
Alm disso, a adaptao dos pesos sinpticos calculada de acordo com a Equao 6,
pode ser decomposta em duas fases:
Fase de auto-organizao ou de ordenao: durante esta primeira fase do
processo adaptativo que ocorre a ordenao topolgica dos vetores de peso.
A fase de ordenao pode exigir 1.000 iteraes do algoritmo SOM e,
possivelmente, at mais. preciso prestar ateno escolha do parmetro
de aprendizagem e funo de vizinhana.
Fase de convergncia: esta segunda fase do processo adaptativo
necessria para realizar uma sintonia fina no mapa de caractersticas e,
assim, produzir uma quantizao estatstica precisa do espao de entrada.
Portanto, essa fase pode durar milhares de iteraes.
Mais detalhes sobre as heursticas utilizadas durante o funcionamento do algoritmo
podem ser vistos em (HAYKIN, 2001) e (KOHONEN, 2001).
3.5.2 Algoritmo de treinamento
O algoritmo padro de treinamento do SOM consiste na apresentao das trs fases
em uma sequncia preestabelecida. Na primeira fase, processo de competio, os
neurnios da camada de sada competem entre si atribuindo crditos para cada um,
seguindo o critrio da distncia euclidiana para encontrar o neurnio vencedor. Na
segunda fase, processo de cooperao, definida uma vizinhana topolgica para o
neurnio vencedor. Na terceira e ltima fase, processo adaptativo, os vetores de peso
sinptico do neurnio vencedor e de sua vizinhana so ajustados.
Seja X o conjunto de padres de entrada composto pelos vetores x
k
, k = 1,..., m, onde
m a quantidade de vetores de entrada, tem-se o seguinte algoritmo:
Iniciar os vetores de pesos sinpticos com valores aleatrios e
parmetros e h;
Para cada poca n, faa um treinamento:
Para todo X
k
x para o tempo discreto n, faa
Localizar o neurnio vencedor i seguindo o critrio da
distncia euclidiana (Equao 3). A ordem de apresentao
dos vetores de entrada deve ser aleatria.
Atualizar os vetores de pesos sinpticos w
i
do neurnio
vencedor e dos vizinhos conforme a Equao 6.
Fim




65
Atualizar os parmetros e h.
Fim
3.5.2.1 Avaliao do treinamento
Aps o treinamento, importante um mtodo para avaliar a qualidade do mapa
gerado. O erro mdio de quantizao (Em
q
) corresponde mdia do erro
correspondente diferena entre o vetor de pesos sinpticos x
k
e o vetor vencedor i(x
k
),
seguindo a equao
N
Em
N
k
i k
q

=

=
1
) ( x
w x
,
(7)
onde N a quantidade de vetores de entrada e w
i(x)
o vetor de peso sinptico do
vencedor.
A medida do erro mdio de quantizao revela a similaridade dos dados de entrada
em relao ao conhecimento adquirido pelo SOM durante o treinamento. importante
para acompanhar a evoluo das adaptaes durante as vrias pocas de treinamento.
Quando utilizado apenas um padro como vetor de entrada, o erro de quantizao
revela a similaridade deste em relao ao mapa. Quando um valor baixo desse erro
obtido, representa uma grande similaridade com os dados treinados e pleno
reconhecimento pelo mapa. Um valor alto do erro representa uma dissimilaridade ou
desvio de caractersticas, revelando que o mapa no conhece as caractersticas do
padro apresentado (KOHONEN ET AL., 1996).
A equao do erro de quantizao fica conforme a seguir
) ( x
w x
i k q
E = , (8)
onde w
i(x)
o vetor de peso sinptico do vencedor.
A representao grfica dessa equao visualizada na Figura 3.9. No grfico,
mostrado o espao de caractersticas de um SOM treinado e o vetor de entrada x(t) que
se aproxima do SOM. O Erro de Quantizao (E
q
) apresentado como sendo a
diferena vetorial entre o vetor de entrada e a aproximao feita pelo SOM (neurnio
vencedor).
Aproximao
do SOM
S
O
M
Erro Quantizao
E
q
Vetor de
entrada x(t)
X
1
X
2
X
3

Figura 3.9: Ilustrao do clculo do erro de quantizao.




66
No algoritmo padro de treinamento, os vetores de entrada do conjunto X devem ser
inseridos de forma aleatria durante o treinamento, para que haja garantia de
uniformidade na apresentao dos padres.
Define-se uma quantidade de pocas para carregar os vetores de entrada rede.
Alm disso, se aplica uma normalizao nos vetores de entrada.
O processo de competio, dentre as trs fases do treinamento, o que apresenta
maior custo computacional. Nessa fase, aplicada uma busca sequencial em todo o
mapa para localizar o neurnio vencedor.
A dimenso do mapa auto-organizvel e a dimenso N dos vetores dependem do
problema da aplicao. Na literatura, existem diversas propostas para determinar a
dimenso do SOM, mas normalmente realizado por um processo emprico. Em
(VESANTO, JUHA, 1999) (ENDO ET AL., 2000), foi proposta uma tcnica automtica
que visa analisar os dados de entrada e encontrar uma dimenso que minimize o custo
de memria e de processamento, apresentando resultados de treinamento satisfatrio.
Outra informao importante para definir a dimenso do mapa a quantidade de
amostras de entrada como padres utilizados para treinamento. Quando so
apresentados grandes volumes de amostras de entrada, geralmente mais indicado
utilizar mapas maiores. Todavia, mapas grandes comprometem o desempenho do
algoritmo e mapas muito pequenos comprometem a formao topolgica.
A determinao dos parmetros da Equao 6 feita de modo emprico e
fortemente baseada nos experimentos e mtodos de tentativa e erro. A taxa de
aprendizagem (n) assume um valor pr-fixado (0)<1, e deve decair com o tempo n
at um valor prximo de zero. Analogamente, a funo de vizinhana h
j,i(x)
tambm
assume um valor pr-fixado que seja adequado para maximizar a qualidade da formao
dos agrupamentos no mapa. Mais detalhes dos parmetros consultar (HAYKIN, 2001) e
(KOHONEN, 2001).
3.5.3 Propriedades do mapa de caractersticas
Uma vez treinado, o mapa gerado apresenta algumas caractersticas estatsticas que
so importantes de serem revisadas conforme (HAYKIN, 2001):
1. Aproximao do espao de entrada: o mapa de caractersticas deve fornecer
uma aproximao favorvel ao espao de entrada. O objetivo bsico
armazenar um grande conjunto de vetores de entrada, em um conjunto
reduzido de neurnios, de modo que fornea uma boa aproximao para o
espao de entrada original. Essa ideia est fundamentada na teoria da
quantizao vetorial, cuja motivao a reduo da dimensionalidade ou
compresso de dados.
2. Ordenao topolgica: o mapa de caracterstica deve estar topologicamente
ordenado, no sentido de que a localizao espacial de um neurnio
corresponda a um domnio particular ou a uma caracterstica dos padres de
entrada. Isso devido Equao 6 forar o neurnio vencedor a mover-se
em direo ao vetor de entrada, o que por consequncia move tambm os
neurnios mais prximos dentro da vizinhana.
3. Casamento de densidade: o mapa de caractersticas deve refletir as variaes
da distribuio de entrada. Regies do espao de entrada com uma alta
probabilidade de ocorrncia (estmulos que ocorrem com frequncia) sero




67
mapeadas para domnios maiores no mapa, do que regies com baixa
probabilidade de ocorrncia.
3.5.4 Interpretao do resultado do SOM
Embora o SOM no apresente um mdulo em particular para resultados de sada,
como no caso das redes neurais de aprendizagem supervisionada, necessria uma
etapa de processamento para extrair os resultados, conhecida por teste, atuao ou
recuperao.
Dependendo da aplicao-alvo utilizada, a resposta do sistema pode ser tanto o
ndice ou o peso sinptico do neurnio vencedor. O ndice do neurnio vencedor infere
a localizao espacial de acordo com a ordem topolgica, indicando em qual
agrupamento do mapa o dado de entrada foi mapeado. Este o princpio para a
classificao de padres. O peso sinptico do neurnio vencedor uma generalizao
para o dado de entrada, fornecendo uma aproximao para o espao de entrada.
Aps o processo de treinamento, tambm se deseja avaliar visualmente o resultado
da formao topolgica e a densidade do mapa. Destacam-se aqui duas formas de
representao visual propostas por (KOHONEN ET AL., 1996) (VESANTO, JUHA,
1999) (HAYKIN, 2001): a mais simples reproduzir graficamente os vetores de pesos
sinpticos em um espao de coordenadas; e a outra forma a matriz de distncia entre
os vetores de pesos sinpticos que reproduz uma imagem (fotografia) do mapa.
3.5.4.1 Algoritmo de teste
Este algoritmo importante para se extrair resultados do SOM.
Seja T o conjunto de padres de entrada de teste composto pelos vetores x
k
, k = 1,...,
m, onde m a quantidade de vetores de teste. Tem-se o seguinte algoritmo:
Para cada T
k
x faa
Localizar o neurnio vencedor i seguindo o critrio da
distncia euclidiana (Equao 3);
Escrever na sada o peso sinptico do neurnio vencedor;
Escrever na sada o ndice do neurnio vencedor;
Escrever na sada o valor da distncia euclidiana como erro de
quantizao;
Fim
Escrever na sada o valor do erro de quantizao mdio.
3.5.4.2 Vetores de pesos sinpticos no espao R
d

Para o caso da dimenso dos vetores de pesos sinpticos ser d3, pode-se adotar o
uso destes como coordenadas de um produto cartesiano em um espao dimensional R
d

para visualizao da organizao dos neurnios.
Seja a Figura 3.10 a sequncia de treinamento, em que foram reproduzidas
graficamente as coordenadas dos neurnios em pocas diferentes, em uma dimenso
d=2. A imagem superior esquerda, corresponde ao mapa inicializado aleatoriamente
revelando nenhuma uniformidade. Durante o treinamento, pode-se visualizar a
convergncia para um estado de equilbrio formando uma grade. Como resultado final
desse treinamento, aps vrias pocas, visualizada, na imagem inferior direita, uma
formao mais uniforme da rede e oposta inicial. Isso deve-se ao SOM atingir um
ponto de equilbrio durante o treinamento.




68

Figura 3.10: Exemplo de sequncia de treinamento, representando os pesos sinpticos
de um SOM em pocas diferentes.
3.5.4.3 Matriz de distncia unificada
Para os casos em que necessrio avaliar as formaes topolgicas dos neurnios no
mapa, quando a dimenso dos vetores de pesos sinpticos d>3, o mtodo utilizado o
da matriz de distncias unificada (U-Matrix Unified Distance Matrix) (VESANTO,
JUHA, 1999) (ENDO ET AL., 2000) (SILVA, 2004). A U-Matrix uma matriz
composta pelas distncias entre todos os neurnios vizinhos, em que tais distncias so
obtidas pela mdia aritmtica entre os pesos sinpticos de toda a vizinhana do neurnio
e de seu prprio peso.
A U-Matrix representada por uma imagem do mapa, em que o nvel de intensidade
de cada pixel corresponde a uma distncia calculada. Um mapa 2-D, de dimenso NxM,
gera uma imagem (2N-1)x(2M-1).
Na imagem, a colorao dos pixels de acordo com a intensidade de cada
componente da matriz. Valores altos (cores vermelhas) correspondem a neurnios
vizinhos dissimilares, que equivale formao de fronteiras no mapa. Valores baixos
(cores azuis) correspondem a neurnios vizinhos similares, correspondendo formao
de vales onde se agrupam neurnios com padres semelhantes.
Na Figura 3.11, apresentado o exemplo de uma U-Matrix, para uma rede neural
treinada para classificao das subespcies da planta ris, um problema clssico de redes
neurais. Na figura, visvel a existncia de fronteiras de separao entre agrupamentos.
Quanto mais dissimilares forem os agrupamentos em relao aos vizinhos, maior ser a
distino entre eles e a fronteira. Essa tcnica importante para a descoberta de
similaridades entre os agrupamentos.
Utilizar a U-Matrix como sada tem por objetivo permitir a deteco visual das
relaes topolgicas dos neurnios (SILVA, 2004). Essa tcnica extremamente til
quando os vetores de pesos sinpticos tm dimenso superior a trs.
Pelo fato da U-Matrix ser uma imagem relativamente complexa para alguns
problemas, pode ser difcil a visualizao e a interpretao para usurios pouco




69
experientes. Existem alguns estudos que visam realizar um processamento sobre o
mapa, a fim de fazer uma deteco automtica da formao dos agrupamentos por meio
de tcnicas de processamento de imagens (SILVA, 2004).

Figura 3.11: Exemplo de visualizao pela U-Matrix. (a) visualizao padro em duas
dimenses e (b) visualizao em trs dimenses.
3.6 Mapa Temporal de Kohonen
A proposta original de Kohonen em criar o SOM foi baseada no processamento de
dados estticos, que so relacionados espacialmente. Contudo, tambm pode existir
uma correlao temporal entre esses dados, para o caso dos padres que ocorrem
sequencialmente no tempo, em que um padro individual no tenha significado sozinho.
Para tais padres, denominados temporais ou dinmicos, a ordem em que eles so
observados no tempo e o conjunto de dados que precedem ou seguem, tem um papel
fundamental e deve ser levado em considerao pelo modelo de processamento neural
(BASTOS, 2007).
Dessa forma, importante utilizar, neste trabalho, um caso de rede neural que tenha
incorporado operaes de processamento temporal, pois muitas das tarefas no mundo
real acontecem em tempos diferentes. Por exemplo, nos sistemas industriais as tarefas
so desempenhadas por equipamentos eletrnicos que analisam variveis de sensores
em instantes de tempo diferentes e acionam atuadores em tempos diversos (usina
hidroeltrica, computador, automvel, sistema de um avio, etc.). Alm disso, os seres
humanos tambm tomam decises e tm respostas comportamentais a estmulos
ocorridos no espao e no tempo (viso, fala, decises empresariais, economia, etc.). A
capacidade de processar tais padres temporais deve ser uma propriedade relevante em
um sistema inteligente.
Nos ltimos anos, as pesquisas se concentraram em redes neurais com base no
aprendizado supervisionado para processarem informaes temporais, entre elas cita-se
a Rede Elman (ELMAN, 1990). Todavia, existem alguns modelos para lidar com
sequncias temporais em redes no-supervisionadas, apenas recentemente essa classe de
redes neurais tem recebido ateno dos pesquisadores.




70
Neste trabalho, adotou-se seguir a mesma linha de raciocnio e utilizar uma rede
neural baseada na aprendizagem no-supervisionada para tratar a questo temporal.
Seus conceitos e fundamentos so apresentados a seguir.
3.6.1 Conceitos bsicos de sries temporais
De acordo com (BARRETO, 1998) (BARRETO, 2002) (BARRETO ET AL.,
2001), um padro temporal uma sequncia espao-temporal formada por um conjunto
finito e ordenado no tempo, composto por N vetores de caractersticas. Para o propsito
computacional, assume-se que uma sequncia temporal composta de componentes
discretos ordenados no tempo:
{ } N) (t ) (t ) (t (t) X
N
= x x x x , , 2 , 1 , L , (9)
onde cada componente denotado por [ ]
T
n
(t) ,x (t), (t),x x (t) L
2 1
= x e a varivel t
usada para representar um instante particular de tempo.
O termo processamento de sries temporais diz respeito a algumas das seguintes
tarefas:
Classificao: a rede produz um sinal em resposta a uma sequncia de
entrada quando esta encontrar similaridade com algum padro na rede. Pode
ser chamada tambm de reconhecimento de sequncias.
Teste: a rede deve reproduzir previamente a sequncia aprendida na ordem
temporal correta.
Predio: estimar itens do futuro de uma dada sequncia de entrada com base
nos valores observados no passado.
As sries temporais tm algumas propriedades devido diversidade dos sinais
temporais. O conhecimento dessas propriedades til para entender as aplicaes
envolvidas nas redes neurais temporais:
1. Ordem: posio relativa de cada item da sequncia em relao ao outro.
2. Mtrica: durao de um padro no tempo em relao a outros padres da
sequncia.
3. Densidade: nmero de vetores de caractersticas que compem uma
sequncia, ou seja, a taxa de amostragem.
4. Assimetria: sentido do tempo no pode ser invertido.
5. Contexto temporal: a menor subsequncia formada por itens passados que
possibilitam determinar sem ambiguidades o item atual da sequncia.
6. Grau: nmero de itens que compem o contexto temporal.
Essas propriedades esto envolvidas geralmente na construo do modelo, sendo
codificadas como parmetros.
3.6.1.1 Memria de curta durao
Para estabelecer associaes e extrair correlaes temporais entre padres
consecutivos de uma dada sequncia, uma rede neural deve ser capaz de reter e manter
provisoriamente informaes sobre itens de um passado prximo. O mecanismo de




71
reteno denominado de memria de curto prazo (STM short-term memory) e
amplamente utilizado no processamento de sequncias temporais (BARRETO, 2002).
Basicamente, memrias de curto prazo convertem informao temporal em espacial,
possibilitando que redes estticas convencionais sejam empregadas em tarefas de
processamento de informao temporal. Essa abordagem proporciona construir um
sistema dinmico no-linear, que fornea uma clara separao de responsabilidades: a
rede esttica responsvel pela no-linearidade e a memria responsvel pelo tempo.
Uma memria de curto prazo no tem nenhum tipo de aprendizado e, por essa razo,
o seu comportamento totalmente determinado pelos parmetros de funcionamento do
modelo.
Em (BARRETO, 2002) apresentado um modelo de memria de curto prazo,
baseado na utilizao de integradores na entrada ou na sada da rede. Tem-se que o
vetor de entrada da rede passa a ser representado por (t) x e os itens atuais da sequncia
por x(t), ento a funo que expressa a relao com as entradas anteriores em um
instante t fica:
( ) ( ) ( ) ( ) t t t x x x + = 1 1 , (10)
onde a constante de integrao e 0<1 chamada de profundidade da memria,
pois determina o grau de influncia das entradas anteriores sobre a entrada atual. A
determinao desse parmetro feita por tentativa e erro em experimentos empricos.
Quando a rede TKM est com o parmetro (=1), ela se comporta como um SOM
convencional com entradas estticas. Quando a rede TKM est com o parmetro
(0<1), ela se comporta dinamicamente. No primeiro caso, separa-se de um conjunto
de treinamento as categorias, de acordo com semelhanas espaciais, enquanto no
segundo, separam-se os vetores de entrada por uma combinao de semelhana espacial
e proximidade temporal, em que a contribuio relativa dos dois fatores determinada
pelo parmetro .
Em (KANGAS, 1990), ao utilizar a rede SOM original, foi substitudo o vetor de
entrada original x(t) por uma verso temporal de acordo com a Equao 10. O SOM
modificado (insero de uma memria de curto prazo) foi aplicado no problema de
reconhecimento de fonemas e obteve taxa de acertos superiores ao SOM convencional.
Para mais detalhes sobre os principais conceitos de sries temporais e modelos de
memrias de curto prazo relatados na literatura, consultar os trabalhos de (MOSER,
2004) (BASTOS, 2007) (BARRETO, 1998) (BARRETO, 2002) (BARRETO ET AL.,
2001).
3.6.2 Algoritmo de Treinamento
Neste trabalho, foi adotada a utilizao do Mapa Temporal de Kohonen (TKM
Temporal Kohonen Map), que uma proposta de (CHAPPEL; TAYLOR, 1993). Eles
modificaram o SOM original por meio da incluso de uma memria de curto prazo, com
base em integradores na sada de cada neurnio da rede (Equao 10).
A rede agora apresenta uma tcnica que mantm o histrico de ativaes a
i
(t) para
cada um dos neurnios da seguinte forma:
( ) ( ) ( ) ( )
2
) (
2
1
1 1 t t t a t a
j j j
w x = , (11)




72
onde 0<1 a profundidade da memria, x(t) o item atual da sequncia e w
j
(t) o
vetor de peso sinptico do neurnio j. Um neurnio da rede TKM calcula sua ativao
no instante t, que decai a uma taxa dada pela constante de tempo |1/(1- )|.
O neurnio vencedor calculado e localizado pela mxima ativao dos dados no
histrico, que so formados pela entrada atual e pelos vetores de entrada prvios. Ento,
cada sequncia processada mapeando um vetor por instante de tempo, em que o
ltimo neurnio vencedor serve para representar a sequncia inteira. O clculo do
vencedor conforme a equao:
{ } ( ) { } t a t i
j
j
= max ) ( x ,
(12)
onde, a vizinhana topolgica e a atualizao dos pesos sinpticos so ajustadas da
mesma forma em que o SOM convencional, conforme visto na seo 3.5.
O algoritmo de treinamento para o TKM segue as mesmas etapas vistas na seo
3.5. Entretanto, com uma modificao no momento da escolha dos neurnios
vencedores, em que alm de se calcular a distncia euclidiana, tambm realizada uma
avaliao da combinao espao-temporal da srie de entrada. importante lembrar que
no TKM a entrada da rede neural, agora, composta por uma sequncia de dados, e no
apenas por um dado esttico como no SOM convencional.
A estratgia utilizada pelo TKM resulta em neurnios que respondem a sequncias
especficas. (CHAPPEL; TAYLOR, 1993) aplicaram o TKM com sucesso no
reconhecimento de fonemas que ocorrem em uma mesma posio, porm em contextos
diferentes. Por exemplo, as sequncias a-b-c-d e r-s-t-d so classificadas como distintas
por que a letra d tem claramente contextos temporais distintos.
Entretanto, o TKM apresenta algumas falhas na identificao de sequncias que
requerem informao contextual de longo prazo e gera ambiguidade em todos os casos
que tenham a mesma mdia mvel. Isso ocorre porque a determinao do neurnio
vencedor depende principalmente das entradas mais recentes e a profundidade da
memria limitada pelo parmetro .
Em (BARRETO ET AL., 2001), apresentadao uma reviso das principais
aplicaes para o qual o TKM foi utilizado para solucionar problemas. Por exemplo, o
TKM foi aplicado em uma arquitetura de controle adaptativa para aprender um trajeto
de um caminho percorrido por um rob. Tambm foi aplicado para localizar objetos de
duas dimenses em imagens que so captadas em tempo real por uma linha de produo
para classificao de produtos.
3.6.3 Algoritmo de Teste
Seja T uma srie de padres de entrada para teste, com janela temporal t, composta
pelos vetores x
k
, k = 1,... , t, tem-se o seguinte algoritmo:
Para cada srie T faa
Para cada k de 1 at t faa
Calcular a distncia euclidiana entre
k
x e os neurnios;
Calcular ativao para os neurnios, utilizando as ativaes
passadas, conforme Equao 11.
Fim
Localizar o neurnio com a maior ativao e defini-lo como
vencedor, conforme Equao 12;
Escrever na sada o peso sinptico do neurnio vencedor;




73
Escrever na sada o ndice do neurnio vencedor;
Fim

3.6.4 Resultados do TKM
A interpretao dos resultados para o TKM realizada da mesma forma como
realizada no SOM convencional. Como resultados a serem extrados tm-se, os pesos
sinpticos como coordenadas em um grfico, ou a imagem da matriz de distncia
unificada (U-Matrix).
A principal diferena entre os resultados do TKM e o SOM convencional est na
correlao espao-temporal entre cada amostra de entrada. Para o caso da U-Matrix,
pode-se projetar a trajetria da formao dos neurnios vencedores, que proporciona
visualizar o caminho percorrido pelos dados entre os agrupamentos. Nesse caso, pode-
se identificar uma tendncia (ou padro) de comportamento, acompanhando a evoluo
em um perodo de tempo. Ver Figura 3.12(a).
0 5 10 15 20 25 30
0
10
20
30
40
50
60
70

n
d
i
c
e

d
o

n
e
u
r

n
i
o
Tempo
Trajetria x Tempo
Trajetria dos
neurnios
vencedores
1
11
56
66
(a) (b)

Figura 3.12: (a) Visualizao da trajetria dos neurnios vencedores e (b) localizao da
trajetria em cada instante de tempo.
O TKM tambm pode ser interpretado por meio da projeo em um grfico da
relao entre os vencedores para cada srie em um perodo de tempo. Alm disso,
proporciona a observao do instante em que ocorrem as mudanas de vencedores,
identificando uma tendncia para a classificao das sries. Geralmente, quando ocorre
a troca de vencedores, quer dizer que a srie de entrada tambm sofreu modificaes em
relao a seus valores prvios. Isso importante para analisar as mudanas de
comportamento do sistema. Ver Figura 3.12(b).
Outra anlise que pode ser feita sobre o grfico da relao entre os vencedores, em
um perodo de tempo, avaliar a generalizao do TKM para diferentes amostras de um
mesmo tipo de dado. Essas amostras podem ter sofrido rudos externos. Quando o
grfico produzido, a generalizao do TKM avaliada comparando o resultado de
cada srie com as outras, onde deve-se obter a mesma sequncia de neurnios
vencedores entre elas.




74
Isso diz respeito ao TKM ter a capacidade de reconhecer e identificar corretamente
as sries de amostras, mesmo pertencendo a situaes semelhantes e com incidncia de
rudos deve apresentar o mesmo comportamento.
3.6.5 Comparao entre o SOM e TKM
As redes neurais SOM e TKM tm muitas semelhanas entre si. Do ponto de vista
do algoritmo de treinamento, a nica etapa que apresenta diferenas no algoritmo a de
competio, em que ocorre a escolha do neurnio vencedor.
Do ponto de vista do tratamento dos dados de entrada, o SOM convencional
trabalha com dados estticos e processa um padro de entrada por vez. J o TKM
processa uma srie de padres de entrada, em que o neurnio vencedor escolhido
sempre quando o ltimo padro da srie apresentado para a rede.
A etapa de teste tambm apresenta diferenas significativas, em que no SOM
padro usa-se basicamente a distncia euclidiana, e no TKM necessita-se, alm da
distncia euclidiana, do clculo do histrico de ativaes para cada neurnio.
Na Tabela 3.2, apresentada uma comparao evidenciando as principais
diferenas entre as duas abordagens.
Tabela 3.2: Comparao entre SOM e TKM.
SOM TKM
Padres de entrada Trata os padres de entrada
como dados independentes.
Trata sries de dados como
padres de entrada arranjados
em um perodo de tempo.
Tratamento dos dados Dados avaliados apenas nas
questes espaciais.
Dados avaliados nas questes
espaciais e temporais.
Neurnio vencedor Menor distncia euclidiana
em relao ao padro de
entrada e os neurnios.
Critrio da maior ativao
para uma srie como entrada
em relao aos neurnios.
Competio Calcular a distncia
euclidiana para todos os
neurnios do mapa. Escolhe
o neurnio vencedor.
Alm da distncia euclidiana
entre todos os neurnios do
mapa, so calculadas as
ativaes.
Cooperao Definio da vizinhana de
formao topolgica.
Idem ao SOM.
Adaptao Atualizao dos pesos
sinpticos dos neurnios.
Idem ao SOM.
Recuperao Baseada na menor distncia
euclidiana.
Baseada na maior ativao.
3.7 Motivao de usar o SOM para Analisar Falhas
Segundo (KOHONEN ET AL., 1996) o SOM tem algumas caractersticas
importantes que proporcionam o monitoramento da ocorrncia de falhas em processos
dinmicos. Por exemplo, um processo de produo industrial, em que, devido grande




75
quantidade de variveis e dados coletados, as falhas se mostram difceis de analisar.
Ento, necessrio um processamento nesses dados que viabilize o estudo das relaes
entre as informaes adquiridas.
O modelo do SOM implementa uma projeo no-linear de caractersticas de um
espao sensorial em um arranjo de neurnios com dimenso reduzida. Alm de mapear
sinais de entrada com dimenso elevada em uma estrutura com dimenso inferior, o
SOM assegura a forma ordenada dos dados, durante o mapeamento, preservando as
relaes topolgicas no domnio do sinal. Devido a isso, tende a criar agrupamentos de
informaes e relacionamentos dos dados de entrada em uma representao espacial
formando um mapa.
A mais importante caracterstica do SOM a visualizao de sistemas e processos
com dimenses elevadas e a descoberta de categorias e abstraes nos dados de entrada
(KOHONEN ET AL., 1996) (DAZ, IGNACIO ET AL., 2008).
Para exemplificar uma aplicao-chave do SOM em casos reais, cita-se o campo da
engenharia, que envolve muitas reas da vida do ser humano, como as indstrias, os
veculos, as aeronaves, os equipamentos mdicos, etc. Uma importante aplicao do
SOM no campo da engenharia seu uso na identificao e no monitoramento de falhas,
cuja ideia acompanhar a evoluo dos estados de operao em mquinas ou processos
complexos, que so muito difceis de observar e interpretar (KOHONEN ET AL.,
1996). Neste trabalho, abordada a aplicao do SOM em ambientes industriais,
sobretudo, no processo de transporte em uma refinaria de petrleo.
Em uma planta ou mquina industrial complexa, os possveis estados de suas
variveis, durante a operao, podem ser de ordem numrica muito elevada e serem
expressos de uma forma no-linear. Entretanto, muito difcil elaborar um modelo
analtico que reflita todas as particularidades de comportamento do processo. Como o
SOM um mtodo de projeo no-linear, as caractersticas de cada estado podem ser
processadas e passam a ser conhecidas pelo SOM sem a necessidade de uma
modelagem explcita de todo o comportamento do sistema a ser monitorado (DAZ,
IGNACIO ET AL., 2008).
Muitas das pesquisas que focam na anlise do comportamento de processos
(monitorar o estado, detectar, identificar e diagnosticar as falhas e, em trabalhos mais
recentes, prever estados ou falhas), tm adotado princpios de aprendizagem no-
supervisionada para resolver tais problemas. Essa tendncia funo principalmente de
no existirem informaes disponveis a priori sobre as situaes de falhas.
Nas sees a seguir, sero apresentados alguns trabalhos relacionados ao uso do
SOM em problemas de engenharia, que visam detectar e diagnosticar falhas, monitorar
e prever comportamentos futuros em sistemas industriais.
3.7.1 Detectar falhas
Durante o treinamento do SOM, os pesos sinpticos dos neurnios se adaptam de
acordo com o domnio do espao de estados refletidos pelas amostras adquiridas.
Assim, o espao dos estados pode ser dividido em duas partes: espao reconhecido pelo
SOM e o espao complementar. Por exemplo, no SOM treinado com dados normais,
somente situaes que incluem dados normais sero identificadas (espao reconhecido),
caso seja alguma situao de falha, esta ser alocada em algum lugar nas bordas do
mapa (espao complementar).




76
Devido a tal comportamento do SOM, a deteco de falhas pode ser baseada na
medida do erro de quantizao (ver Equao 8), lembrando que preciso utilizar
apenas um nico vetor de entrada por vez. Na maioria dos trabalhos que utiliza o SOM
para detectar anomalias ou falhas no sistema, este treinado apenas para reconhecer os
dados do modo de operao normal. Quando for apresentado na entrada um vetor
diferente de normal, este ter uma grande dissimilaridade em relao s informaes
armazenadas pelo SOM.
Considere que uma sequncia de vetores de entrada, que correspondam a
informaes medidas e coletadas no sistema, apresentada entrada do SOM. Cada
vetor da sequncia comparado com o peso sinptico de todos os neurnios do mapa.
Se a menor distncia euclidiana calculada exceder um limite predeterminado, isso um
indcio de que o processo est, provavelmente, em situao de falha.
Essa concluso est baseada na hiptese de que um erro de quantizao grande
corresponde a um ponto de operao pertencente ao espao complementar no coberto
pelos dados utilizados no treinamento (QIU, HAI ET AL., 2003).
Para concluir, a deteco de falhas ou de qualquer outra anomalia est baseada na
afirmao de que tudo o que no normal considerado como anormal. Geralmente,
esta tcnica aplicada juntamente com a de diagnstico de falhas, que visa identificar
qual a falha ocorrida no sistema aps a deteco.
A seguir, so apresentados alguns trabalhos relacionados que fazem uso da deteco
de falhas utilizando o SOM como ferramenta:
Em (BARRETO ET AL., 2004), o SOM utilizado como ferramenta para
deteco de falhas em infraestrutura de transmisso de dados em redes de
celulares 3G. A deteco realizada pelo erro de quantizao, que extrai um
valor como principal medida da relao entre as falhas. Para uma falha ser
detectada, preciso que o erro de quantizao extrapole um limite
preestabelecido.
Outro trabalho que utiliza a distncia euclidiana o de (QIU; LEE, 2004),
que utiliza o SOM para detectar a degradao e estimar o tempo restante de
vida til de equipamentos mecnicos que utilizam rolamentos. O sinal de
vibrao adquirido nos rolamentos por meio de um acelermetro e so pr-
processados pela transformada Wavelet. O erro de quantizao utilizado
para detectar a degradao e as falhas que ocorrerem no sistema. O
treinamento do SOM utiliza sinais em condies normais de funcionamento.
Vale ressaltar que a medida do erro de quantizao tambm utilizada como
taxa de degradao do sistema e, mais tarde, para calcular o tempo de vida
restante do equipamento.
Outro trabalho interessante que utiliza o SOM para detectar falhas em
rolamentos internos de motores de induo apresentado por (ZHONG ET
AL., 2005). So coletados sinais de vibrao dos rolamentos e projetados
quatro casos de teste para experimentos, um utilizando rolamentos normais e
trs rolamentos com falhas injetadas. Os sinais so pr-processados pela
Transformada de Fourier (FFT). No trabalho, o SOM treinado com um
conjunto de dados referentes aos modos de comportamento normal e com
falhas nos rolamentos. As falhas so detectadas monitorando o nvel do erro
de quantizao ao longo do tempo.




77
Outra tcnica apresentada por em (WONG ET AL., 2006) para detectar
anomalias em sistemas. O SOM detecta falhas em sistemas industriais que
tenham partes mecnicas rotativas por meio de anlise dos sinais de
vibrao. No trabalho, existe um mapa para cada tipo de falha. O sinal pr-
processado pela FFT e a seguir aplicado como entrada no SOM.
Modificando-se o SOM de forma a apresentar como resposta no apenas um
neurnio vencedor, mas todos aqueles neurnios que pertenam sua
vizinhana topolgica. Estes so aplicados em uma comparao que utiliza
uma nova medida, a distncia de Mahalanobis, que substitui a distncia
euclidiana para definio dos vencedores.
3.7.2 Diagnosticar falha
Para o diagnstico de falhas pelo SOM preciso que a rede neural tenha capacidade
de identificar e discernir as condies de operao do sistema em anlise. desejvel
que seja capaz de separar entre os estados de operao normal, degradao e falha .
O principal problema do diagnstico est em como determinar se uma informao
anormal. As falhas podem ser muito raras de ocorrer, mas quando ocorrem podem
causar grandes problemas e prejuzos. Para o SOM ter condies de classificar uma
falha, preciso que tais informaes estejam disponveis para treinamento, a fim de que
os neurnios se adaptem ao domnio de falhas, criando, assim, um espao de operao
reconhecido pelo SOM, que forma o espao das falhas.
S que em alguns casos, as informaes sobre degradao e falhas no esto
disponveis, devido a muitas circunstncias, como custo, falta de conhecimento tcnico,
dificuldade em coletar sinal, etc. Desse modo, produzir um conjunto de falhas
abrangente para o caso de processos industriais e grandes mquinas, pode exigir um
custo muito elevado, inviabilizando todo o projeto. Entretanto, existe a alternativa em
que muitas das situaes em degradao ou falha podem ser produzidas por uma
ferramenta de simulao.
Se a situao da falha e suas razes so conhecidas, possvel simular tais dados
para serem utilizados para o treinamento do SOM. Em (KOHONEN ET AL., 1996), so
apresentados alguns dos tipos mais comuns de falhas que podem ocorrer no campo da
engenharia:
1. Suspenso do fornecimento de um sinal, resultando em uma queda abrupta
do servio.
2. Distrbios pesados no sinal, causando uma grande mudana espordica no
fornecimento do servio.
3. Perturbao nas medidas de um valor, frequentemente causada por uma falha
mecnica no equipamento de medio, que prejudica o fornecimento do
servio.
4. Piora da qualidade dos sinais, devido degradao (envelhecimento) natural
do dispositivo, causando perda de desempenho no fornecimento do servio.
5. Mudanas repentinas em alguns valores de parmetros previamente
regulados, indicando uma falha no controle do mecanismo.
Todos esses tipos de falhas mencionadas so possveis de ser simulado, mas claro
que depende muito da situao, do tipo do equipamento, das causas da falha, etc.




78
Assumindo que seja possvel construir um modelo matemtico para simular o
comportamento de falhas, pode-se criar artificialmente os vetores de caractersticas
usados para treinamento do SOM. Por meio do simulador, pode-se, por exemplo, causar
distrbios mecnicos ou eltricos no modelo do equipamento, gerar sinais para situaes
perigosas ou at mesmo injetar falhas nicas.
Caso as informaes sobre as falhas mais tpicas estejam disponveis, o SOM pode
ser usado como uma ferramenta classificadora das do sistema (KOHONEN ET AL.,
1996).
Em muitos trabalhos que fazem uso do SOM para diagnosticar falhas, este
utilizado em dois nveis para realizar uma anlise completa das situaes de falhas. O
primeiro nvel, a deteco de falhas, baseado no erro de quantizao, em que se aplica
a mesma tcnica vista na subseo anterior. O segundo nvel utiliza um mapa mais
detalhado (pode-se chamar de atlas, pois apresenta todas as situaes possveis) que
usado para identificar a razo da ocorrncia de uma falha. Quando um sinal
identificado em uma regio do mapa, e essa regio est rotulada como falha (X ou Y) ou
degradao (X ou Y), possvel classificar o sinal apresentado na entrada como
pertencente classe da falha rotulada no mapa.
O diagnstico de falhas faz uso de um SOM treinado com um conjunto completo de
informaes sobre a situao normal, degradao (caso exista) e a falha (essencial). Em
um mesmo mapa, falhas mltiplas podem ser inseridas, uma diferente da outra,
proporcionando ao mapa o poder de classificar um nmero maior de falhas (QIU, HAI
ET AL., 2003).
Para concluir, o segredo do diagnstico do SOM est ligado diretamente ao conjunto
de informaes utilizadas para o treinamento, ou seja, quanto mais completas e
abrangentes forem s caractersticas para as diversas falhas, melhor ser o diagnstico.
Para realizar a classificao, o SOM faz uso do algoritmo de teste (seo 3.5.4.1),
para identifica qual grupo pertence o sinal, apresentando como sada o ndice do
neurnio vencedor. Tambm pode-se utilizar o mapa de caractersticas visto pelo U-
Matrix (seo 3.5.4.3) em que possvel visualizar a localizao espacial do neurnio
que classificou a falha.
A seguir, sero apresentados alguns trabalhos relacionados que fazem uso da
deteco e classificao para diagnosticar falhas em um sistema utilizando o SOM como
ferramenta:
No trabalho de Vachkov (VACHKOV ET AL., 2004), o SOM utilizado
para diagnosticar falhas em partes hidrulicas de mquinas retro-
escavadeiras, analisando variveis de velocidade do motor, fora exercida
para levantar a p, presso de leo e consumo de combustvel. A deteco de
falhas tambm realizada atravs da medida da distncia euclidiana. Para o
diagnstico de falhas, utiliza-se o mesmo sinal de entrada apresentado
durante a deteco e aplicado para a classificao pelo SOM. Durante o
treinamento, os sinais so mapeados em agrupamentos separados que
representam cada um, um modo de operao do equipamento. Foram feitos
experimentos por meio de uma ferramenta de simulao, em razo do alto
custo de injetar falhas em uma retro-escavadeira real.
Outro trabalho que analisa falhas em ambientes industriais o de (SAXENA;
SAAD, 2004), em que o SOM utilizado para classificar as falhas em




79
rolamentos industriais e, ao mesmo tempo, monitorar a condio de
funcionamento ao longo do tempo. O SOM treinado com dados de vibrao
coletados de rolamentos em boas condies e demais que apresentam falhas
injetadas. O diagnstico e monitoramento da condio so feitos com base
no uso da trajetria dos neurnios vencedores, que apresenta a evoluo de
uma tendncia para o funcionamento dos rolamentos, possibilitando
identificar para qual grupo de falhas est se deslocando o comportamento do
rolamento (diagnstico). No utiliza rede neural temporal.
Uma proposta de modificao no funcionamento do SOM foi apresentada
por (YANG, B. S. ET AL., 2004), em que uma nova rede neural, chamada de
ART-SOM, aplicada para diagnosticar falhas em mquinas rotativas
(rolamentos e mancais), analisando dados de vibrao. O ART-SOM tem
uma mudana na sua dinmica de funcionamento, pois aplica tcnicas para
treinamentos subsequentes de uma forma adaptativa durante a etapa de testes
da rede, o que possibilita que o treinamento e o diagnstico de falhas sejam
realizados juntos. Durante o treinamento dessa rede, so criados os
agrupamentos que aprendero os dados de entrada, possibilitando identificar
e classificar os padres de falhas. Foram realizados experimentos reais e uma
taxa de referncia foi calculada para avaliar o sucesso da classificao das
falhas.
O trabalho de (ZHONG ET AL., 2005), apresentado na seo anterior,
tambm realiza o diagnstico de falhas em rolamentos internos de motores
de induo. So utilizados os mesmos sinais de vibrao e pr-processados
pela Transformada de Fourier (FFT). O SOM treinado com um conjunto de
dados referente a todos os modos de operao dos rolamentos, efetuando o
aprendizado dos sinais normais e das falhas. Durante o treinamento, so
formados agrupamentos distintos para cada tipo de falha injetada. O
diagnstico das falhas realizado pela identificao espacial de qual
agrupamento o sinal foi mapeado, baseado no critrio da menor distncia
euclidiana.
Uma anlise comparativa de trs tcnicas para classificao de falhas foi
apresentado por (YANG, BO-SUK ET AL., 2005). O estudo de caso foi feito
com base na ocorrncia de falhas em compressores de refrigerao, por meio
da anlise de rudo e vibrao presentes no equipamento. O trabalho focado
em uma comparao entre trs tcnicas de redes neurais para classificao de
padres, SOM, LVQ (Learning Vector Quantization) e SVM (Support
Vector Machine). Todas as redes neurais so treinadas com sinais iguais e
pr-processadas pela Transformada Wavelet. Os resultados dos experimentos
mostraram que o SOM apresentou resultados satisfatrios para a
classificao de falhas, mas a que obteve os melhores resultados foi a rede
neural SVM, e o menos satisfatrio foi a LVQ.
Com os avanos tecnolgicos e principalmente a insero da Internet em
redes industriais, o trabalho de (DOMNGUEZ, M. ET AL., 2007) apresenta
uma proposta de arquitetura para um sistema distribudo de monitoramento
da condio de equipamentos, tendo como principal funo a deteco e
diagnstico de falhas. Essa arquitetura baseada nos padres atuais de
tecnologia de desenvolvimento de sistemas, sendo um sistema totalmente




80
para a Web, que visa utilizar a Internet como canal de comunicao para
fornecer flexibilidade, interoperabilidade e escalabilidade ao sistema. O
SOM inserido em uma camada localizada no meio, entre o Cliente
(hardware e aquisio de sinais) e o Servidor (Sistema de Monitoramento
Central), em que a camada do SOM tem a tarefa de realizar o treinamento da
rede neural, deteco e diagnstico de falhas. A deteco de falhas tambm
feita pelo erro de quantizao, semelhante ao apresentado na seo anterior.
O diagnstico realizado por uma projeo da trajetria utilizada para
monitorar a condio de operao do equipamento ao longo do tempo de
operao.
No trabalho de (GRMEN ET AL., 2007), o SOM utilizado para detectar e
classificar falhas de quebra de rotores e problemas mecnicos em motores de
induo, que so largamente utilizados nas indstrias. O sinal utilizado a
amostra de corrente nominal do motor, que pr-processado e utilizado
como entrada para treinamento ou testes do SOM. A classificao dos sinais
pelo SOM feita por meio do algoritmo LVQ (Learning Vector
Quantization), uma tcnica desenvolvida por Kohonen para delimitar e
ajustar a formao de fronteiras nos agrupamentos formados no mapa. O
trabalho apresenta experimentos reais aplicados em motores com boas
condies e motores com falhas injetadas fisicamente (causando dano no
motor). O resultado alcanado foi de 100% de acerto na classificao de
falhas ocorridas nos testes.
3.7.3 Predio e Monitoramento do comportamento
Entender e modelar as relaes complexas entre as diversas variveis que formam
um grande sistema uma tarefa que exige muito esforo e de grande dificuldade.
Segundo (DAZ, IGNACIO ET AL., 2008), as informaes que so adquiridas por
um sistema de aquisio de dados, produzem uma enorme quantidade de informaes
ao longo do tempo, que se torna muito difcil ou mesmo impossvel de ser interpretada.
Em tal situao, o mnimo conhecimento a respeito de alguma caracterstica do sistema
se torna muito til.
No entanto existem tcnicas de processamento de dados que auxiliam nesta anlise.
As informaes coletadas podem ser convertidas em uma forma que auxilie na simples
visualizao e compreenso, em que mesmo com uma possvel reduo da
dimensionalidade, preserva os relacionamentos estatsticos entre as variveis do
sistema. Com esse tipo de transformao disponvel seria possvel:
O operador visualizar e acompanhar o desenvolvimento dos estados do
sistema ao longo do tempo.
A compreenso dos dados facilita a estimativa de comportamentos futuros do
sistema.
Anormalidade no comportamento presente ou previsto do processo torna
possvel a deteco de situaes de falhas.
O controle do sistema pode ser baseado na anlise dos estados.
Com a utilizao do SOM, possvel atender a essas afirmaes. uma ferramenta
importante para monitorar o comportamento de sistemas complexos, possibilita analisar




81
e localizar relaes entre as variveis e da dinmica do processo. Alm disso, abre um
campo de pesquisa sobre anlise exploratria do comportamento de processos no-
lineares e no-estacionrios (KOHONEN ET AL., 1996) (GOH ET AL., 2006).
Os mtodos de visualizao presentes no SOM so uma poderosa ferramenta para
descobrir relacionamentos nas estruturas gerais do espao de dados de entrada, alm de
revelar o comportamento do sistema. No mapa resultante do SOM, cada neurnio passa
a representar um estado de comportamento local do processo.
Para monitorar o comportamento, o SOM faz uso das mesmas informaes e formas
de treinamento utilizadas para o diagnstico de falhas visto na subseo anterior. A
novidade est em se projetar uma trajetria percorrida pelos neurnios vencedores. A
trajetria formada pelo armazenamento da sequncia de neurnios vencedores, cujos
vetores de entrada so apresentados seguindo uma ordem temporal (KOHONEN ET
AL., 1996).
Uma trajetria consiste em formar um conjunto de imagens sucessivas a respeito dos
estados de operao do sistema. A trajetria pode ser desenhada e visualizada no mapa
de caractersticas do SOM (U-Matrix), indicando os estados percorridos pelo sistema ao
longo do tempo. Alm disso, percorrendo esse caminho, pode-se, por exemplo, inferir
os valores futuros dos estados do processo, pois a tendncia se concretiza no decorrer do
tempo. Isso possibilita analisar com mais detalhes o comportamento do processo antes e
durante a ocorrncia da falha.
Para concluir, a principal ideia de monitorar o comportamento identificar a
condio atual do sistema e a tendncia do que acontecer caso o sistema continue se
desviando da normalidade. Para realizar o monitoramento e projetar a trajetria de
tendncia, o SOM faz uso dos princpios do diagnstico e a projeo da imagem U-
Matrix para desenhar a trajetria espacial.
A seguir, sero apresentados alguns trabalhos relacionados que fazem uso do SOM
para realizar o monitoramento do comportamento para evitar falhas em um sistema:
Um trabalho aplicado integralmente em um problema real de uma empresa
petroqumica foi apresentado por (JMS-JOUNELA ET AL., 2003). O
SOM foi utilizado para monitorar o funcionamento de um processo de
produo em uma empresa petroqumica, a fim de evitar as falhas que
provocam paradas na produo. No trabalho, os sinais so processados para
que a rede neural aprenda a probabilidade do estado mais provvel do
sistema. Entretanto, a principal contribuio do trabalho a de desenvolver
um prottipo de um sistema para monitoramento em software, em que
apresentado aos usurios uma aplicao que mostra o mapa do SOM (U-
Matrix), grficos de tendncia, falhas ativas num instante, histrico de falhas,
uma interface para treinamento, ajustes de parmetros e formulas utilizadas
pelo algoritmo do SOM. O diagnstico de falhas baseado em uma srie de
regras condicionais que conferem os nveis de probabilidade de uma falha
ocorrer.
O SOM tambm apresentado como uma ferramenta para representao
visual de processos dinmicos no trabalho elaborado por (VACHKOV ET
AL., 2004). Pelo mapa resultante, cada neurnio representa um modo de
comportamento local da condio do processo. Isso proporciona analisar e
localizar relaes entre as variveis e da dinmica do processo, abrindo




82
espao de pesquisa para anlise exploratria do comportamento em
processos no-lineares e no-estacionrios. Devido s caractersticas
intrnsecas do SOM, como a reduo da dimensionalidade e visualizao de
dados com alta dimenso, ele tem sido aplicado com sucesso em problemas
de engenharia, como na anlise e superviso de processos industriais. O
trabalho focou no uso do SOM para revelar a distribuio de parmetros do
processo para os diferentes estados alcanveis durante sua operao. Foram
apresentados resultados prticos para um estudo de caso de um sistema de
controle do nvel de lquidos em um reservatrio.
O monitoramento da condio em sistemas possibilita tambm analisar a
formao de uma tendncia e, com isso, estimar o tempo de vida restante de
funcionamento do processo. No trabalho de (QIU, HAI ET AL., 2006), o
SOM utilizado para monitorar a degradao e estimar o tempo de vida til
restante do equipamento. Como estudo de caso foram utilizados mancais
com rolamentos. O sinal de vibrao adquirido por um acelermetro e so
pr-processados pela Transformada Wavelet Packet. O erro de quantizao
utilizado para detectar o comportamento da degradao no sistema. A
trajetria percorrida pelos neurnios vencedores utilizada para monitorar os
estados de operao do equipamento. A principal contribuio do trabalho
utilizar a medida do erro de quantizao, que tambm utilizada como
referencial da taxa de degradao, para calcular o tempo de vida restante do
equipamento. Utilizando essa tcnica, necessrio ter informaes a priori
de todo o ciclo de vida do rolamento, pois as informaes coletadas devem
refletir os sinais desde o incio da operao, deteriorando at falhar
naturalmente. Como experimentos, foram apresentados quatro casos de testes
reais, em que foram coletadas informaes de todo o ciclo de vida. Com base
nessas informaes, foi calculado o tempo de vida til e um valor limite que
o rolamento possa desempenhar suas funes dentro de condies normais,
sem prejudicar o fornecimento de servios.
A integrao de outras redes neurais ao SOM tambm foi estudada por
alguns pesquisadores. Em (HUANG, R. ET AL., 2007), a rede neural back
propagation integrada na sada do SOM. Essa ideia consiste em monitorar
o comportamento, alm de detectar e diagnosticar as falhas, fazer uma
estimao do tempo de vida til restante do equipamento. So analisados
sinais de vibrao em rolamentos mecnicos. Para estimar o tempo restante,
utiliza-se o erro de quantizao do SOM, que revela o comportamento da
degradao at a ocorrncia de falhas (quando exceder um limite
predeterminado). A rede neural back propagation treinada utilizando o erro
de quantizao como sada do SOM para fazer uma aproximao de funo
desses sinais, possibilitando, com isso, estimar o valor em qualquer tempo.
importante lembrar que a aquisio de dados foi feita com a utilizao de um
equipamento real, a partir de todo o ciclo de vida, desde o incio at a
ocorrncia da falha. Esse trabalho uma continuao das pesquisas de (QIU,
HAI ET AL., 2003).




83
3.8 Resumo do Captulo
Neste captulo, foi abordada uma grande quantidade de informaes referentes a
conceitos, fundamentos e tcnicas de implementao de deteco, diagnstico, predio
e monitoramento de falhas aplicadas em sistemas. Tais conceitos so uma parte das
pesquisas do campo da tolerncia a falhas em sistemas que podem ser aplicados tambm
em sistemas industriais, que o foco deste trabalho. Todavia, no se limitam aplicao
apenas na rea de engenharia, pois podem, inclusive, abranger qualquer ambiente onde
se deseja aumentar os ndices de confiabilidade.
Aumentar a confiabilidade em sistemas industriais tem se mostrado um grande
desafio para os engenheiros projetistas desses ambientes. Entretanto, uma tarefa de
grande importncia que aumenta esses ndices nos sistemas industriais a de manter
uma poltica de manuteno sempre atualizada. Hoje, conta-se com sistemas de
manuteno inteligente, que so sistemas computacionais especficos para monitorar
partes do processo industrial, em busca de anomalias que possam afetar o correto
desempenho e causar prejuzos ao sistema produtivo. Esses sistemas inteligentes so
utilizados pelos engenheiros para auxiliar a equipe de manuteno e para estarem
sempre frente das manifestaes de falhas.
Os ambientes industriais so conhecidos por ser estarem sujeitos a muitas
interferncias externas que causam degradao no desempenho, prejudicam o correto
funcionamento, a paralisao casual, etc. A manuteno uma tcnica que visa reparar
ou restaurar o correto funcionamento dos processos industriais, retornando ao
desempenho especificado no projeto.
O foco do presente trabalho est no estudo e projeto de ferramentas alternativas para
melhorar o desempenho das aes de manuteno sobre os equipamentos. A motivao
bsica que, descobrindo com antecedncia a possibilidade de ocorrncia de falha e
sabendo onde esta se manifestar, tem-se uma informao muito valiosa para a equipe
responsvel pelos reparos nos equipamentos.
Com a implantao de sistemas de manuteno inteligente, possvel aumentar a
confiabilidade nos sistemas industriais, ou seja, aplicar tcnicas de tolerncia a falhas. A
principal funo desses sistemas a deteco, diagnstico, predio e monitoramento de
falhas que podem ocorrer nos equipamentos que compem um processo industrial.
Existem diversas abordagens que podem ser utilizadas para solucionar cada um dos
problemas nos ambientes industriais, mas, neste trabalho, adotou-se o uso de um
sistema embarcado computacionial. Este tem por tarefa aplicar tcnicas de inteligncia
artificial para realizar os conceitos de tolerncia a falhas.
Um Sistema de DDF ou DDPF proporciona ganhos significativos no desempenho do
processo industrial, melhorando a disponibilidade, confiabilidade, segurana e
mantenabilidade dos processos produtivos. Esse sistema tambm tem como objetivo a
preveno, a tolerncia, a remoo, o diagnstico, o monitoramento e a predio das
falhas em processos industriais.
Um Sistema de DDPF aplica tcnicas automticas para detectar e estimar a
degradao no desempenho de sistemas fsicos, antecipar a ocorrncia de falhas futuras,
e calcular o tempo restante de vida do sistema, mantendo-o em um estado operacional
aceitvel. Essa proposta tem uma modificao em relao ao sistema DDF, que a
adio de uma estrutura para aquisio de conhecimentos ou histricos sobre o
comportamento passado do sistema.




84
Por meio de conhecimentos adquiridos, a priori, sobre o funcionamento fsico e
comportamento dos equipamentos, pode-se criar um modelo matemtico capaz de
reproduzir o histrico de comportamentos do sistema. Deste modo, o Sistema DDPF
pode ser implementado pelo uso de redes neurais, que so utilizadas para armazenar os
conhecimentos ou histricos. As redes neurais aprendem o comportamento do sistema,
adquirindo conhecimento a partir dos estados passados. Assume-se que o processo
industrial apresenta o mesmo comportamento em tempos futuros.
No presente trabalho, foi adotado o uso da rede neural conhecida por mapas auto-
organizveis (SOM) como ferramental capaz de adquirir conhecimento sobre
informaes do ambiente e que possui caractersticas que possibilitam detectar,
diagnosticar e, com algumas modificaes, at prever a ocorrncia das falhas. O SOM
uma rede neural no-supervisionada que baseada apenas nas informaes presentes
nos dados de entrada utilizados para treinamento.
Outras caractersticas importantes para a escolha do SOM foram:
Capacidade de tratar dados em grandes quantidades (geralmente dados
histricos aparecem em grande quantidade).
tima aproximao do espao de entrada,
Preserva a ordem topolgica dos dados de entrada mesmo com reduo da
dimensionalidade,
Descoberta de novas caractersticas nos dados de entrada (revelando os
relacionamentos presentes entre os dados de entrada).
Tambm foi apresentada a rede neural para tratamento de informaes temporais,
que leva em considerao, durante operao, a ordem de tempo em que os dados so
observados. O Temporal Kohonen Maps (TKM) uma proposta baseada no SOM, pois
com algumas modificaes possvel tratar dados temporais. Foram apresentados
conceitos bsicos de tempo e memria de curto prazo, que so importantes para o
entendimento dessa rede neural.
Por fim, foram apresentados alguns trabalhos prticos encontrados na literatura
cientfica que utilizam o SOM como ferramenta para analisar as falhas em processos
industriais.



4 PROPOSTA DE PROTTIPO DE UM SISTEMA DE
MANUTENO INTELIGENTE PARA ATUADORES
ELTRICOS
4.1 Introduo
Neste captulo, apresenta-se a construo de um prottipo em uma plataforma de
sistema embarcado, com o objetivo de aplicar as tcnicas de manuteno inteligente em
uma vlvula eltrica utilizada em redes dutovirias para transporte de petrleo. A
plataforma adotada para o sistema embarcado baseada na tecnologia de FPGA.
Esse prottipo foi projetado de modo a ser reutilizado e integrado por outras
ferramentas ou plataformas, e a ser inserido no projeto geral do sistema de manuteno
inteligente.
Primeiro, foi definida a arquitetura do sistema de deteco, diagnstico e predio
de falhas, do ponto de vista da utilizao do SOM como tcnica computacional para
realizar essa tarefa. Ao longo deste captulo, so apresentados, com detalhes, cada um
dos algoritmos responsveis por realizar as tarefas de tolerncia a falhas, preparando a
base para o desenvolvimento do prottipo em um sistema embarcado.
Em segundo lugar, foi desenvolvido um conjunto de ferramentas em software para
MATLAB, a fim de possibilitar a simulao do funcionamento integral do sistema de
manuteno inteligente. Por meio de experimentos, validou-se a arquitetura do sistema
de deteco, diagnstico e predio e realizou-se a avaliao nos conjuntos de dados
utilizados para treinamento e testes do SOM.
Aps a validao do projeto em software, foi iniciada a construo do prottipo do
sistema de manuteno inteligente. Ademais, foi definida a utilizao da plataforma
FPGA para o sistema embarcado, pois possibilita o desenvolvimento em descrio
VHDL e a reutilizao dos componentes computacionais internos da plataforma. O
desenvolvimento do prottipo do hardware do SOM foi baseado na metodologia de
projeto para sistemas em FPGA.
Como a rede neural SOM faz parte do sistema de manuteno inteligente, foi um
desafio o projeto de implantao desta em um sistema de hardware, diga-se FPGA.
Sabe-se que as redes neurais exigem muitos recursos computacionais para treinamento,
entre eles o elevado uso de memria para armazenar os pesos sinpticos dos neurnios.




86
Grande parte deste custo computacional devido dinmica de funcionamento do
algoritmo do SOM, pois nas implementaes de redes neurais assumido que os
recursos computacionais so infinitos. Isso exige tcnicas para limitar os requisitos do
algoritmo, como o uso de memria e treinamento, para que possa ser executado num
sistema embarcado.
Aps a finalizao do projeto do hardware do SOM e validado o seu
funcionamento, este foi integrado em um sistema embarcado computacional. Este
composto por microprocessador, memria e barramento e executa um sistema
operacional embarcado. Por meio de um software aplicao foram aplicados casos de
teste.
Nas prximas sees, ser apresentada cada uma das etapas necessrias para projetar
a rede neural SOM em hardware e como integr-la ao sistema embarcado, formando,
em nvel mais alto, o sistema de manuteno inteligente que pode ser integrado
vlvula eltrica.
4.2 Proposta do Sistema para Manuteno Inteligente
Apresenta-se, nesta seo, uma viso geral do Sistema de Manuteno Inteligente
para Vlvulas Eltricas. Esse prottipo ser implantado em uma vlvula que controla o
fluxo de petrleo pela rede dutoviria (oleodutos) de uma Refinaria da Petrobras.
O Sistema de Manuteno Inteligente (SMI) tem como funo quatro tarefas:
Monitorar em tempo real as condies de operao do sistema.
Estimar uma tendncia no comportamento do processo ao longo do tempo
at a manifestao da falha.
Detectar desvios no comportamento de normalidade, evitar falhas.
Classificar e diagnosticar as causas das falhas.
Na Figura 4.1, apresentada a estrutura do SMI proposto no presente trabalho,
mostrando um panorama dos componentes e tarefas que compem o sistema.
Essa estrutura do SMI foi baseada na Figura 3.4 que apresentou uma estrutura bsica
e geral para um sistema de DDPF aplicado para um problema qualquer. A proposta, na
Figura 4.1, apresenta poucas diferenas em relao original utilizada como base. Entre
as modificaes, destacam-se a insero de uma tarefa para o Processamento de Sinais e
uma mudana na estrutura interna do Processo de Deteco, Diagnstico e Predio de
Falhas.
O SMI realiza a operao de aquisio de dados no Processo de Transporte por
Oleodutos e, em seguida, so extradas as informaes sobre o torque exercido pelo
motor (neste caso assume-se apenas este sinal) do atuador eltrico presente na vlvula.
O sinal de torque aplicado ao Processamento de Sinais para extrao da energia dos
componentes que formam o sinal. Estes dados so utilizados como padro de entrada
para os demais componentes do sistema. Aps essas etapas de pr-processamento, o
sinal est pronto e adequado para alimentar o Processo de DDPF.
No Processo de DDPF e no Banco de Conhecimento ou Histrico, est o segredo da
tcnica de tolerncia a falha, em que so feitas as anlises e inferncias sobre o sinal
adquirido.




87

Figura 4.1: Viso geral do Sistema de Manuteno Inteligente para Atuadores Eltricos.
A seguir, aps a anlise do sinal, aplicada a Avaliao no resultado obtido, que
ser utilizada como informao vlida para a etapa de Tomada de Deciso. Por fim, o
SMI realimenta o Processo de Transporte por Oleodutos e fecha-se o ciclo de
monitoramento contnuo das condies de funcionamento do equipamento industrial.
Depois da apresentao deste panorama que forma o SMI, sero exploradas, com
mais detalhes, as demais estruturas internas que compem o projeto, em especial a etapa
do Processo de DDPF e do Banco de Conhecimentos ou Histrico. Essas partes formam
a base do SMI e so compostas pela aplicao de redes neurais (SOM) como ferramenta
para solucionar o problema da tolerncia a falhas, conforme a Figura 4.2.
Como o SMI formado por dois componentes bsicos, em primeiro lugar sero
abordados os componentes que formam o Banco de Conhecimento ou Histrico:
SOM para Deteco de Anormalidade: funo de armazenar informaes
de uma rede neural SOM, que capacite o SMI a aprender o comportamento
do modo de operao normal do sistema. a base para a deteco de
anormalidades.
SOM para Diagnstico de Falha: funo de armazenar informaes de uma
rede neural SOM, que capacite o SMI a aprender os padres que possam
distinguir uma falha das outras. importante notar que quanto mais
completo for o conjunto de padres aprendidos, melhores devero ser as
classificaes das falhas. a base para a classificao e diagnstico de
falhas.
TKM para Predio do Comportamento: funo de armazenar
informaes de uma rede neural TKM, que capacite o sistema a aprender o
ciclo de vida completo (normal, degradao e falha) para cada uma das
falhas que sero identificadas pelo sistema. a base para o monitoramento
da condio e para projetar uma trajetria de operao ao longo do tempo.




88
Banco de
Conhecimento
ou Histrico
Processo de Deteco,
Diagnstico e Predio de
Falhas
Diagnstico
de Falha
Predio do
Comportamento
Deteco de
Anormalidade
Degradao Falha
SOM para
Deteco de
Anormalidade
SOM para
Diagnstico de
Falha
TKM para
Predio do
Comportamento

Figura 4.2: Composio interna das partes do Sistema de Manuteno Inteligente para
Atuadores Eltricos, em que o SOM utilizado como base.
Em segundo lugar, sero abordados os componentes que formam o Processo DDPF:
Deteco de Anormalidade: funo de monitorar o processo at ser
detectada alguma condio de anormalidade (possveis desvios no
comportamento). Quando for detectada uma condio anormal, mesmo que
mnima, o sistema deve avaliar essa situao como uma possvel
manifestao de falha ou tendncia de degradao. Caso o SMI julgue como
falha, ser acionada a tarefa de Diagnstico de Falha. Se o SMI julgar como
princpio de degradao, ser acionada a tarefa de Predio do
Comportamento.
Diagnstico de Falha: funo de classificar e diagnosticar uma falha
detectada. Essa tarefa consiste em identificar qual falha ocorreu com base
nos padres armazenados no Banco de Conhecimento ou Histrico, a fim de
identificar uma nova falha que seja semelhante ocorrida no passado.
Depois de identificar a falha, realizado o diagnstico, apresentando as
possveis causas e danos que a falha pode causar ao processo. Essa etapa est
ligada diretamente ao conhecimento de um especialista sobre as
manifestaes das falhas.
Predio do Comportamento: funo de monitorar a evoluo da
degradao ao longo do tempo, apontando uma tendncia de
comportamentos futuros, acompanhando as condies dos estados de
operao do sistema. Para avaliar o comportamento do sistema, utilizado o
Banco de Conhecimento ou Histrico, que para cada falha identificada,
apresenta informaes do ciclo de vida completo. Ademais, a predio
possibilita, por exemplo, estimar o tempo restante at a mudana do estado
de degradao para falha.
Aps explanao das funcionalidades de cada parte que compe o SMI, ser descrito
como estas partes foram implementadas. Na Figura 4.3, so apresentadas as redes
neurais que compem o Banco de Conhecimento ou Histrico.




89
SOM para
Deteco de
Anormalidade
SOM para
Diagnstico de
Falha
TKM para
Predio do
Comportamento
X1 X2
XN
Wij
Z
-1
Z
-1
Z
-1
Z
-1
Z
-1
TKM treinado com srie de dados de
comportamento normal, degradao e falha
X1 X2
XN
Wij
SOM treinado com dados de
comportamento normal
SOM treinado com dados de
comportamento normal, degradao e falha
X1 X2
XN
Wij

Figura 4.3: Composio do Banco de Conhecimento ou Histrico.
O Banco de Conhecimento ou Histrico composto por trs redes neurais, duas
SOM e uma TKM. Essas redes neurais tm por funo armazenar o conhecimento sobre
o histrico de comportamento do processo em monitoramento. Cada uma delas tem
caractersticas nicas dentro do processo de tolerncia a falhas:
SOM para Deteco de Anormalidade: contm uma rede neural do tipo
SOM, que utiliza um conjunto de dados que representam o comportamento
normal de operao do sistema. Esses dados so utilizados para o
treinamento desse SOM, a fim de aprender a identificar apenas dados de
normalidade. Esse tipo de treinamento segue os princpios dos trabalhos
relacionados, apresentados na Seo 3.7.1.
SOM para Diagnstico de Falha: contm uma rede neural do tipo SOM,
que utiliza um conjunto de dados que representam o ciclo completo de vida
de um componente do sistema que ser monitorado. Esse ciclo deve
representar o comportamento normal, degradao e falha. Esses dados so
utilizados para treinamento desse SOM, a fim de aprender a classificar as
caractersticas de um componente de forma separada. Esse princpio
baseado na classificao de padres, capaz de identificar os padres de
entrada comparando-os com os dados armazenados nos neurnios. Esse tipo
de treinamento segue os princpios dos trabalhos relacionados, apresentados
na Seo 3.7.2.
TKM para Predio do Comportamento: contm uma rede neural do tipo
TKM, que utiliza srie de dados para representar o ciclo completo de vida de
um componente do sistema que ser monitorado por um perodo de tempo.
Esse ciclo de vida deve representar o comportamento normal, degradao e




90
falha ao longo do tempo. Esses dados so utilizados para treinamento do
TKM, a fim de aprender a classificar os padres temporais de cada srie de
dados separadamente. Esse princpio baseado na classificao de padres
da srie temporal pelo TKM. Esse tipo de treinamento segue os algoritmos
apresentados na seo 3.6.
Aps definio das redes neurais que integram o SMI, ser abordado como foram
implementadas as partes que extraem os resultados necessrios das redes. Na Figura 4.4,
estas partes so apresentadas: Processo de Deteco, Diagnstico e Predio de Falhas:

Figura 4.4: Partes internas que compes o Processo de Deteco, Diagnstico e
Predio de Falhas.
O Processo de Deteco, Diagnstico e Predio de Falhas composto por trs
algoritmos para extrair resultados das redes neurais, a fim de analisar o comportamento
dos estados do sistema em monitoramento. Esses algoritmos so baseados nas equaes
vistas na Seo 3.5.1, em especial o algoritmo da Distncia Euclidiana, que o ponto-
chave para todos os clculos de processamento do SOM ou TKM. Cada um dos
algoritmos apresentados desempenha uma funo especial:
Deteco de Anormalidade: utiliza o SOM para Deteco de
Anormalidade, aplicando-se o algoritmo de teste (ver Seo 3.5.4.1). A
deteco feita pela avaliao dos erros de quantizao para cada padro de
entrada. Quando o valor para o erro de quantizao estiver se desviando da
regio de normalidade, ento provavelmente estar se dirigindo a uma regio
de degradao ou falha. Isso significa que os dados de entrada no foram
reconhecidos pelo SOM, porque ele apenas reconhece os dados normais.
Essa funo est baseada nos trabalhos relacionados, apresentados na Seo
3.7.1.




91
Diagnstico de Falha: utiliza o SOM para Diagnstico de Falha e o modo
de visualizao U-Matrix (Seo 3.5.4.3). Durante o treinamento, so criados
agrupamentos que identificam as classes de dados para as quais os padres
de comportamento foram mapeados. Pelo ndice do neurnio vencedor
possvel identificar a que classe o dado pertence. Essa ser uma informao
til para classificar o padro de entrada com base no conhecimento adquirido
pelo SOM. Essa funo faz uso do algoritmo de teste (Seo 3.5.4.1) e est
baseada em conceitos dos trabalhos relacionados, conforme Seo 3.7.2.
Predio do Comportamento: utiliza o TKM para Predio do
Comportamento e o modo de visualizao U-Matrix (Seo 3.5.4.3). Durante
o treinamento, so criados os agrupamentos seguindo os padres temporais
das sries. Com isso, possibilita-se a identificao de uma tendncia no
comportamento dos padres ao longo do tempo. Isso feito pelo ndice do
neurnio vencedor, sendo possvel acompanhar o seu movimento e
identificar a formao da tendncia para as sries de dados apresentadas na
entrada. Essa ser a informao utilizada para identificar a tendncia no
comportamento, baseando-se no conhecimento adquirido pelo TKM.
Identificando com antecedncia para onde est se direcionando o estado do
sistema e, talvez, calcular um tempo at alcanar o estado crtico. Essa
funo utiliza o algoritmo de recuperao do TKM visto na Seo 3.6.4.
4.2.1 Algoritmos base do SOM
As trs etapas necessrias para implementar um SMI, utilizando o SOM e TKM
como ferramenta de redes neurais, possibilitam a aquisio de conhecimento sobre o
comportamento do sistema em monitoramento. Para implementar estes algoritmos,
necessrio entender o funcionamento do SOM.
O SOM baseado nas equaes estudadas na Seo 3.5.1. Em especial, a principal
base do algoritmo para treinamento e teste do SOM o calculo da Distncia Euclidiana.
Esta medida de distncia o ponto-chave para o funcionamento da rede neural, pois faz
parte de todas as etapas do algoritmo.
Nesta seo, ser apresentado o algoritmo de teste do SOM e a aplicao deste para
implementar as funes de tolerncia a falhas ao SMI. No ser apresentado o algoritmo
de treinamento, pois no SMI ser utilizado o SOM j treinado por uma funo externa.
A primeira parte do algoritmo calcular a Distncia Euclidiana, o que ilustrado na
Figura 4.5. Esse algoritmo baseado na Equao 4 e ser utilizado na etapa de teste do
SOM, a equao ser redefinida com base nos dados de entrada apresentado na figura,
conforme a seguir:
( ) ( ) ( )
2 2
2 2
2
1 1 k k k k
w x w x w x w x D + + + = = L ,
(13)
onde x e w so os dados de entrada do algoritmo e k representa a dimenso do vetor de
entrada.
A segunda parte do algoritmo consiste em implementar a etapa de teste ou
recuperao, que tem por funo utilizar a Distncia Euclidiana para encontrar o
neurnio vencedor e calcular o valor do erro de quantizao, ver Figura 4.6. Esse
algoritmo baseado na Equao 3 e utilizado pelo SOM nas etapas de treinamento e de




92
teste, esta equao ser redefinida com base nos dados de entrada apresentados na
figura, conforme a seguir:
j
j j
=
=
) ( BMU
min arg ) ( ERRO
x
w x x
,
(14)
onde x o vetor de entrada do SOM, w so os pesos sinpticos dos neurnios do SOM,
e j representa o ndice do neurnio na rede.

Figura 4.5: Algoritmo de clculo da Distncia Euclidiana (D).

Figura 4.6: Algoritmo de recuperao (teste) do SOM
O algoritmo da Figura 4.6 realiza uma varredura em todos os neurnios do SOM
para localizar aquele que apresenta a menor Distncia Euclidiana (D) em relao ao
vetor de entrada x. Na sada do algoritmo, so apresentados o erro de quantizao
(menor Distncia Euclidiana) e o ndice do neurnio vencedor.
Com esses dados disponveis, possvel aplic-los para implementar as etapas de
tolerncia a falhas, construindo um SMI. Nas sees posteriores, ser detalhado o
funcionamento de cada uma dessas etapas. Alm disso, ser mostrado como aplicar o
algoritmo de recuperao no SOM, desde a apresentao do padro de entrada at a
sada da informao til para o SMI.
4.2.2 Deteco de Anormalidade
A primeira etapa a ser implementada a de Deteco de Anormalidade. Ela ser
detalhada, nesta parte do trabalho, com a apresentao de todo o funcionamento do
algoritmo necessrio para implement-la.
Conforme visto anteriormente, essa etapa visa detectar qualquer anormalidade que
ocorrer na entrada da rede, com base no conhecimento adquirido durante o treinamento.




93
Para essa deteco, fundamental estabelecer um valor limite para deteco, de forma
que tudo que exceder esse valor ser considerado como anormal.
Seja x(t) o vetor de entrada de teste no tempo t, ento o seguinte algoritmo
proposto:
Apresentar o vetor x(t) na entrada do SOM;
Enquanto x(t) for apresentado na entrada faa:
Executar o algoritmo de teste conforme a Figura 4.6;
Encontrar o neurnio vencedor j;
Calcular o erro de quantizao;
Escrever na sada o erro de quantizao (ERRO);
Se ERRO >= Limite de Anormalidade ento,
Anormalidade detectada, sistema em condies anormais;
Seno,
Anormalidade no-detectada, Sistema em condies normais;
Fim
Fim
Na Figura 4.7, apresentada a viso geral do algoritmo de deteco, do ponto de
vista da aplicao do SOM, como ferramenta para solucionar o problema.

Figura 4.7: Viso geral do algoritmo de deteco usando o SOM.
O processo de deteco executado do seguinte modo:
1. A etapa de treinamento realiza o mapeamento dos estados de operao do
processo para o SOM.
2. Um sinal x(t) extrado do processo e apresentado na entrada do SOM. O
algoritmo de teste inicia a execuo e realiza o mapeamento do padro de
entrada para um agrupamento no SOM.
3. O neurnio vencedor (BMU) calculado e a sada apresentada. Na Figura
4.7, dentro do Espao de dados do SOM, so vistas duas representaes, uma
da arquitetura do SOM e outra a projeo espacial das coordenadas do peso
sinptico dos neurnios. Nessas duas representaes, possvel visualizar o
neurnio vencedor calculado e sua localizao no espao de caractersticas.
4. apresentado como sada do algoritmo de teste o valor do erro de
quantizao (ERRO ou E
q
) para o vetor de entrada. Este comparado com
um valor predefinido de Limite de Anormalidade para julgar se o processo
encontra-se normal ou anormal. Qualquer valor do erro que extrapolar o
limite considerado como anormal.
5. Se forem considerados todos os valores de erro de quantizao ao longo do
tempo, pode-se projetar um grfico. Neste, pode-se visualizar o




94
comportamento das anormalidades e os exatos momentos em que foram
detectadas pelo SMI.
6. Esse algoritmo tem funcionamento contnuo, em todo o tempo de operao
do SMI. Como essa tarefa a primeira etapa do SMI a ser executada, a partir
dela, so acionadas as demais, diagnstico e predio.
4.2.3 Diagnstico de Falha
Aps a deteco de anormalidade, aplicada a etapa de Diagnstico. Ela ser
detalhada, nesta parte do trabalho, com a apresentao do funcionamento do algoritmo
necessrio para implement-la.
Como j visto, essa etapa visa diagnosticar as falhas ocorridas no processo. Caso um
especialista, que conhea os comportamentos do processo, esteja disponvel, pode-se,
por seu intermdio, diagnosticar o que as falhas identificadas podem causar ao processo
como um todo.
Seja x(t) o vetor de entrada de teste no tempo t, ento o seguinte algoritmo
proposto:
Apresentar o vetor x(t) na entrada do SOM;
Enquanto x(t) for apresentado na entrada faa:
Executar o algoritmo de teste conforme a Figura 4.6;
Encontrar o neurnio vencedor j;
Calcular o erro de quantizao;
Escrever na sada o ndice do neurnio vencedor (BMU);
Localizar a quais dos agrupamentos o BMU pertence;
Escrever na sada o rtulo do agrupamento;
Fim
Na Figura 4.8, apresentada a viso geral do algoritmo de diagnstico, do ponto de
vista da aplicao do SOM, como ferramenta para solucionar o problema.
F
a
l
h
a

2
F
a
l
h
a

1

Figura 4.8: Viso geral do algoritmo de diagnstico usando o SOM.
Todo o processo de diagnstico executado do seguinte modo:
1. A etapa de treinamento realiza o mapeamento dos estados de operao do
processo para o SOM, formando os agrupamentos para os estados de cada
componente monitorado.
2. Um sinal x(t) extrado do processo e apresentado na entrada do SOM. O
algoritmo de teste inicia a execuo e realiza o mapeamento do padro de
entrada para um agrupamento no SOM.
3. O neurnio vencedor (BMU) calculado e a sada apresentada. Na Figura
4.8, dentro do Espao de dados do SOM, so vistas as representaes do




95
SOM, onde pode ser visualizada a arquitetura e a projeo espacial,
revelando a formao topolgica dos agrupamentos utilizados para
classificao.
4. apresentado, como sada do algoritmo de teste, o ndice do neurnio
vencedor (BMU) para o vetor de entrada. Esse valor utilizado para
localizar, dentro da lista de agrupamentos, em qual local o vetor de entrada
foi mapeado.
5. Como sada do algoritmo de diagnstico, apresentado o rtulo do
agrupamento (tipo do padro que representa o agrupamento) que classificou
o padro de entrada. Os rtulos so dependentes dos padres utilizados para
treinamento, por exemplo, falha X ou falha Y, que para o caso do SMI,
separam os tipos de falhas para cada componente do processo.
6. Aps identificar o rtulo que classifica o padro de entrada, o ndice do
neurnio vencedor utilizado no algoritmo de visualizao do SOM,
seguindo o formato do U-Matrix. No lado direito da Figura 4.8,
apresentada a U-Matrix, destacado o neurnio para o qual o padro de
entrada foi mapeado e os agrupamentos, assim como os devidos rtulos.
7. Esse algoritmo tem seu funcionamento acionado pela etapa de Deteco.
Essa tarefa pode executar em conjunto com a etapa de predio.
4.2.4 Predio do Comportamento
Aps a deteco de anormalidade, aplicada a etapa de Predio e Monitoramento
da tendncia de comportamento do SMI. Ela ser detalhada, nesta parte do trabalho,
com a apresentao do funcionamento do algoritmo necessrio, como uma proposta de
implementao. Essa etapa no ser implementada neste trabalho, apenas sero feitas
algumas simulaes em software para analisar resultados.
Conforme j visto, essa etapa visa realizar a predio de estados futuros de operao
do processo. Isso feito pelo monitoramento contnuo dos estados de operao e pela
identificao de uma tendncia durante o tempo de operao do processo, baseando-se
no conhecimento adquirido no treinamento.
Seja { } N) (t ) (t ) (t (t) X
N
= x x x x , , 2 , 1 , L uma srie de vetores de entrada para
recuperao (teste) no intervalo de tempo N. Mesmo recebendo como entrada um
conjunto formado por vrios vetores em tempo diferentes, o TKM capaz de processar
apenas um padro por instante de tempo, ento a srie de entrada deve ser decomposta
em partes distintas para processamento. Seja o seguinte algoritmo:
Apresentar a srie de dados X
n
na entrada do TKM;
Enquanto X
n
existir srie de entrada faa:
Para cada x(t) faa:
Executar algoritmo de teste do TKM, ver Seo 3.6.2;
Encontrar o neurnio vencedor j;
Escrever na sada o ndice do neurnio vencedor (BMU);
Armazenar o BMU numa lista para o tempo t;
Fim
Fim
Na Figura 4.9, apresentada a viso geral do algoritmo de predio, do ponto de
vista da aplicao do TKM, como ferramenta para solucionar o problema.




96
N) (t ) (t ) (t (t) x x x x , , 2 , 1 , L

Figura 4.9: Viso geral do algoritmo de predio usando o TKM.
O processo de predio para identificar uma tendncia no comportamento do
processo deve ser executado do seguinte modo:
1. A etapa de treinamento realiza o mapeamento das sries de estados de
operao do processo para o TKM.
2. Um sinal N) (t ) (t ) (t (t) x x x x , , 2 , 1 , L para certo perodo de tempo N
extrado do processo em monitoramento e apresentado na entrada da rede.
Este, por sua vez, extrai um vetor x(t) e apresenta na entrada do TKM. O
algoritmo de teste inicia a execuo e realiza o mapeamento do padro de
entrada para um agrupamento no TKM. importante lembrar que o este
algoritmo de teste diferente do SOM. Para localizar o neurnio vencedor
que represente toda a srie de entrada, so executados novos testes para cada
padro da srie.
3. O neurnio vencedor (BMU) calculado e apresentado na sada. Na Figura
4.9, dentro do Espao de dados do TKM, so vistas duas representaes. A
arquitetura do TKM apresentada com suas memrias de curto prazo e na
projeo espacial dos neurnios visualiza-se a trajetria percorrida pelos
neurnios vencedores no decorrer do tempo.
4. Aps a execuo do algoritmo de teste do TKM, apresentado na sada o
ndice do neurnio vencedor (BMU), possibilitando identificar em qual
agrupamento a srie de entrada foi classificada. Ao longo do tempo, os
BMUs devem ser armazenados em uma lista, pois isso permite projetar a
trajetria que revela a tendncia de comportamento dos estados do sistema.
5. Com a projeo da trajetria e classificao dos rtulos dos agrupamentos
pelo algoritmo de diagnstico, possvel identificar uma tendncia no
comportamento dos estados de operao do processo. Por meio dessa
tendncia projetada, ao longo do tempo, pode-se, por exemplo, antecipar a
ocorrncia de um estado de falha para onde a projeo tende (agrupamento
de falha X). Em alguns casos, pode-se, inclusive, calcular o tempo restante
at atingir o agrupamento, caso seja conhecido o nvel de degradao das
partes monitoradas do processo.
6. Aps, aplicado o algoritmo de visualizao do SOM no formato do U-
Matrix, j que o TKM, depois de treinado, se comporta como o SOM. No
lado direito da Figura 4.9, apresentada a U-Matrix e so destacados os
neurnios da lista de vencedores e projetada entre eles a trajetria




97
percorrida, revelando a tendncia de comportamento dos estados do
processo.
7. Esse algoritmo tem seu funcionamento acionado pela etapa de Deteco.
Essa tarefa pode ser executada em conjunto com a etapa de diagnstico.
4.3 Projeto para Simulaes do SOM em Software
Antes de iniciar o projeto do prottipo para a plataforma de hardware, interessante
realizar alguns experimentos em software que possam auxiliar na simulao de alguns
casos de uso do SMI.
Essa ferramenta de simulao tem por objetivo realizar experimentos dos algoritmos
apresentados na Seo 4.1, pelo uso do SOM como ferramenta de tolerncia a falhas. As
simulaes so importantes para comprovar a eficcia do SOM em detectar e
diagnosticar as falhas do processo em monitoramento, validando-se a tcnica para
realizar, a seguir, as demais etapas do projeto.
Embora o algoritmo padro do SOM seja conceitualmente simples, a implementao
requer uma srie de cuidados fundamentais para garantir a convergncia e generalizao
dos dados durante o treinamento. Devido a isso, o pesquisador Teuvo Kohonen
5
,
professor do Laboratrio de Cincia da Computao e Informao na Universidade
Tecnolgica de Helsinki, o idealizador e criador de uma implementao para
experimentos no SOM (KOHONEN, 2001).
Kohonen afirma que a maioria das implementaes no atende a todos os requisitos
do processo de construo do algoritmo do SOM. Ciente do problema, a equipe de
pesquisa desenvolveu dois pacotes de softwares com a implementao da rede neural,
que esto disponveis para a comunidade cientfica como cdigo aberto.
Em primeiro lugar, foi projetado o SOM_PAK, desenvolvido em linguagem C e,
aps, foi lanada uma verso com mais recursos para o MATLAB, sendo conhecido por
SOM Toolbox
6
(VESANTO, J. ET AL., 2000) (VESANTO, J. ET AL., 1999). Ambos
so licenciados como softwares livres. Esses softwares so largamente difundidos entre
os pesquisadores que trabalham com inteligncia artificial, em especial redes neurais e
minerao de dados.
Segundo (VESANTO, J. ET AL., 2000), o software do SOM deve apresentar um
conjunto mnimo de requisitos importantes para realizar experimentos, tais como:
Possibilidade de a rede (mapa ou arranjo de neurnios) ter dimenso
dinmica.
Definio automtica da dimenso da rede, com base em funo dos
autovalores da matriz de correlao dos vetores de entrada.
Disposio dos neurnios no arranjo, em forma hexagonal e retangular.
Algoritmo de aprendizagem-padro (sequencial) ou em lote.
Funo de vizinhana topolgica gaussiana ou bolha.

5
Pgina web do professor Kohonen: http://www.cis.hut.fi/research/som-research/teuvo.html
6
Pgina web do SOM Toolbox: http://www.cis.hut.fi/projects/somtoolbox/




98
Inicializao linear ou aleatria.
Algoritmos de visualizao de resultados.
Resultados de clculos dos erros de quantizao e topolgico.
Vista a lista de requisitos, torna-se invivel reimplementar o SOM, a partir do zero,
apenas para o trabalho em questo. Ento, ser utilizado, neste trabalho, o SOM
Toolbox para MATLAB (verso 7). Reutilizar esse programa possibilita simulaes em
software do treinamento, testes de verificao e validao para os estudos de caso do
SMI.
Inicialmente a ferramenta SOM Toolbox foi utilizada para aprender mais sobre o
funcionamento do algoritmo do SOM e realizar diversos experimentos, a princpio
apenas como questo didtica, utilizando exemplos demonstrativos do software.
Aps o desenvolvimento de um grau de aprendizado sobre o funcionamento do
SOM, inicia-se a etapa de experimentos utilizando os dados coletados no processo
monitorado pelo SMI. Essa parte do trabalho visa realizar um conjunto de experimentos
a fim de aprender a utilizar o SOM Toolbox para processar os sinais coletados no
processo.
Como o SOM contm diversos parmetros de configurao, o algoritmo de
treinamento realizado de modo emprico. Foram experimentadas diversas
configuraes para buscar a que melhor se adaptava ao conjunto de dados utilizados
para treinamento adquiridos do processo.
Para auxiliar na realizao de todos os experimentos para o estudo de caso de um
SMI para atuadores eltricos, foi desenvolvida uma ferramenta que utiliza o SOM
Toolbox. Essa ferramenta tem como funo principal a entrada de dados e sada de
resultados extrados do SOM para a implementao das etapas de deteco, diagnstico
e predio de falhas, conforme os algoritmos apresentados nas sees 4.1.2 a 4.1.4.
Na Figura 4.10, apresentada uma imagem da tela da ferramenta de simulao
utilizando o SOM Toolbox para o MATLAB. A ferramenta executa os algoritmos de
treinamento, teste e visualizao de resultados do SOM Toolbox.
Para exemplificar um algoritmo em MATLAB que utilize o SOM Toolbox, ser
apresentado o algoritmo para Deteco de Anormalidades conforme o cdigo-fonte:
//ler conjunto de dados de entrada para treinamento
treinar = som_read_data('dados_normais.dat');
//executar algoritmo de treinamento do SOM e ajustar parmetros
sMap = som_make(treinar,'training','long','size',[13 5]);
//ler conjunto de dados de entrada para teste
teste = som_read_data('dados_teste.dat');
//vetor para armazenar erros de quantizao
qerr = [];
//calcular ndices dos neurnios vencedores - BMU
bmus = som_bmus(sMap,teste.data);
for i=1:length(bmus),
//calcular Distncia Euclidiana entre BMU e Teste
dx = sMap.codebook(bmus(i),:)-teste.data(i,:);
qerr(i) = sqrt(sum(dx.^2));
end
//projeo do erro de quantizao para os dados de teste
plot(qerr);





99
As demais etapas, diagnstico de falhas (classificao) e carga de dados, tambm
foram implementadas e integradas na ferramenta de simulao para o MATLAB.

Figura 4.10: Tela da ferramenta de simulao em software para deteco e diagnstico
de falhas.
Para possibilitar o projeto do sistema embarcado em hardware, foi preciso
desenvolver um script para converter dados do SOM treinado para um modelo em
representao binria que o hardware possa interpretar.
Os resultados obtidos pela ferramenta so utilizados no projeto do prottipo do
sistema embarcado em hardware, como ser visto nas prximas sees.
4.4 Projeto do SOM em Hardware
Foi adotada, neste trabalho, a plataforma-alvo de FPGA (XILINX, 2008) para o
desenvolvimento do componente de hardware que implementa as funcionalidades do
algoritmo de teste do SOM. Assim foi decidido, devido disponibilidade de um FPGA
no laboratrio de pesquisa e ao desenvolvimento de prottipo de um componente para
ser integrado em um chip para ser implantado no futuro em cada atuador eltrico.
A metodologia de projeto do hardware do SOM adotada neste trabalho baseada no
fluxo de projeto apresentado na Figura 4.11 e em projeto de sistemas digitais (CARRO,
2001). A partir da especificao dos algoritmos de deteco, diagnstico e predio,
pode-se definir que todos eles fazem o uso de um mesmo algoritmo: o de teste ou
recuperao do SOM.
Na seo 4.2.1, est especificado e detalhado o algoritmo de teste do SOM, que foi
desenvolvido em hardware, utilizando uma descrio VHDL para FPGA da Xilinx. A
partir do algoritmo, foi projetado um modelo em VHDL com parte operativa e de
controle.
Aps o desenvolvimento do modelo em VHDL, a prxima etapa elaborar um
conjunto de sinais para realizar o teste funcional no circuito, criando um outro projeto
chamando de Testbench. Este gera estmulos as entrada do circuito para verificar o




100
correto funcionamento atravs dos sinais de sada. Ento, a primeira simulao de teste
realizada foi a baseada nos sinais comportamentais do projeto.

Figura 4.11: Fluxo de projeto para desenvolvimento de um sistema digital em FPGA.
Aps a validao baseada na simulao comportamental, foi feita a sntese do
modelo VHDL para a tecnologia FPGA, levando em considerao as restries e
requisitos tcnicos da tecnologia selecionada. Como resultado, tem-se uma
especificao do modelo de VHDL em nvel de portas lgicas.
Outra etapa importante a validao da descrio em nvel de portas lgicas. Por
meio da realizao da simulao temporal (com atrasos), que leva em considerao os
atrasos fsicos presentes nos componentes eltricos (portas lgicas) do FPGA,
verificado o funcionamento do circuito em condies reais. Essa etapa fundamental
para validar o modelo VHDL, tambm aplicando teste funcional ao projeto agora em
um ambiente mais realista.
Aps a validao pela simulao temporal, pode ser realizada a sntese fsica para
criar o bitstream para, por fim, ser possvel configurar o FPGA e desempenhar a funo
descrita no modelo VHDL.
Na prxima seo ser aprofundado o projeto do algoritmo de teste do SOM.
4.4.1 Arquitetura do Hardware do SOM
O modelo da descrio em VHDL para o algoritmo de teste do SOM apresentado
na Figura 4.12, revelando a relao entre os componentes de hardware, registradores e
barramentos para transferncias de dados.
Nessa estrutura, os vetores de peso (w
i
) dos neurnios, que compem a arquitetura
do SOM, esto armazenados na memria interna BRAM. O vetor de entrada
apresentado rede neural pela porta de entrada (x
j
). Os demais componentes so o
clculo da Distncia Euclidiana e um comparador utilizado para identificar o valor da
menor distncia (D).
O projeto foi baseado no conceito de implementao em srie, em que registradores
so utilizados para armazenar os estados intermedirios do sistema. Foi definido
implementar desse modo, devido aos vetores do SOM apresentarem dimenses (N).
Assim, os vetores de entrada e os pesos dos neurnios devem ser sincronizados de modo
a serem apresentados no mesmo instante de tempo.





101

Figura 4.12: Viso geral da estrutura necessria para o projeto em hardware do
algoritmo de teste do SOM.
A Mquina de Estados implementa o funcionamento do algoritmo de teste do SOM,
em que so programados os estados para a transferncia de dados entre os componentes
que formam o sistema de hardware.
Na Figura 4.13, apresentado o bloco de entradas e sadas para o projeto de
hardware do algoritmo de teste do SOM. A largura de barramento dos sinais x e ERRO
so de 32 bits devido a internamente utilizar a representao numrica de Ponto
Flutuante IEEE 754. Os clculos internos de comparao e Distncia Euclidiana
tambm utilizam componentes nesta representao numrica.

Figura 4.13: Entradas e sadas do componente de hardware do algoritmo de teste do
SOM.
A entrada do sinal start utilizada para inicializar o funcionamento do componente.
A entrada carregar utilizada para sincronizar os sinais do vetor de entrada, de acordo
com a dimenso (N). Para cada componente do vetor apresentado esse sinal deve ser
acionado. A sada novo utilizada para informar a solicitao do prximo valor do vetor
de entrada x. Esse sinal de sada sincronizado com a entrada carregar. A sada pronto
informa o final dos clculos do SOM e apresenta nas sadas ERRO e BMU os valores
calculados durante o funcionamento do bloco. A sada BMU de nove bits, devido a
uma definio interna no projeto de suportar um SOM com no mximo 512 neurnios.
4.4.1.1 Projeto do componente para clculo da Distncia Euclidiana
O primeiro componente fundamental para o algoritmo de teste do SOM calcular a
Distncia Euclidiana entre dois vetores (conforme algoritmo detalhado na Seo 4.2.1).
A parte operativa do hardware pode ser vista na Figura 4.14. Neste projeto, foram
reutilizados componentes que implementam operaes numricas (soma, subtrao e
extrao de raiz quadrada) para o formato numrico de Ponto Flutuante IEEE 754, que
possuem largura de barramento de 32 bits. Os componentes esto inclusos na biblioteca
interna da ferramenta de projeto da Xilinx (XILINX, 2005a).




102

Figura 4.14: Parte operativa para o clculo da Distncia Euclidiana.
A parte de controle do hardware, onde implementada a Mquina de Estados, gera
os sinais de controle e o fluxo de dados entre os componentes e registradores, pode ser
vista na Figura 4.15.

Figura 4.15: Mquina de Estados para o controle do clculo da Distncia Euclidiana.
O hardware para clculo da Distncia Euclidiana foi projetado com base na
implementao em forma serial (SUDHA ET AL., 2003). Cada componente dos vetores
x e w para um ndice i apresentado na entrada do circuito, seguindo uma sincronizao
at serem apresentados os N valores do vetor. Os sinais de controle aplicam uma srie
de clculos numa sequncia de subtrao, multiplicao e acumulao em um
somatrio. Quando o ndice i atingir a dimenso N, feito o clculo para extrair a raiz
quadrada do valor acumulado no somatrio. Por fim, apresentado, na sada do
hardware, o valor da distncia euclidiana (D).




103
4.4.1.2 Projeto do algoritmo de teste do SOM
O algoritmo de teste do SOM utiliza o componente da Distncia Euclidiana como
funo bsica nos clculos. Desse modo, a segunda parte do projeto do hardware
integrar o componente aos demais para implementar o algoritmo de teste conforme visto
na Seo 4.2.1. Essa parte do projeto diz respeito ao bloco apresentado na Figura 4.13.
Na Figura 4.16, apresentada a parte operativa do algoritmo de teste do SOM. A
entrada principal de dados a apresentao dos vetores x
i
, para i=0,1,2, ..., N, sendo N a
dimenso dos vetores de entrada.

Figura 4.16: Parte operativa do algoritmo de teste do SOM.
A funo bsica desse bloco identificar o neurnio do SOM que apresenta a menor
Distncia Euclidiana em relao ao vetor de entrada. Portanto, foi necessrio utilizar um
componente que implementa a operao de comparao para o formato numrico de
Ponto Flutuante IEEE 754.
Na parte operativa, visto um componente chamado de BRAM. Esse componente
uma memria interna do FPGA, utilizada para armazenar os pesos sinpticos de todos
os neurnios que formam o SOM j treinado em software. Os neurnios so alocados na
memria de forma linear e contnua conforme visto na Figura 4.17.

Figura 4.17: Armazenamento dos pesos sinpticos de cada neurnio na BRAM.
Cada clula da memria armazena um componente i do vetor de peso sinptico
w
i+j
,com dados de 32 bits, sendo N a dimenso dos vetores de peso sinptico e M a
quantidade de neurnios do SOM acessado pelo ndice j.




104
Cada componente do vetor de peso dos neurnios pode ser acessado de forma direta,
pelo endereo da memria, em que cada componente w
i+j
diz respeito a um valor da
componente peso sinptico do neurnio j na posio i.
Tambm so utilizados dois registradores importantes para o funcionamento do
algoritmo na parte operativa. Um registrador importante o que armazena o menor
valor para o erro de quantizao (menor ERRO) e outro utilizado para armazenar o
ndice j deste neurnio (BMU). Ambos tm seus valores atualizados pelo componente
comparador que autoriza a escrita neles.
A parte de controle do hardware implementada por uma mquina de estados que
gera os sinais de controle internos, fluxo de dados entre os registradores e componente
da Distncia Euclidiana, conforme mostra a Figura 4.18.

Figura 4.18: Mquina de Estados para o algoritmo de teste do SOM.
O hardware do algoritmo de teste do SOM foi projetado com base na
implementao serial. Cada componente do vetor de entrada x para um ndice i
apresentado na entrada do circuito, e ao mesmo tempo tambm apresentado o vetor de
peso sinptico do neurnio j obtido pela BRAM. Ambos so sincronizados.
Para cada vetor de entrada x executado M vezes o clculo da Distncia Euclidiana
e sempre, ao trmino de cada clculo, verificado se o novo valor do erro menor do
que aquele armazenado no registrador. Caso seja, o registrador atualizado. Isso
acontece porque o algoritmo precisa localizar qual o menor valor entre todos os
neurnios que constituem o SOM.
Por fim, aps a execuo de todos os estados, a Distncia Euclidiana calculada
para todos os neurnios do SOM e localiza o neurnio que apresenta o menor erro de
quantizao. Como sada do circuito, sero apresentados o valor desse erro (ERRO) e o
ndice do neurnio (BMU).




105
4.4.2 Resultados de Projeto do Hardware do SOM
O projeto de hardware do SOM foi realizado utilizando um conjunto de ferramentas
da Xilinx para FPGA, o ISE para projeto e sntese (XILINX, 2005a), o ModelSIM
7
para
simulaes comportamentais e temporais e o XPower para simulao de consumo de
potncia (incluso no ISE).
Os resultados apresentados, nesta seo foram adquiridos adotando a plataforma
FPGA da Xilinx, modelo XUP Virtex 2 PRO utilizada para sntese da descrio VHDL
(XILINX, 2008) (XILINX, 2005b).
Primeiro, foram definidos os parmetros para especificao de um SOM conforme a
Tabela 4.1. Adotou-se um mapa com dimenso de 15 linhas por 6 colunas, com um total
de 90 neurnios (valor adequado para os experimentos), em que o vetor para cada
neurnio composto por 20 elementos, sendo que cada elemento armazena um valor
numrico de 32 bits, ocupando um espao total de 56,35 KBytes para armazenamento
na memria BRAM. Esse SOM foi treinado e os vetores de pesos sinpticos dos
neurnios foram salvos em separado para serem gravados na memria BRAM.
Tabela 4.1: Especificao do SOM treinado.
Parmetro Valor
Dimenso do mapa 15 linhas X 6 colunas
Nmero de neurnios 90 Neurnios
Dimenso do vetor 20 elementos
Cada elemento do vetor 32 bits
Uso de memria 56,35 Kbytes

Os vetores salvos foram processados por um script para transform-los em
representao binria e serem carregados na BRAM interna do circuito. No momento da
sntese do circuito, os valores binrios dos pesos dos neurnios so armazenados na
BRAM e esto prontos para execuo do algoritmo de recuperao.
Utilizando a ferramenta ISE como base para o projeto, foi adicionado o conjunto de
arquivos que descrevem o hardware do SOM. A descrio reutilizou alguns
componentes da biblioteca interna do FPGA para implementar as operaes numricas
de Ponto Flutuante 754, soma/subtrao, multiplicao, raiz quadrada e comparao.
Na Tabela 4.2, so apresentados os resultados de rea obtidos aps a sntese do
circuito. Esses resultados so referentes ao espao fsico ocupado dentro do FPGA,
revelando a quantidade e a proporo de componentes utilizados pelo projeto.
Tabela 4.2: Resultados de rea do circuito obtidos na sntese.
Parmetro Utilizados Disponvel Utilizao
Flip-flops 2597 27392 9%
Slices 2158 13696 15%
LUTS 2664 27392 9%
IOBS 79 556 14%
BRAM 29 136 21%

7
ModelSim Xilinx Edition-III Details: http://www.xilinx.com/ise/verification/mxe_details.html




106
Na Tabela 4.3, so apresentados os resultados de desempenho obtidos aps a sntese
do circuito. Esses resultados revelam a frequncia de clock mximo, que pode ser
aplicado no circuito, e as caractersticas de tempo dos registradores.
Tabela 4.3: Resultados de desempenho do circuito obtidos na sntese.
Parmetro Valor
Frequncia de operao 152 MHz
Tempo mnimo de chegada da entrada
antes do clock (setup time)
2.520 ns
Tempo mximo de sada necessrio
depois do clock (hold time)
3.636 ns
Aps a sntese do circuito e a validao pela simulao comportamental, so
executadas as etapas de mapeamento e roteamento do circuito. Depois de finalizada essa
parte, feita a simulao temporal, que visa avaliar se o circuito est em condies de
gerar o bitstream, pois leva em considerao os atrasos fsicos de cada componente do
circuito em nvel eltrico.
Na Figura 4.19, apresentado o resultado em formas de onda da simulao
temporal, comprovando o correto funcionamento do projeto. Vale destacar que o tempo
de execuo para calcular o BMU e o ERRO para apenas um vetor de entrada de
aproximadamente de 864560 ns.

Figura 4.19: Simulao temporal do circuito do SOM e tempo de execuo.
Na Tabela 4.4, so apresentados os resultados de potncia obtidos aps a sntese do
circuito por meio da ferramenta XPower. Esses resultados revelam o consumo de
energia do circuito. Vale destacar que foi utilizada uma memria BRAM, nesta
simulao, com capacidade de armazenamento de 512 Kbytes, pois o projeto do SOM
foi definido para suportar no mximo 512 neurnios de no mximo 32 elementos por
vetor.
Tabela 4.4: Resultados de potncia do circuito do SOM aps mapeamento.
Parmetro Valor
Potncia esttica 0.02813 W
Potncia dinmica 0.06805 W
Potncia total 0.09618 W
Com a aplicao de todas as simulaes e a validao pelo testbench para os casos
de teste comportamental e temporal, foi validado o funcionamento do projeto do
circuito do SOM, baseando-se em teste funcional. A partir de agora, pode-se gerar o
bitstream para programar o FPGA.




107
O circuito do SOM ainda no est em condies de ser usado como prottipo, antes
preciso definir um sistema embarcado que seja capaz de utilizar esse circuito e extrair
as informaes necessrias para o Sistema de Manuteno Inteligente em Atuadores
Eltricos. Na prxima seo, ser estudado o projeto do Sistema Embarcado.
4.5 Sistema Embarcado para Manuteno Inteligente
Segundo (CARRO; WAGNER, 2003) um sistema embarcado definido como uma
combinao de componentes de hardware e software, projetados para desempenhar uma
determinada tarefa. Normalmente, formado por microprocessador, memria e
perifricos para executar uma determinada aplicao. A diferena entre um sistema
embarcado E um computador de propsito geral (desktop) est nos requisitos e
aplicaes alvo para as quais projetado.
Pode-se dizer que os sistemas embarcados esto inseridos em vrias aplicaes do
cotidiano das pessoas, por exemplo, telefones celulares, com cmera fotogrfica digital,
sistemas de caixa em supermercado, quiosques bancrios, eletrodomsticos, sistemas de
freios ABS e muito mais.
Um sistema embarcado consiste na combinao entre hardware e software
projetados para desempenhar uma determinada aplicao. Os processadores embarcados
podem ser de tipos diversos dependendo da aplicao. O software da aplicao pode ser
composto por mltiplos processos.
Devido ao grande espao de projeto em sistemas embarcados, a diversidade de
solues para a implementao de uma determinada aplicao torna o processo muito
complexo. Por isso, o reuso de plataformas de hardware e software pode permitir uma
reduo no espao de solues e, portanto, no tempo de projeto.
Uma plataforma uma arquitetura de hardware e software especfica para
determinado domnio de aplicao. altamente parametrizvel quanto ao nmero de
componentes, na estrutura de comunicao, no tamanho da memria, nos dispositivos
de entrada e sada, etc. O reuso dos componentes da plataforma pode ser ainda
reforado pela adoo de padres na arquitetura e projeto do sistema.
Do ponto de vista do hardware, de um sistema embarcado formado por um
mnimo de componentes (CARRO; WAGNER, 2003), basicamente por:
Microprocessador: a unidade de processamento (CPU) e geralmente
projetada para um domnio de uso especfico (baixo consumo de rea,
potncia e memria).
Memrias: so as unidades de armazenamento de softwares (RAM, FLASH,
etc.).
Barramento de comunicao: responsvel pelo transporte dos sinais e
dados entre os componentes que formam o sistema.
Perifricos: so todos os componentes externos integrados ao sistema, que
desempenham uma funo especifica, por exemplo, porta serial, ethernet,
conversor D/A, interfaces de comunicao, etc.
Do ponto de vista do software, este geralmente armazenado em uma memria que
compe a plataforma. O software compilado para a plataforma-alvo e est diretamente
ligado arquitetura do microprocessador adotado.




108
O projeto do software embarcado influenciado por algumas caractersticas
importantes que o diferenciam dos softwares tradicionais:
Limite na memria disponvel.
Limite no desempenho do processador (pode exigir maior paralelismo).
Limite no consumo de potncia.
Devido complexidade do projeto de software embarcado surgiu o conceito de
utilizao de Sistema Operacional Embarcado (SOE) para controlar e desempenhar
todas as funes no dispositivo. Um SOE classificado como um software embarcado
especfico que tem alta interao com o hardware. composto por um conjunto de
implementaes em diferentes nveis de abstrao, desde a linguagem de mquina at a
de mais alto nvel.
Um SOE dedicado a aplicaes de sistemas embarcados deve estar sujeito aos
requisitos naturais exigidos por esses sistemas. As principais restries no projeto so:
limite de memria disponvel, desempenho e consumo de potncia.
As principais caractersticas de um SOE sero apresentadas nas prximas sees. A
seguir, ser apresentada a construo do sistema embarcado, revelando as ferramentas e
etapas necessrias para o projeto de hardware e software.
4.5.1 Hardware do Sistema Embarcado
Conforme (XILINX, 2008), FPGAs so chips que suportam a implementao de
circuitos lgicos de hardware. O FPGA se comporta como um hardware programvel.
O dispositivo consiste de um arranjo de clulas lgicas configurveis associadas a uma
infraestrutura de interconexes, em que cada clula pode ser programada. O FPGA pode
ser utilizado para a implementao de funes lgicas definidas pelo usurio.
A arquitetura interna de um FPGA constituda por:
Blocos lgicos programveis (CLBs): implementam toda a lgica
combinacional e sequencial de um circuito. So constitudos por flip-flops e
LUTs.
Blocos de entrada e sada (IOBs): so responsveis pela interface dos CLBs
com os pinos de entrada e sada do encapsulamento do FPGA e com o
barramento de interconexes. So formados por buffers, que funcionaro
como um canal bidirecional de entrada/sada.
Interconexes programveis: so trilhas ou barramentos para conectar as
entradas e sadas dos CLBs e IOBs. O processo de escolha das interconexes
feito durante o roteamento. Cada fabricante de FPGA determina o nmero
disponvel de interconexes.
Bloco de memria (BRAM): em alguns modelos de FPGA, est disponvel
um banco de memria para implementao de funes lgicas mais
complexas ou apenas para armazenar dados.
Atualmente, existe no mercado uma grande variedade de modelos de FPGA de
diversos fabricantes. Alguns exemplos de fabricantes importantes so Altera, Actel e
Xilinx, entre outros. Estes oferecem dispositivos com capacidades de programao
distintas, conjuntos de caractersticas especficas, tais como desempenho, consumo de




109
energia, testabilidade, diferentes mtodos de programao, diferentes arranjos de
interconexes e funcionalidades bsicas distintas dos CLB.
No presente trabalho, foi adotado um modelo de FPGA que tem a programao das
clulas baseada na tecnologia de SRAM. O bitstream (dados de configurao ou
programa do FPGA) carregado na SRAM, que configura os blocos lgicos do circuito.
Devido volatilidade da memria, o FPGA precisa de uma memria externa no-voltil
para recarregar a configurao em cada momento que energizado.
O FPGA pode ser utilizado para implementar praticamente qualquer projeto de
hardware. Um dos usos mais comuns a utilizao do FPGA para a prototipao de
circuitos digitais, que posteriormente pode ser implementado em um chip especfico. No
entanto, o FPGA est sendo cada vez mais inserido como produto final no mercado
devido ao seu baixo custo de insero no mercado.
Foi adotado, neste trabalho, utilizar o FPGA do modelo Virtex-2 PRO, fabricado
pela empresa Xilinx. Este foi acoplado a uma plataforma de desenvolvimento em uma
placa fabricada pela Digilent (Virtex 2 Pro Development System)
8
(XILINX, 2005b).
Essa placa um hardware utilizado para experimentos e desenvolvimento de projetos
de sistemas embarcados.
A placa apresenta uma arquitetura propcia para projetos experimentais de sistemas
embarcados, pois totalmente configurvel por meio do FPGA, utiliza perifricos
bastante difundidos no mercado e padronizados. Esta contm os seguintes perifricos
disponveis: uma porta 10/100 Ethernet, porta USB, porta serial RS-232, porta de sada
de vdeo VGA, um leitor para carto de memria, interface para disco rgido,
conversores A/D e D/A, interface para memria RAM DDR, entre outros. um sistema
computacional completo, explorando vrias partes da rea de arquitetura de
computadores. Uma foto da placa pode ser vista na Figura 4.20.
O chip do FPGA includo na placa o modelo Virtex-2 PRO (XC2VP30) (XILINX,
2008) com 30816 blocos lgicos programveis (CLB), 136 multiplicadores de 18-bits,
2448 Kb de memria BRAM e dois processadores PowerPC integrados.
Desse modo, tem-se definido para este trabalho a plataforma de hardware que ser
utilizada para a prototipao do sistema embarcado para a manuteno inteligente.
Na Figura 4.21, apresentada a arquitetura do sistema embarcado para prototipar o
sistema de manuteno inteligente.
O sistema embarcado ser composto por um barramento de comunicao entre todos
os componentes de hardware, um processador MicroBlaze (XILINX, 2003), memria
RAM para armazenar dados, interface de comunicao com usurio (porta serial) e
interface de E/S (para acionar atuadores ou ler sensores). Essa arquitetura foi
programada no FPGA da placa de desenvolvimento, para configurar e formar o sistema
embarcado necessrio para os experimentos.
O projeto do sistema embarcado foi realizado por meio da ferramenta XPS (Xilinx
Platform Studio) (XILINX, 2005c) desenvolvida pela Xilinx. Essa ferramenta
especfica para o projeto de sistemas embarcados utilizando plataformas com FPGA.
Possibilita, de forma automatizada, a adio ou remoo de componentes
computacionais ao sistema, entre eles, processadores, barramentos, memrias,

8
Digilent Inc. Products: http://www.digilentinc.com/Products/Detail.cfm?Prod=XUPV2P




110
perifricos, etc. Ou seja, uma ferramenta para o desenvolvimento rpido de sistemas
embarcados que usa a tecnologia de FPGA, com softwares de simulao e teste, e uma
vasta biblioteca de componentes de hardware

Figura 4.20: Placa de desenvolvimento Digilent Virtex-2 PRO.

Figura 4.21: Arquitetura do sistema embarcado para projetar o Sistema de Manuteno
Inteligente.




111
J que ser usado o SOE, optou-se por utilizar o microprocessador MicroBlaze como
padro. O SOE adotado tem todos os drivers necessrios aos dispositivos presentes na
plataforma j validados e ser apresentado na prxima seo.
Desse modo, foi projetado um sistema embarcado (JESMAN ET AL., 2006)
centrado no uso do microprocessador MicroBlaze (XILINX, 2005b), acoplando os
perifricos da placa a um barramento de comunicao de dados com base no padro
OPB (On-chip Peripheral Bus) (XILINX, 2002) (XILINX, 2005d). Os seguintes
componentes de hardware foram utilizados para o projeto da arquitetura do sistema
embarcado:
Microprocessador MicroBlaze de 100MHz, com memria cache de 8Kb.
Mdulo para debug, verificao e gravao de dados na memria.
Porta RS232 para comunicao serial e para interface com o usurio,
permitindo comunicao com PC.
Mdulos de perifricos: leds, botes e chaves.
Mdulo de memria SRAM com 512MB para programa e dados.
Timer de 32bits para o escalonamento do SOE.
Barramento de dados para perifricos OPB de 100MHz.
Mdulo de controle de interrupo.
Mdulo do hardware do SOM acoplado ao barramento OPB.
Entre outros mdulos extras.
Os perifricos conversores A/D e D/A esto disponveis na placa de
desenvolvimento, mas no foram utilizados nos experimentos no prottipo do sistema
embarcado.
Na Tabela 4.5, so apresentados os resultados de rea total obtidos por meio da
sntese do prottipo do sistema embarcado que foi projetado com base na Figura 4.21.
Esses foram extrados da ferramenta XPS (XILINX, 2005c). Na parte inferior da tabela,
so apresentadas as taxas de utilizao do FGPA na plataforma. Em mdia foram
utilizados 28% da rea total.
Nota-se que, nestes resultados, foram adicionados todos os circuitos extras
necessrios para construo do sistema embarcado. Na coluna parmetro, so
apresentada as reas ocupadas por cada um dos cores utilizados.
Tabela 4.5: Resultados de rea total ocupada pelo sistema embarcado no FPGA.
Parmetro Flip-flops Slices LUTS IOBS BRAMS
system - - - 134 -
microblaze 988 1344 2029 - 12
mb_opb 11 168 288 - -
debug_module 118 72 45 - -
ilmb 1 1 1 - -
dlmb 1 1 1 - -
dlmb_cntlr 1 3 5 - -
ilmb_cntlr 1 3 5 - -




112
lmb_bram - - - - 4
rs232_uart 60 51 92 - -
leds_4bit 50 37 29 - -
dipsws_4bit 33 26 23 - -
pushbottons_5bit 36 29 23 - -
ddr_512mb 671 795 738 - -
opb_timer 245 224 196 - -
opb_intc 133 90 72 - -
fsl_v20 7 22 44 - -
som_core 3406 2858 2775 - 26
Total 5762 5724 6366 134 42

Disponvel 27392 13696 27392 556 136
Utilizao 21,04% 41,80% 23,25% 24% 30,90%
O mdulo do hardware do SOM desenvolvido neste projeto foi acoplado ao
barramento OPB e ser chamado som_core. Fez-se necessrio criar um wrapper para
integrar o novo componente aos sinais e padres adotados pelo barramento. Essa
integrao visa possibilitar o acesso ao dispositivo pelas instrues de programa que
sero executadas pelo microprocessador.
O wrapper foi desenvolvido utilizando a ferramenta Peripheral Wizard do XPS
(XILINX, 2002) (JESMAN ET AL., 2006), que visa auxiliar na construo de
esqueletos para integrao com padres de outros componentes. Durante a construo
do wrapper, adotou-se a vinculao das entradas e sadas do som_core em registradores
mapeados em memria. Assim, as escritas e leituras nos registradores servem para
controlar os comandos de operaes do som_core e podem ser acessadas pelo software
atravs de um endereo na memria.
Na Figura 4.22, apresentada a parte operativa do wrapper do som_core, que
integra o hardware do SOM ao barramento OPB. Na figura, so apresentados os
registradores de dados, canais de comunicao, entradas e sadas do dispositivo.

Figura 4.22: Parte operativa do wrapper para integrao do som_core ao barramento
OPB do sistema embarcado.




113
Foram utilizados quatro registradores de 32 bits mapeados em memria para
controlar o dispositivo:
1. Registrador de Controle: registrador de leitura e escrita. Controla o sinal de
START do SOM (para inicializar o funcionamento) e l o sinal de PRONTO
do SOM (quando o clculo estiver concludo). Utiliza apenas dois bits.
2. Registrador de Entrada (x): registrador somente de escrita. Escreve o sinal
de entrada, armazenando os dados apresentados no barramento OPB no
registrador e apresenta o sinal na entrada x do SOM. Utiliza 32bits.
3. Registrador de Sada (BMU): registrador somente de leitura. L os dados
coletados na sada BMU do SOM. Utiliza 32bits.
4. Registrador de Sada (ERRO): registrador somente de leitura. L os dados
coletados na sada ERRO do SOM. Utiliza 32bits.
Os sinais de RESET e CLOCK do SOM so vinculados aos demais sinais de
controle do barramento OPB.
As escritas e leituras nos registradores que visam controlar o SOM so realizadas a
partir do barramento OPB. So utilizados os canais de comunicao BUS2IP_Data
(entradas) e IP2BUS_ Data (sadas) para ler e escrever dados nos registradores de
32bits. O canal de seleo dos registradores BUS2IP_WrCE (escrita) e BUS2IP_RdCE
(leitura) usado para selecionar qual registrador ser manipulado.
Na Tabela 4.6, so apresentados os resultados de comparao da rea ocupada entre
o hardware do SOM (Tabela 4.2) e o som_core. Os resultados foram obtidos pela
sntese do prottipo do sistema embarcado completo, com base na Figura 4.21. Ocorreu
um aumento na rea ocupada (overhead) pelo som_core em relao ao SOM. Isso
devido adio de componentes extras ao wrapper para integrar o componente ao
barramento OPB, possibilitando a interao com os demais componentes do sistema
embarcado.
Tabela 4.6: Resultados de rea do hardware do SOM obtidos na sntese.
Parmetro SOM SOM_CORE Overhead
Flip-flops 2597 3406 31,15%
Slices 2158 2858 32,44%
LUTS 2664 2775 4,16%
IOBS 79 - -
BRAM 29 26 - 11,65%
Com a integrao do hardware do SOM ao barramento OPB, foi criado o som_core.
Este possibilita por meio do software embarcado acessar o dispositivo de hardware.
Para isso, deve ser desenvolvido um driver que abstraia e oculte os comandos e as
instrues necessrias para controlar, escrever e ler os registradores do novo dispositivo.
Esse driver pode ou no ser integrado ao SOE.
De acordo com a metodologia de fluxo de projeto em FPGA, deveriam ser feitas
simulaes temporais e anlise de consumo de potncia. Entretanto, devido
dificuldade e ao grande custo computacional necessrio, a etapa de simulao temporal
no foi realizada. O principal motivo foi a utilizao de componentes j validados e
testados na plataforma, no necessitando de uma nova simulao de todos eles. Como




114
consequncia, a anlise de consumo de potncia tambm no foi realizada, pois utiliza
dados resultantes da simulao temporal.
Aps a concluso do sistema embarcado na ferramenta XPS, pode-se gerar os dados
de bitstream e programar o FPGA para funcionamento. Agora resta a etapa de
configurao do software embarcado (SOE e aplicaes) para ser carregado na memria
do sistema.
4.5.2 Software do Sistema Embarcado
O software utilizado para aplicaes em sistemas embarcados fortemente
influenciado pelas restries exercidas pela plataforma de hardware utilizada. De
acordo com (CARRO; WAGNER, 2003), o projeto de software embarcado deve atender
aos seguintes requisitos:
Limite da memria disponvel: dependendo da aplicao e da plataforma de
hardware, pode estar disponvel memria na ordem de apenas kilobytes (Kb)
para programa e dados. Essa uma restrio muito forte, pois, caso
comparado com a disponibilidade de memria infinita por parte de
sistemas desktop, a construo de um software embarcado pode ser muito
difcil. Para alcanar essa reduo de memria, o software deve apenas
desempenhar as tarefas mnimas exigidas pela aplicao.
Limite do desempenho do processador: devido a limitaes impostas durante
a construo do processador, como reduzir o consumo de potncia e ocupar
menos rea, o processador pode apresentar um desempenho muito inferior,
se comparado a um desktop. Desse modo, tenta-se exigir um nvel maior de
paralelismo no sistema, como por exemplo, em aplicaes clssicas de
sistemas embarcados como processamento de imagens, automao industrial,
telecomunicaes, etc.
Limite no consumo de potncia: est diretamente ligado aos dois requisitos
anteriores. A quantidade e o desempenho da memria disponvel tem forte
impacto na potncia, j que memrias mais rpidas consomem mais energia.
Um processador com frequncia reduzida consome menos energia, mas pode
no satisfazer o desempenho exigido pela aplicao. Dependendo da
aplicao, o consumo de potncia pode ser o requisito mais importante a ser
tratado, por exemplo, no caso de aparelhos portteis como celulares e
laptops.
Maior custo de projeto do software: os requisitos anteriores influenciam nos
recursos de projeto disponveis (ferramentas, linguagens, plataformas, etc.)
que sero utilizados durante o desenvolvimento. As ferramentas no so
totalmente integradas em uma metodologia de engenharia de software, como
nos sistemas convencionais. Alm disso, as ferramentas para modelagem,
compiladores, debugers, programao e as plataformas so muito distintas
das de softwares convencionais. Geralmente, o reuso de softwares
convencionais migrados para embarcados no trivial e demanda um esforo
extra. Em razo disso, as aplicaes embarcadas resultam em mais custos e
uma demanda maior de tempo durante o projeto do software.
Devido complexidade do projeto de software embarcado, foi desenvolvida uma
plataforma de software que objetiva criar uma camada de abstrao dos conceitos de




115
hardware e facilitar a interao do software com o hardware. Isso pode ser feito por
meio de uma camada de alto nvel que tem por funo tratar cada aplicao como sendo
uma tarefa a ser executada pelo hardware.
Esse software utilizado como camada de abstrao um Sistema Operacional
Embarcado (SOE) (SILBERSCHATZ, 2008) (CARRO; WAGNER, 2003). Ele
classificado como um software embarcado especfico que tem alta interao com o
hardware. Alm disso, composto por um conjunto de softwares implementados em
diferentes nveis de abstrao, desde a linguagem de mquina at a de mais alto nvel.
Por ser, geralmente, dedicado a aplicaes embarcadas, o SOE tambm est sujeito
aos mesmos requisitos naturais exigidos pelos sistemas embarcados.
Conforme (SILBERSCHATZ, 2008)(CARRO; WAGNER, 2003), um SOE deve
suportar a execuo de mltiplos programas ou tarefas, apresentando, aparentemente,
uma execuo concorrente, em que cada programa em execuo abstrado para uma
tarefa sob o domnio do sistema operacional. A seguir esto algumas das vantagens do
uso de um SOE:
Multitarefa e comunicao entre processos permitem que as aplicaes
sejam particionadas em um conjunto menor e mais gerencivel.
Com particionamento do software, proporciona um teste fcil, reduo do
tempo de projeto e reuso de cdigo.
No cdigo da aplicao, podem-se utilizar diversas plataformas de software
para programao, como linguagens C/C++, POSIX, JAVA, etc.
Temporizao e sequenciamento podem ser removidos do cdigo da
aplicao e passam a ser responsabilidade do sistema operacional, incluindo
mais transparncia ao desenvolvedor.
Garantia no atendimento de deadlines em processos crticos da aplicao.
Segundo (SILBERSCHATZ, 2008)(CARRO; WAGNER, 2003), para fornecer as
funcionalidades de um SOE, o sistema operacional deve prover alguns servios para as
aplicaes, entre eles:
Gerncia de processos: inclui aspectos como a criao, carga e o controle da
execuo de processos (escalonamento).
Comunicao entre processos: deve fornecer servios de sincronizao,
deteco, tratamento de deadlocks e mecanismos de trocas de mensagens.
Isso visa esconder detalhes de mais baixo nvel da infraestrutura de
comunicao da aplicao.
Gerncia de memria: inclui a criao, remoo e proteo de dados
manipulados pelo sistema.
Gerncia de E/S: responsvel pelo controle de comunicao com
perifricos e o tratamento de interrupes do hardware. Tambm deve
oferecer drivers para perifricos, escondendo detalhes das interfaces e da
infraestrutura do hardware da aplicao.
Um SOE, alm de oferecer os servios j vistos, deve tambm atender requisitos
temporais associados execuo de processos, tais como deadline, execuo de
processos peridicos, escalonamento previsvel e baixa latncia. Esses requisitos




116
dependem da aplicao exigir tratamentos de recursos de tempo real
(SILBERSCHATZ, 2008).
A principal consequncia das restries temporais est no escalonamento de tarefas,
pois em um SOE, as tarefas tm prioridades associadas para garantir o atendimento das
restries temporais, alm de serem preemptivas. A questo das prioridades crucial em
sistemas temporais, caso uma prioridade no seja atendida em tempo hbil, pode ocorrer
o vencimento do deadline e, dependendo da aplicao, causar danos srios na aplicao.
Os sistemas embarcados esto inseridos nas mais diversas aplicaes do cotidiano
humano, como avies, carros, eletrodomsticos, celulares, instrumentos mdicos, etc.
Esses sistemas so caracterizados por serem limitados fisicamente pela memria
reduzida, consumo de potncia, interfaces no-amigveis, desempenho reduzido, etc.
Em geral, todos esses sistemas utilizam algum SOE, que alm de ser limitado
fisicamente pelo hardware, responsvel por toda a execuo dos softwares da
aplicao.
Neste trabalho, foi adotado o SOE, conhecido como PetaLinux
9
, para ser utilizado
como plataforma de software no sistema embarcado para o Sistema de Manuteno
Inteligente.
4.5.2.1 Sistema Operacional PetaLinux
O PetaLinux (WILLIAMS; PETALOGIX, 2008) um sistema operacional para
aplicaes embarcadas (SOE) que trata restries como memria disponvel e
desempenho de processamento.
O PetaLinux um sistema operacional para processadores de pequeno desempenho
e para executar sobre a arquitetura do processador MicroBlaze em FPGA. Os requisitos
mnimos de hardware exigidos para execuo do PetaLinux so:
Processador MicroBlaze em FPGA.
Timer.
Controlador de interrupo.
Dispositivo de entrada e sada padro (RS-232).
Memria RAM.
Memria FLASH (opcional).
PetaLinux tem sua origem no sistema operacional GNU/Linux, sendo uma
customizao do sistema operacional para sistemas embarcados uCLinux
10
. A principal
caracterstica desse projeto est na execuo sobre microprocessadores sem Unidade de
Gerenciamento de Memria (MMU Memory Management Unit) e o tamanho reduzido
da imagem do kernel.
Como o PetaLinux baseado nos padres de operao do GNU/Linux e originou-se
do uCLinux, o kernel do sistema continua sendo licenciado como soluo de software
livre e de cdigo-fonte aberto. Contudo, importante notar que os scripts para

9
Site oficial do projeto PetaLinux - www.petalogix.com
10
Site oficial do projeto uCLinux - www.uclinux.org




117
configurao e compilao do kernel so proprietrios da empresa que administra o
PetaLinux, no permitindo a modificao destes.
Alm de ser um sistema operacional, o PetaLinux uma plataforma de projeto de
software para sistemas embarcados, integrando um SOE a uma plataforma de hardware
baseada em FPGA. Como em um FPGA o hardware pode ser customizado ao gosto do
projetista, o PetaLinux pode customizar o sistema operacional para as necessidades de
cada sistema embarcado projetado.
Desse modo, o PetaLinux integrado na ferramenta XPS, visto na seo anterior,
para o projeto do hardware do sistema embarcado. Essa integrao permite configurar
os parmetros do sistema operacional de acordo com os requisitos do sistema
embarcado projetado.
De acordo com o tutorial (WILLIAMS; PETALOGIX, 2008), o XPS uma
ferramenta voltada para o hardware em torno do FPGA, ele apresenta como sada para
o PetaLinux um arquivo com as configuraes do hardware e do software (sistema
operacional). Esse arquivo deve ser utilizado durante a compilao da imagem do
kernel, dentro do ambiente do PetaLinux, uma vez disponibilizada informaes, como
quais componentes de hardware so utilizados, seus endereos de mapeamento,
memria disponvel, configurao de timer e clock, configurao de entrada e sada
padro, entre outros.
A plataforma do PetaLinux deve ser instalada em ambiente GNU/Linux, para o
desenvolvimento das aplicaes, da configurao, compilao da imagem do kernel, dos
links para bibliotecas do kernel e bibliotecas-padro. Ademais, fornece as ferramentas
clssicas de programao, como compilador, debuger e editor de cdigo-fonte.
No PetaLinux, fornecido um ambiente de desenvolvimento cross compiler, que
possibilita compilar softwares de uma paltaforma-alvo diferente daquela utilizada para
compilao. A partir de um PC rodando GNU/Linux, pode-se compilar softwares para
MicroBlaze. Isso importante para compilar a imagem do kernel e tambm para o
desenvolvimento das aplicaes.
Aps uma breve apresentao da plataforma do PetaLinux, agora o foco so as
particularidades do sistema operacional adotado (YAGHMOUR, 2008) (NIKKANEN,
2003) (NAGARAJAN; ASOKAN, 2007). O PetaLinux tem herdado muitas
caractersticas do GNU/Linux convencional, como a pilha TCP/IP e os diversos
protocolos de comunicao. Tambm suporta diversos sistemas de arquivos, alm dos
especiais para sistemas embarcados. O PetaLinux foi projetado para manter
compatibilidade com as aplicaes desenvolvidas nos padres do GNU/Linux.
Para manter o nvel de compatibilidade das aplicaes do PetaLinux com o
GNU/Linux convencional, utilizada uma verso reduzida das bibliotecas-padro do C
(conhecida por libc) utilizada pelo GNU/Linux convencional. Desse modo, foi utilizada
no PetaLinux a biblioteca uClibc (com origem do uClinux), que mantm
compatibilidade com o padro de arquitetura do GNU/Linux e foi projetada para ocupar
menos espao e suportar processadores sem MMU. Com isso, o PetaLinux proporciona
aos desenvolvedores reutilizarem aplicaes j desenvolvidas, seguindo o mesmo
padro POSIX do GNU/Linux.
As duas principais diferenas do PetaLinux comparando-o com o GNU/Linux
convencional a ausncia de MMU e o tamanho da imagem do kernel. Todavia, a




118
principal vantagem que o PetaLinux oferece em relao ao GNU/Linux o tamanho da
imagem do kernel (YAGHMOUR, 2008).
A imagem do kernel um arquivo que armazena todas as instrues do kernel
compilado em um formato compactado. Por exemplo, um kernel compilado somente
com as opes necessrias para uma arquitetura de um processador, sistema de arquivos
e dispositivos perifricos, pode ocupar aproximadamente 400 KBytes de memria. Aps
o boot, a imagem final do kernel (incluindo as aplicaes) j carregada na memria,
pode ocupar aproximadamente 2MB da memria.
Aps a compilao e gerada a imagem do kernel, o arquivo da imagem deve ser
carregado e gravado na memria do sistema embarcado para inicializar o processo de
boot.
Para o estudo de caso adotado no presente trabalho, a imagem do kernel carregada
e gravada diretamente no espao da memria RAM. O mtodo mais simples para
efetuar boot executar diretamente a imagem do kernel no espao de memria. Para
isso, preciso enderear o fluxo de execuo do processador para a primeira instruo
do kernel. Pode-se correr o risco de todas as configuraes de inicializao do hardware
no serem realizadas antes da execuo do kernel. Esse mtodo pode ser utilizado
quando uma memria no-voltil (FLASH), para armazenar a imagem do kernel, assim
como um bootloader, estiverem indisponveis.
Outro mtodo de boot pode ser por meio de um pequeno programa, conhecido por
bootloader, que uma opo mais segura e flexvel. Este o primeiro programa a ser
executado pelo processador e trata com antecedncia as configuraes de inicializao
do hardware, alm de carregar a imagem do kernel para a memria, a partir de uma
memria no-voltil, link de Internet, porta serial, etc. Existem diversos programas
utilizados como bootloader, cada um com suas vantagens e desvantagens. Esses
programas exigem um espao de armazenamento muito pequeno e possibilitam uma
segurana maior durante a inicializao do sistema operacional (YAGHMOUR, 2008).
Como neste trabalho foi adotado utilizar o mtodo mais simples de boot, um
inconveniente foi detectado. Em cada instante que o hardware energizado, uma nova
recarga da imagem do kernel para memria RAM se torna necessrio. Ento, nesse
caso, foi utilizada a ferramenta XPS para desempenhar essa tarefa.
Durante o projeto do sistema embarcado, foi utilizado um mdulo para debug do
processador (debug_module), que possibilita ler e escrever todos os registradores,
executar instrues diretamente no processador e acessar a memria. Por meio dessa
ferramenta, a imagem do kernel carregada para a posio de memria configurada
como incio do sistema operacional. Aps, o registrador PC (Program Counter) do
processador modificado para apontar para o endereo onde esto as instrues de
inicio da imagem do kernel. Desse modo, o boot do sistema operacional PetaLinux
neste trabalho executado.
Como o boot o primeiro programa executado pelo processador, responsvel por
descompactar a imagem do kernel, carreg-la para a memria e iniciar a execuo.
Durante o boot, so realizadas uma srie de tarefas importantes de preparo do hardware
para a execuo correta do sistema operacional.
A inicializao do kernel no PetaLinux segue o mesmo padro de funcionamento do
boot do GNU/Linux convencional. Durante o carregamento do sistema, a execuo visa
detectar e inicializar todos os dispositivos de hardware. Sero configuradas as rotinas




119
de tratamento de interrupes e carga dos drivers de dispositivos de hardware
(YAGHMOUR, 2008).
Aps a configurao do hardware carregado o mdulo de execuo dos scripts de
inicializao (programas de configurao do software), que so executados apenas uma
vez durante o boot. A ltima etapa do boot executar os scripts para carga de
aplicaes nativas do sistema, que so programas importantes para colocar o dispositivo
em ambiente de trabalho, por exemplo, montar as parties de sistemas de arquivos,
configurar a interface de rede e executar as aplicaes do usurio.
Aps a execuo de todo o processo de boot, o sistema est pronto para ser utilizado
como um ambiente de trabalho para a aplicao. Entretanto, para que isso se consolide,
algumas etapas precisam ser esclarecidas, como o sistema de arquivos utilizado e
como so desenvolvidas as aplicaes para o sistema.
O PetaLinux suporta diversos sistemas de arquivos padres em ambientes
GNU/Linux, alm de incluir os especiais para sistemas embarcados. Geralmente, em um
sistema embarcado, utilizado uma combinao de diferentes unidades de
armazenamento, com memria FLASH, RAM e discos rgidos. Isso exige utilizar um
sistema de arquivos especfico para cada unidade de armazenamento.
Durante a execuo dos scripts para carga de aplicaes nativas pelo boot do
sistema, criado e montado um sistema de arquivos clssicos em ambientes
GNU/Linux, o RAMFS. O RAMFS (YAGHMOUR, 2008). um sistema de arquivos
para memria RAM, que cria uma partio de dados contguos no espao de memria
aps o endereo final do kernel. A partio criada utilizando o sistema de arquivos do
tipo ext2, muito comum em ambientes GNU/Linux. O ext2 um sistema de arquivos
simples, eficiente, com alto desempenho e tem suporte a links entre os arquivos.
A partio RAMFS geralmente utilizada para armazenar arquivos de logs
(histricos) produzidos pelas aplicaes e como espao de arquivos para o usurio. A
configurao da partio feita antes da compilao do kernel, quando ajustado o
tamanho da partio. Como neste estudo de caso no est disponvel uma memria
FLASH, apenas uma memria RAM, a partio RAMFS foi adotada como sistema de
arquivos-padro neste trabalho.
Com a partio de usurio disponvel para uso, pode-se desenvolver e executar os
softwares de aplicao do usurio e utilizar normalmente a partio como uma unidade
de armazenamento.
O desenvolvimento das aplicaes do usurio deve ser feito antes da compilao do
kernel, pois so inseridas dentro da imagem gerada.
A plataforma do PetaLinux (WILLIAMS; PETALOGIX, 2008) disponibiliza um
ambiente de building completo para desenvolvimento de softwares para aplicaes, que
podem utilizar todos os recursos disponveis pelas bibliotecas (uclibc) e pelo sistema
operacional, como processamento multitarefas, reutilizao de outros programas ou
partes de cdigo, etc.
No entanto, preciso ateno especial ao desenvolver as aplicaes, devido
ausncia de MMU no PetaLinux. Essa caracterstica influencia diretamente o trabalho
do programador.
Conforme (SILBERSCHATZ, 2008) o MMU, quando disponvel, utilizado pelo
sistema operacional para realizar o mapeamento em tempo de execuo dos endereos




120
lgicos (endereo gerado por instrues) para fsicos (endereos na memria fsica).
Assim, na associao de endereos em tempo de execuo, os endereos lgicos e
fsicos so diferentes. O MMU faz essa converso transparente para o programador.
Como neste trabalho foi adotado o processador MicroBlaze (XILINX, 2003), que
no tem MMU, a associao de endereos feita em tempo de compilao. Desse
modo, a associao de endereos lgicos e fsicos tem valores idnticos.
Quando o mdulo de MMU est disponvel, este fornece um nvel de proteo para
as aplicaes executadas e cria um modelo de memria virtual (SILBERSCHATZ,
2008). Prov uma tcnica para proteger o sistema operacional contra aplicaes do
usurio e protege as prprias aplicaes dos usurios umas das outras. Isso melhora o
gerenciamento dos recursos de memria, criando a ideia de a memria ser ilimitada e
nica, alm de o gerenciamento do uso da memria ser totalmente transparente ao
programador.
Quando o mdulo de MMU est indisponvel, os recursos de memria se tornam
escassos e o gerenciamento se torna muito mais custoso e de alta responsabilidade por
parte do programador (SILBERSCHATZ, 2008). Ento, quando se trabalha sem a
MMU, significa que todos os programas da memria esto literalmente mapeados em
uma sequncia fsica no espao de memria. Isso chamado de modelo de memria
flat, em que os dados so gravados em um espao linear e acessados diretamente pelo
endereo. Este um mtodo simples de mapeamento, comparando com os modelos de
paginao ou segmentados.
Nesse caso, no existe proteo por parte do sistema operacional ao espao de
memria. Por exemplo, um ponteiro para um endereo invlido da memria acessado
por uma aplicao do usurio pode causar um erro no endereamento e corromper o
fluxo de execuo do processador ou paralisar a execuo. Ou ainda uma aplicao
pode acessar espao de memria de outra aplicao e corromper os dados.
Esses exemplos mostram a importncia que o programador tem com o teste correto
do cdigo-fonte implementado antes de validar aplicao. Esses problemas podem
acontecer porque o sistema operacional permite que a aplicao possa acessar qualquer
endereo no espao de memria e modific-lo, o que pode prejudicar o fluxo de
execuo do sistema.
Como neste estudo a MMU no est disponvel. Em funo desse requisito, deve-se
mudar o paradigma de programao das aplicaes, pois exige modificaes e
adaptaes a algumas chamadas ao sistema e, claro, o programador se torna responsvel
pelo gerenciamento do uso da memria.
Quando for reutilizar softwares que se originaram em sistemas com MMU, as partes
do cdigo-fonte, que utilizam alocao dinmica de memria, devem obrigatoriamente
garantir que todos os espaos de memria alocados sejam desalocados e, dependendo do
caso, at mesmo essas partes do cdigo devem ser reprogramadas.
Nas prximas sees, sero abordados o desenvolvimento do software da aplicao
do Sistema de Manuteno Inteligente utilizando a plataforma do PetaLinux.
4.5.2.2 Integrao do som_core ao PetaLinux
No sistema embarcado para o Sistema de Manuteno Inteligente visto na Figura
4.21, o componente som_core precisa ser integrado ao sistema operacional PetaLinux.




121
Essa integrao feita pelo desenvolvimento de um device driver (YAGHMOUR,
2008), que tem por funo tornar transparente, para o programador, os acessos de
controle do hardware. De acordo com o componente som_core apresentado na Figura
4.22, so utilizados quatro registradores mapeados em memria (XILINX, 2005d). Estes
controlam e armazenam os resultados de operao do dispositivo.
O device driver tem que operar o componente som_core por meio de escrita e leitura
nos registradores. As seguintes operaes precisam ser realizadas para controlar o
componente:
1. START: a entrada de dados feita mediante escrita no Registrador de
Controle, que comandar o sinal de START do SOM (para inicializar o
funcionamento do componente). utilizado o bit 0 (menos significativo).
2. PRONTO: a sada de dados feita mediante leitura do Registrador de
Controle, que armazenar o sinal de PRONTO do SOM (fim de operao e
resultado disponvel). utilizado o bit 1 (menos significativo).
3. X: a entrada de dados (elementos dos vetores de entrada) feita mediante
escrita no Registrador de Entrada (x), que armazenar o dado a ser
apresentado ao sinal x do SOM (carregar vetores de entrada).
4. BMU: a sada de dados, como resultado do SOM, feita mediante leitura
do Registrador de Sada (BMU) do SOM (ndice do neurnio vencedor).
5. ERRO: a sada de dados, como resultado do SOM, feita mediante leitura
do Registrador de Sada (ERRO) do SOM (erro de quantizao).
6. RESET: a entrada de dados feita mediante a execuo de comando no
barramento OPB, que enviar o sinal de RESET para o SOM (para
reinicializar o componente).
Do ponto de vista do programador, o device driver deve fornecer funes em
software, desenvolvidos em linguagem C, para que possa desempenhar as tarefas de
controle das operaes do componente. Isso possibilita ao programador trabalhar com
os sinais de tratamento do dispositivo de um modo mais transparente e em alto nvel.
Na Tabela 4.7, so apresentadas as funes do device driver desenvolvidas em
linguagem C, que devem ser utilizadas para programao de aplicaes dentro do
ambiente do PetaLinux. Nota-se que todas as funes tm uma entrada em comum, o
endereo-base com a posio do componente do SOM na memria.
Tabela 4.7: Funes implementadas em linguagem C do device driver.
Funo Entrada Sada Definio
SOM_CORE_start Valor do sinal
para start
Valor no
registrador,
bit (0)
Programar o sinal de incio de
funcionamento do dispositivo
SOM_CORE_reset - - Programar o sinal para
reinicializar o dispositivo
SOM_CORE_readStatus - Valor no
registrador,
bit(1)
Ler sinal de fim de
funcionamento e dados
prontos para a leitura
SOM_CORE_writeX Valor de um
elemento do
- Inserir elemento do vetor de
entrada no dispositivo




122
vetor x
SOM_CORE_compute Ponteiro de
memria para o
incio do vetor
de entrada x
- Realiza todo o clculo do
algoritmo do SOM, inserindo
o vetor de entrada no
dispositivo, e aguarda o fim
dos clculos at o resultado
SOM_CORE_readBMU - Valor do
BMU
Ler o valor na sada do BMU
SOM_CORE_readError - Valor do
ERRO
Ler o valor na sada do ERRO
Dentre as funes, a nica que no realiza exclusivamente escrita ou leitura dos
registradores a funo SOM_CORE_compute. Essa funo realiza a carga do vetor de
entrada do SOM e controla a operao de separar cada elemento do vetor de entrada. O
algoritmo implementado em linguagem C apresentado a seguir:
char SOM_CORE_compute(Xuint32 BaseAddress, Xuint32 *x){
int i,k;
Xuint32 ready;
//NEURONS - constante que representa a quantidade de neurnios do SOM
//SIZE - constante de dimenso do vetor de entrada
for (k=0; k<NEURONS; k++){ //lao para varrer todos os neurnios
for (i=0; i<SIZE; i++){ //lao para varrer elementos do vetor
SOM_CORE_writeX(BaseAddress, x[i]); //apresenta vetor ao SOM
}
}
//Verificar o sinal de finalizao do clculo, aguardando hardware
ready = SOM_CORE_readStatus(BaseAddress);
while (!ready){
ready = SOM_CORE_readStatus(BaseAddress);
}
return 0;
}
Por meio dessas funes do device driver, que integram o som_core ao sistema
operacional PetaLinux, possvel fazer o desenvolvimento de aplicaes. Isso ser visto
na prxima seo.
4.5.2.3 Projeto da aplicao
Para o desenvolvimento da aplicao, esto disponveis todos os recursos que um
ambiente GNU/Linux oferece, proporcionando maior flexibilidade ao programador.
Neste trabalho, a aplicao no tem apenas a finalidade de implementar um estudo
de caso para o Sistema de Manuteno Inteligente, mas tambm apresentar um caso
concreto de como utilizar o device driver dentro de uma aplicao no PetaLinux.
No contexto do Sistema de Manuteno Inteligente, visou-se implementar uma
aplicao que utilize o som_core para detectar e diagnosticar falhas. A aplicao pode
realizar ao mesmo tempo a deteco e o diagnstico de falhas, mas depende dos dados
utilizados para o treinamento do SOM.
Devido caracterstica do som_core, a base de treinamento da rede neural pode ser
somente para deteco ou diagnstico. Assim, a aplicao ter como sada apenas um
dos casos. Portanto, para a aplicao realizar a deteco, o som_core deve ser treinado
com dados que visam a deteco, e para diagnstico, treinado com dados que visam o
diagnstico.




123
Uma sugesto para realizar as duas operaes ao mesmo tempo, seria existirem no
som_core duas redes neurais, uma para deteco e outra para diagnstico. Nesse caso, a
aplicao poderia extrair as duas informaes juntamente.
Do ponto de vista da aplicao, o que diferencia a deteco do diagnstico so
apenas as sadas utilizadas do som_core. A implementao da aplicao pode ser nica,
pois o custo computacional para deteco ou classificao igual, j que apenas so
lidos os registradores no som_core (BMU ou ERRO).
Neste estudo de caso, foi adotada a leitura de dois registradores de sada. O mesmo
cdigo de programa pode ser aplicado tanto para a deteco quanto para o diagnstico,
o que muda entre eles apenas o treinamento do SOM.
A aplicao foi implementada em linguagem C. Foram utilizados alguns recursos
tradicionais do sistema operacional, como acesso a arquivos, funo de converso
numrica e ponteiros de memria (sem uso de alocao dinmica). A seguir, segue um
trecho do cdigo-fonte implementado:
#include <stdio.h>
#include <stdlib.h>
#include "xparameters.h"
#include <linux-2.6.x/drivers/xilinx_common/xio.h>
#include "som_core.h" //Definio dos endereos de memria do som_core
const int SIZE = 20; //dimenso do vetor de entrada
const int NEURONS = 90; //quantidade de neurnios do SOM
int main( ){
FILE *f, *fbmu, *ferro;
char *fim;
float *erro; //armazenar erro de quantizao do som_core
float vetor[SIZE];
Xuint32 result; //armazena as sadas do som_core
//Realizar reset do som_core
SOM_CORE_reset(XPAR_SOM_CORE_0_BASEADDR);
//Ler dados dos vetores de entrada e criar arquivos de sada
f = fopen("/home/teste.txt", "rt");
ferro = fopen("/tmp/resultado_erro.txt", "wt");
fbmu = fopen("/tmp/resultado_bmu.txt", "wt");
//Ler um vetor de entrada por vez e armazenar na memria
fim = getVetorEntrada(vetor,f);
while (fim != NULL){
//Calcular BMU e ERRO para um vetor de entrada
SOM_CORE_start(XPAR_SOM_CORE_0_BASEADDR, 1);
SOM_CORE_start(XPAR_SOM_CORE_0_BASEADDR, 0);
//Inicia o algoritmo para calcular o algoritmo do SOM
SOM_CORE_compute(XPAR_SOM_CORE_0_BASEADDR, vetor);
//Ler registrador de sada do BMU e armazenar em varivel
result = SOM_CORE_readBMU(XPAR_SOM_CORE_0_BASEADDR);
fprintf(fbmu, "%d \n\r", result);
//Ler registrador de sada do ERRO e armazenar em varivel
result = SOM_CORE_readError(XPAR_SOM_CORE_0_BASEADDR);
erro = &result; //cast para transformar em nmero real
fprintf(ferro, "%e \n\r", *erro);
//Realizar reset do som_core para prximo vetor de entrada
SOM_CORE_reset(XPAR_SOM_CORE_0_BASEADDR);
//Carregar prximo vetor de entrada
fim = getVetorEntrada(vetor,f);
}
fclose(f); fclose(ferro); fclose(fbmu);
return 0;
}




124
Essa implementao apenas um exemplo para um caso de teste da aplicao que
faz uso do componente som_core. O componente foi implementado de forma que, antes
de entrar em cada lao de iterao, um vetor de entrada completo lido. Aps, um
ponteiro para o incio desses dados repassado para a funo de carga de vetores ao
SOM. Os resultados so salvos e repete-se novamente esse ciclo at no existirem mais
vetores de entrada.
Essa aplicao funciona de forma a simular dados de entrada por meio de um
arquivo de teste (teste.txt) que contm os vetores de entrada. Os resultados da
aplicao tambm foram armazenados em um arquivo (resultado_erro.txt e
resultado_bmu.txt) para posterior transferncia a um PC e para fazer as devidas
anlises em MATLAB.
Para um prottipo de uma possvel aplicao real (testar esse sistema embarcado em
um atuador eltrico real), seria necessrio incrementar o sistema embarcado. Esses
novos recursos seriam: utilizar entradas e sadas analgicas para leitura dos sensores,
implementar a etapa de processamento de sinais e implementar uma interface homem-
computador para a apresentao de resultados.
4.6 Resumo do Captulo
Neste captulo, foram abordados os passos necessrios para a construo do
prottipo de um sistema embarcado para um Sistema de Manuteno Inteligente de
vlvulas eltricas. Esse prottipo visa implementar tcnicas computacionais de redes
neurais, que tem como objetivo tolerar falhas na aplicao-alvo.
As tcnicas de tolerncia a falhas definidas para o trabalho foram: a deteco, o
diagnstico e a predio de falhas. Estas foram utilizadas para aumentar a
confiabilidade do sistema industrial.
O objetivo do prottipo desempenhar a funo de um sistema de monitoramento
on-line do equipamento industrial. Por meio da aplicao de tcnicas computacionais,
esse sistema pode ler os sinais coletados, processar e apresentar informaes na sada
como: descobrir com antecedncia a ocorrncia de uma falha, identificando onde ela
ocorrer e informar equipe de manuteno.
Para possibilitar esse monitoramento on-line do equipamento industrial, necessrio
que o prottipo seja implementado em uma plataforma de sistema embarcado. Desse
modo, a ferramenta de monitoramento pode ser acoplada ao cho de fbrica,
diretamente no equipamento, para realizar as tarefas de monitoramento.
Como visto neste captulo, foi definida uma estrutura para o sistema de manuteno
inteligente, do ponto de vista de tolerncia a falhas, para projeto do sistema embarcado.
Essa estrutura apresenta as ferramentas para deteco, diagnstico e predio de falhas,
que utilizam o SOM como tcnica computacional. Alm disso, foram apresentados os
detalhes de cada algoritmo para desempenhar cada uma das tarefas.
Em seguida, essa estrutura foi implementada em software, utilizando a ferramenta
MATLAB. Isso foi necessrio para realizar simulaes do funcionamento das partes da
estrutura do Sistema de Manuteno Inteligente, pois por meio desses experimentos foi
possvel validar a estrutura e comparar com os resultados do sistema embarcado.
Aps validao do sistema em software, foi iniciado o projeto do prottipo em
hardware. Foi adotada a plataforma de FPGA da Xilinx, utilizando a placa de




125
desenvolvimento para experimentos fabricada pela Digilent, XUP Virtex-2 PRO. Essa
plataforma de hardware apresenta muitos recursos computacionais disponveis para
explorar o espao de projeto do sistema embarcado.
importante destacar que a prototipao das tcnicas de tolerncia a falhas na
plataforma de FPGA visa implantar nela a rede neural SOM. As tcnicas de tolerncia a
falhas implementadas em FPGA foram a deteco e o diagnstico de falhas. A etapa de
predio foi apenas validada em software, utilizando o MATLAB, e ser prototipada em
hardware, em trabalhos futuros.
Foi desenvolvido um prottipo em VHDL da rede neural SOM. O algoritmo do
SOM foi detalhado e criado um porte para o hardware. Para desempenhar as tarefas de
deteco e diagnstico, foi implementado apenas o algoritmo de teste em VHDL e
utilizado um SOM j treinado por software.
Durante o projeto do algoritmo de recuperao, foi definida a parte operativa dos
componentes de hardware e a Mquina de Estados para controlar o dispositivo. Este foi
testado e validado na plataforma de FPGA.
Durante o desenvolvimento do hardware em VHDL, foram vencidas muitas
barreiras de projeto, como a memria disponvel, o desempenho e a dinmica de
funcionamento do algoritmo. Tais barreiras se originam em caractersticas particulares
do algoritmo do SOM, como o custo computacional de treinamento, a suposio de
memria ilimitada e por ser um algoritmo para avaliao de resultados puramente
empricos.
Mesmo com essas dificuldades no projeto, o prottipo do SOM em hardware foi
aprovado em todas as etapas da metodologia de projeto em FPGA. Foram realizadas
simulaes de nvel comportamental, de nvel temporal (com atrasos) e de consumo de
potncia. Para realizar tais simulaes, foram utilizadas as ferramentas disponveis pela
Xilinx, o ISE e o ModelSim. Por fim, o projeto foi aprovado em todas as simulaes,
estando pronto para ser implantado em um sistema embarcado mais complexo.
O sistema embarcado foi projetado utilizando uma plataforma de desenvolvimento
da Xilinx e uma placa de desenvolvimento fabricada pela Digilent. Essa plataforma
disponibiliza processadores, memrias, barramentos e demais recursos computacionais
para prototipao.
Ademais, foi definida uma arquitetura mnima do sistema embarcado necessrio
para implementar o Sistema de Manuteno Inteligente. Este composto por
microprocessador, memria, barramento, perifricos e o hardware do SOM (som_core).
Devido aos requisitos de um sistema embarcado (limite de memria, limite de
desempenho e consumo de potncia), decidiu-se projetar um hardware mnimo que
possibilite a execuo de um sistema operacional embarcado (SOE).
Foi definido utilizar o microprocessador MicroBlaze e demais perifricos
compatveis (barramento OPB, timer, comunicao, etc). Todos esses recursos so
fornecidos e esto disponveis na plataforma de FPGA. Assim, o sistema computacional
embarcado projetado, deve fornecer os recursos necessrios para executar o sistema
operacional.
Com a definio do sistema embarcado, foi adicionado ao projeto o componente de
hardware do SOM. Para que este opere corretamente, foi preciso desenvolver um
wrapper que faa a converso dos sinais do componente para o padro de comunicao




126
do barramento. Esse wrapper foi desenvolvido e acoplado ao sistema, alm de ter sido
validado e testado.
Com a sntese de todo o sistema embarcado para o FPGA, foi tambm realizada uma
avaliao da rea ocupada pelo sistema como um todo e feita uma comparao
particular entre a rea ocupada do hardware do SOM com o wrapper. O wrapper levou
um aumento de rea da ordem de 28%, que referente aos componentes de integrao
ao barramento.
Com o hardware do sistema embarcado pronto, foram iniciados os trabalhos de
instalao, customizao e compilao do sistema operacional adotado, o PetaLinux.
Esse sistema operacional uma verso customizada especialmente para executar sobre a
plataforma FPGA, com microprocessador MicroBlaze, e drivers para os perifricos da
placa de desenvolvimento.
Foram apresentados conceitos bsicos de software para sistemas embarcados e
tambm sobre o sistema operacional PetaLinux. Como este derivado do GNU/Linux,
eles tm muitos conceitos em comum, mas a principal diferena est na memria
ocupada pelo kernel. Alm disso, as caractersticas internas e particularidades do
PetaLinux que afetam o desenvolvimento de aplicaes tambm foram apresentadas.
Para o desenvolvimento de softwares, devem ser vencidas algumas limitaes devido ao
sistema no ter MMU, o que transfere muitas responsabilidades de segurana e
confiabilidade do software para o programador.
Por fim, foi apresentado o desenvolvimento do device driver, necessrio para acessar
o hardware do SOM pelo software, alm da apresentao de um exemplo de aplicao
em software que utiliza o componente.

5 EXPERIMENTOS E RESULTADOS
5.1 Introduo
Neste captulo, sero apresentados os experimentos e resultados utilizando as
ferramentas apresentadas e desenvolvidas no capitulo anterior.
O objetivo dos experimentos comprovar, por meio de resultados, que o Sistema de
Manuteno Inteligente funciona para o caso de teste. Alm disso, tambm se deve
avaliar o prottipo do hardware comparando-o com os resultados obtidos pelas
simulaes em software.
Primeiro, ser apresentada a metodologia para realizar os experimentos. Esta pode
ser aplicada para qualquer estudo de caso, j que apresentada em termos gerais.
Em segundo, ser apresentado o estudo de caso adotado neste trabalho. Sero
abordados os problemas no transporte de derivados de petrleo, na indstria petrolfera
e como este trabalho ajuda a resolver tais problemas. Com base neste estudo de caso,
sero desenvolvidos os experimentos.
Na terceira etapa, ser apresentado o modelo matemtico que utilizado para
simular o comportamento fsico do processo industrial. A abordagem a de
conhecimento a priori, em que por meio de um conhecimento especializado sobre as
relaes fsicas do processo possvel especificar o modelo. Este serve como base para
aquisio de dados quantitativos, como valores ou sinais de caractersticas do
comportamento do equipamento.
Em quarto, ser apresentado como realizar o treinamento das redes neurais,
utilizando o simulador do modelo matemtico como gerador de sinais ou valores. Esses
sinais so tratados como dados de histrico, em que grandes quantidades desses dados
devem estar disponveis. Eles sero aplicados a uma tcnica de processamento de sinais
para extrair determinadas caractersticas importantes. A partir disso, sero utilizados
como vetores de entrada na rede neural tanto para treinamento quanto para testes.
Aps, sero apresentadas as aplicaes desenvolvidas para avaliar os resultados para
deteco, classificao e predio de falhas. Nestas, sero avaliados apenas os
resultados adquiridos por meio das simulaes em software por intermdio da
ferramenta MATLAB.
Por ltimo, sero realizados experimentos de deteco e diagnstico utilizando o
prottipo do sistema embarcado. Este ser comparado aos resultados obtidos da




128
simulao em software, em MATLAB, para avaliar se os resultados do sistema
embarcado esto corretos.
Nas prximas sees, sero apresentadas as etapas dos experimentos para o sistema
embarcado de manuteno inteligente.
5.2 Metodologia dos Experimentos
O propsito dos experimentos aplicar as tcnicas e ferramentas vistas no Captulo
4, utilizando o conjunto de dados ou sinais de entrada para testar e simular o Sistema de
Manuteno Inteligente.
Para realizar os experimentos, assume-se de antemo que esteja disponvel um
conjunto de dados ou sinais de entrada, que sero utilizados para treinamento e testes.
importante que esses dados reflitam as informaes de um perodo histrico do processo
em anlise.
Caso no estejam disponveis os dados de entrada, pode-se utilizar uma ferramenta
auxiliar para produzi-los. Nos experimentos, aqui apresentados, foi utilizada uma
ferramenta para simular o comportamento do processo.
Os experimentos sero feitos com base inteiramente na proposta de um Sistema de
Manuteno Inteligente (SMI) apresentada na Seo 4.2. Nesse sistema, so utilizadas
redes neurais do tipo Mapas Auto-organizveis (SOM) para aprender as caractersticas
comportamentais do processo a ser monitorado.
Os experimentos foram divididos de dois modos:
Experimentos em software: ser utilizada a ferramenta implementada em
MATLAB e apresentada na Seo 4.3.
Experimentos em hardware: ser utilizado o prottipo do sistema embarcado
desenvolvido e apresentado na Seo 4.5.
Os experimentos em software tm a finalidade de avaliar os resultados do ponto de
vista do SOM. Isso ser realizado pela utilizao de sinais que sejam realistas e
representativos do processo industrial. Sero feitos experimentos para avaliar as tarefas
de deteco, diagnstico e predio de falhas.
As fases a serem realizadas no experimento em software so:
1. Aquisio de dados: um banco de dados deve estar disponvel a fim
de refletir o histrico de comportamento do processo. Este deve
fornecer dois conjuntos de dados: um para treinamento (histria do
processo) e um para teste.
2. Treinamento: utilizar os dados de treinamento para treinar as redes
neurais, pois cada tarefa do SMI (deteco, diagnstico e predio)
utiliza uma rede neural em particular. Por isso, necessita-se separar os
dados mais adequados para cada caso conforme algoritmo
apresentado na Seo 4.2.
3. Teste: utilizar os dados de teste para avaliar a generalizao da rede
neural. Para cada tarefa do SMI, devem-se separar os dados de teste
mais adequados para cada caso conforme apresentado na seo 4.1.
4. Resultados: para cada caso do SMI extrair os seguintes resultados:




129
Deteco: obter da rede neural o grfico do erro de
quantizao para cada vetor de teste.
Diagnstico: obter da rede neural a visualizao por U-Matrix
revelando o mapeamento e as taxas de acertos para cada vetor
de teste.
Predio: extrair da rede neural a visualizao por U-Matrix
com a projeo da trajetria percorrida pelos neurnios
vencedores. Tambm extrair o grfico da relao entre os
vetores vencedores e o tempo de chegada da amostra.
Os experimentos em hardware visam avaliar e validar o sistema embarcado do
ponto de vista do SOM. Isso ser realizado pelos mesmos sinais utilizados para o caso
de experimentos em software. Alm disso, sero feitos experimentos para avaliar as
tarefas de deteco e diagnstico de falhas.
Como o SOM foi implementado no sistema embarcado, algumas etapas anteriores
no esto disponveis, como a aquisio de sinais pela entrada analgica e a etapa de
processamento de sinais. Devido a isso, esses experimentos tm a finalidade apenas de
simular o funcionamento do SOM na prtica pelo uso de dados estticos salvos na
memria. Estes fazem o papel de simular a aquisio de dados para testes e executar o
sistema embarcado na placa de desenvolvimento.
As fases a serem realizadas no experimento em hardware so:
1. Aquisio de dados: neste experimento no ser tratada a aquisio
de dados em tempo real. Os dados para treinamento e testes sero
iguais aos utilizados pelo experimento em software e devem estar
disponveis. Esses dados sero gravados de forma esttica no sistema
embarcado para realizar a simulao.
2. Treinamento: ser utilizado o mesmo SOM treinado pelo
experimento em software e apenas para as tarefas de deteco e
diagnstico. Os vetores de pesos sinpticos dos neurnios devem ser
separados e salvos, em separado, em um arquivo chamado de mapa.
3. Converso: converter os valores do mapa para a representao
numrica binria, seguindo o padro de Ponto Flutuante IEEE 754.
4. Sntese: o arquivo do mapa em binrio utilizado durante a sntese
do sistema embarcado. O mapa utilizado como entrada de dados
para memria interna (BRAM) do componente conforme apresentado
na Seo 4.4.1.2.
5. Programa de teste: os dados de teste para avaliar os resultados do
SOM, so inseridos no programa da aplicao na imagem do kernel
do PetaLinux. Estes so salvos em um arquivo-texto na memria do
sistema para simular a aquisio de dados para testes.
6. Resultados: dependendo da tarefa para qual o SOM foi treinado,
extrair os seguintes resultados em cada caso:
Deteco: obter os resultados do erro de quantizao
coletados na sada ERRO do componente som_core e
armazenados em um arquivo de sada. Esse arquivo deve ser




130
transferido para um PC, a fim de processar os dados de
resultados e gerar o grfico do erro de quantizao.
Diagnstico: obter os resultados dos neurnios vencedores
coletados na sada BMU do componente som_core e
armazenados em um arquivo de sada. Esse arquivo deve ser
transferido para o PC para processar os dados de resultados.
Ademais, gerar a representao de visualizao por U-Matrix
com destaque para o mapeamento e calcular as taxas de
acertos para cada vetor de teste.
Nota-se uma fase em comum entre os experimentos em software e hardware: a fase
de treinamento. Esta foi definida ao ser executada no PC, utilizando o MATLAB,
devido reutilizao da implementao do SOM Toolbox (ver seo 4.3). O reuso desse
software j trata de todos os requisitos intrnsecos do algoritmo de treinamento do SOM
e, claro, evita transferir o custo computacional de treinamento para o sistema
embarcado.
Nas prximas etapas, sero apresentados os experimentos para cada um dos modos
(software e hardware) e em cada um delas sero apresentadas as tarefas do ponto de
vista do Sistema de Manuteno Inteligente.
5.3 Estudo de Caso
O estudo de caso adotado nos experimentos vem de um setor muito importante para
a indstria petrolfera: o transporte e distribuio de derivados de petrleo.
O processo de transporte de derivados de uma plataforma de extrao at uma
refinaria realizado por uma rede dutoviria ou gasodutos. Estes so tubulaes
especiais para transportar os derivados de um local de origem para um destino.
O gasoduto pode percorrer milhares de quilmetros e tambm interligar
equipamentos do processo dentro da refinaria. Em todo o seu percurso podem ser
encontradas centenas ou at milhares de vlvulas, que so utilizadas para controlar o
fluxo do processo durante o transporte.
As vlvulas so equipamentos industriais que tem a finalidade de controlar o fluxo
de fludos, como derivados de petrleo, gua, esgoto, etc. A vlvula efetua o trabalho de
abrir ou fechar o obturador de fluxo. Este estudo de caso se concentra na vlvula.
Quando uma vlvula falha de forma indesejada, esta pode interromper ou abrir total
ou parcialmente o obturador, que pode causar grandes prejuzos no processo produtivo.
Por exemplo, a interrupo de um gasoduto pode cessar o processo de refino e gerar
prejuzos financeiros altssimos, em funo do tempo de parada. Outro exemplo, uma
falha em um obturador pode interromper o funcionamento de uma adutora e o
fornecimento de gua para uma cidade por um determinado tempo.
Ento, a vlvula foi escolhida como estudo de caso por ser um equipamento
importante no processo de transporte de derivados de petrleo, segundo a equipe de
manuteno da empresa Transpetro, subsidiria da Petrobras.
Neste estudo de caso, foi adotada uma vlvula movida eletricamente, em que o
obturador acionado por um atuador motorizado. O modelo escolhido fabricado pela




131
empresa Coester Automao S.A.
11
, e o modelo do atuador (motor) o CSR25 que
acoplado a uma vlvula do tipo gaveta.
O atuador responsvel por movimentar a haste da vlvula, abrindo ou fechando o
obturador. Na Figura 5.1, podem ser vistas as partes que compem a vlvula adotada
nos experimentos.

Figura 5.1: Viso geral da vlvula e do atuador adotado nos experimentos.
No conjunto vlvula e atuador, possvel monitorar o torque mecnico exercido
pelo motor, durante a realizao do movimento de abertura e/ou fechamento da vlvula,
e a posio que se encontra o obturador da vlvula. Nesses experimentos sero adotadas
ambas variveis, torque e posio.
J que os dados de histrico para um caso real de utilizao do equipamento no
esto disponveis, ento deve-se utilizar uma ferramenta para simulao do
comportamento fsico do conjunto atuador e vlvula. Na prxima seo, ser abordada a
ferramenta de simulao e injeo de falhas.
5.4 Modelo para Simulao
Para desenvolver uma ferramenta de simulao de todos os parmetros e
comportamentos esperados para o conjunto atuador e vlvula, necessita-se de um grande
esforo de projeto. Para isso, preciso conhecer as caractersticas e o comportamento
fsico de cada componente que forma o conjunto e as relaes entre cada uma das
partes.
A construo de modelos baseada no conhecimento a priori dos princpios fsicos
que governam o comportamento do sistema. Na ferramenta de simulao, com base em
modelagem fsica, o comportamento do sistema e os valores de sada so modelados
como um sistema matemtico.

11
Site da empresa Coester Automao S.A. - http://www.coester.com.br/




132
Ento, o modelo inteiramente baseado no conhecimento detalhado das relaes
fsicas e das caractersticas dos componentes que integram o sistema. No final obtm-se
um conjunto de equaes matemticas (equaes diferenciais, sistemas algbricos, etc.),
que ser chamado de modelo matemtico.
O modelo matemtico implementado como uma ferramenta de simulao, em que
sero feitos os ajustes dos parmetros e das variveis que governam o modelo. Essa
ferramenta apresentar uma sada de dados com os resultados esperados.
A construo do modelo matemtico, para simulaes deste estudo de caso, foi
realizada por (GONALVES ET AL., 2007) (GONALVES ET AL., 2008) no Grupo
de Pesquisa em Manuteno Inteligente, da Universidade Federal do Rio Grande do Sul.
Em Anexo nesta dissertao est o artigo apresentando maiores detalhes a respeito das
equaes que governam a construo do modelo matemtico.
Durante as pesquisas para elaborao do modelo matemtico, foram estudadas, com
detalhes, as relaes fsicas de construo entre as partes que formam o atuador e a
vlvula. O atuador composto por um conjunto eltrico e mecnico. As principais
partes (ver Figura 5.2) so:
Motor eltrico: motor de induo trifsico do tipo gaiola de esquilo.
Reduo mecnica: sistema de transmisso mecnica por engrenagens.
Acoplamento: interface do atuador com a haste rotativa da vlvula.
Sensor de torque: clula de carga eletrnica.
Sensor de posio e movimento: potencimetro.
A vlvula composta por um conjunto mecnico. As principais partes (ver parte
inferior na Figura 5.1) so:
Acoplamento: interface rotativa da haste com o atuador.
Haste: sistema rotativo para movimentar obturador.
Obturador: dispositivo que bloqueia o fluxo no canal de vazo.
Canal de vazo: local onde passa o fluido, sendo a interface da vlvula com a
tubulao.
Como pode-se notar, a construo do conjunto atuador e vlvula feita para
interligar todas essas partes entre si. Para isso, necessrio estudar todas as questes
fsicas dessa relao e construir um modelo matemtico para simul-las.
Conforme (GONALVES ET AL., 2008), durante o funcionamento do conjunto,
existe um forte relacionamento entre as partes do conjunto: atuador, vlvula, tubulao e
fluido: uma relao entre a determinao da posio do obturador em relao vazo do
fluido pela tubulao; uma relao entre a transmisso do torque do motor e a reduo
mecnica, para movimentar o obturador at uma posio indicada que controlar a
vazo pela tubulao; etc.
Durante o processo de transmisso do torque at o obturador, uma srie de foras
devem ser tratadas pelo modelo matemtico. Essas foras influenciam diretamente no
movimento de abertura ou fechamento do obturador da vlvula. Na Figura 5.1 ao lado
direito, so apresentadas as direes dessas foras.




133

Figura 5.2: Principais partes do atuador eltrico.
A fora exercida pelo motor eltrico do atuador deve vencer as demais contrrias. A
fora de atrito corresponde ao atrito existente entre a haste e a gaxeta (pea utilizada
para vedao). A fora da mola corresponde ao movimento do obturador at sua posio
inicial, na ausncia de energia eltrica. A fora do fludo passa pela tubulao
exercendo presso sobre o obturador.
As sadas do modelo matemtico devem ser as mesmas do sistema de controle do
atuador, com sinal de torque e posio do obturador. A sada de torque do modelo para
simular os dados oriundos do sensor de torque (medida do torque de sada exercida pelo
motor eltrico). A sada de posio corresponde a simular o sensor de posio e
movimento (medida do percentual de movimento do obturador no canal de vazo).
5.4.1 Modelo Matemtico
Durante o processo de modelagem matemtica deste estudo de caso, (GONALVES
ET AL., 2008) o dividiu em duas etapas fundamentais: definio e modelagem. O
modelo matemtico foi implementado de forma a ser um simulador computacional e
suportar recursos para injeo de falhas. Para maiores detalhes consultar o Anexo.
A etapa de definio consiste na identificao dos fatores que influenciam na
dinmica de funcionamento e no comportamento do sistema. Alm disso, implica em
escolher adequadamente os princpios fsicos, aplicar consideraes e simplificaes,
alm da escolha das variveis que descrevem o sistema. O modelo matemtico
constitudo por um conjunto de equaes diferenciais e algbricas no-lineares.
Para a modelagem, foram consideradas as seguintes partes do conjunto atuador,
vlvula e tubulao, que descrevem o comportamento do sistema:
Motor eltrico.
O sistema de reduo mecnica (engrenagens).
O fluxo do fluido que passa pela tubulao e vlvula.
A posio, velocidade e acelerao da haste.
As foras envolvidas no movimento do motor e obturador.




134
A partir das consideraes e separando cada caso em particular, foi desenvolvido um
conjunto de equaes para cada uma das partes isoladas do sistema. As equaes so
interligadas por variveis comuns em cada parte, construindo um sistema de equaes.
As equaes e os mtodos numricos utilizados para solucionar as equaes
diferenciais e algbricas que descrevem as relaes e os comportamentos fsicos do
conjunto atuador e vlvula podem ser vistos com mais detalhes em (GONALVES ET
AL., 2008).
importante notar que esse modelo matemtico ainda encontra-se em fase de
validao. Necessita-se ainda definir alguns parmetros importantes, que devem ser
fornecidos pelo fabricante do equipamento, e validar utilizando experimentos para um
caso real.
Na Figura 5.3, apresentada a ferramenta de simulao desenvolvida por
(GONALVES ET AL., 2008). um simulador de dinmica de sistemas no-lineares,
utilizado para simular o modelo matemtico do estudo de caso. Foi desenvolvido em
MATLAB. Gera o conjunto de sinais necessrios para realizar os experimentos para o
Sistema de Manuteno Inteligente.

Figura 5.3: Ferramenta de simulao para experimentos no conjunto atuador e vlvula.
5.5 Injeo de Falhas
Nesta seo, ser apresentada a aplicao da ferramenta de simulao para
experimentos de injeo de falhas no atuador eltrico, a fim de gerar conjunto de dados
com histricos de comportamento do atuador. Esses dados so importantes para o
treinamento e os testes das redes neurais do Sistema de Manuteno Inteligente.
Sero simuladas duas falhas que ocorrem no conjunto atuador e vlvula. Essas falhas
so: obstruo do obturador por acmulo de sedimentos ou por materiais slidos
transportados pela tubulao at a vlvula e desgastes originados nas engrenagens,
causando folgas ao longo do tempo.




135
A simulao dessas falhas importante para gerar o conjunto de dados de histrico
que deve representar trs tipos de comportamentos do atuador: normal, degradao e
falha.
Os dados de histrico poderiam ter sido coletados em um ensaio real, em que se
tenta imitar as situaes normais, a de degradao e de falha. Entretanto, em alguns
processos industriais, muitas das situaes de falhas no podem ser ensaiadas, uma vez
que h a necessidade de uma inciso fsica para forar uma anormalidade (como quebra
ou desgaste de peas) (VENKATASUBRAMANIAN; RENGASWAMY; KAVURI;
ET AL., 2003). Nesse caso, quando se causa degradao ou falha, tm-se custos
elevados de tempo e dinheiro, e isso inviabiliza a realizao dos ensaios.
Uma opo mais vivel simular as diversas situaes normais, de degradao e de
falha por meio de um simulador utilizando um PC. No entanto, esta aplicvel somente
quando a ferramenta de simulao est disponvel. Neste estudo de caso, esta opo est
disposio e ser aplicada neste trabalho.
Como o objetivo deste trabalho aplicar tcnicas de tolerncia a falhas de deteco,
diagnstico e predio, necessita-se a priori do conjunto de dados de histrico de
comportamento. Para gerar o conjunto de dados pelo simulador, foi utilizado, como
sada, o sinal de torque do atuador e a posio do obturador da vlvula.
Para fins de validao da tcnica de tolerncia a falhas proposta neste trabalho, foi
simulada uma srie de experimentos para a gerao de amostras de dados, formando um
conjunto de dados de histrico.
Tambm foi definido o modelo do atuador CSR25, fabricado pela empresa Coester,
que tem um motor eltrico de 5HP, fabricado pela empresa WEG, e com torque nominal
de 250Nm. Como o atuador tem uma proteo interna contra o aumento repentino do
torque, ento foi definido como valor de sobre-torque 275Nm e aps isso ele
desligado. A vlvula adotada contm um obturador do tipo gaveta.
Com esses parmetros definidos, j possvel simular os comportamentos normal,
de degradao e de falhas que podem ser observados no conjunto atuador e vlvula.
Por exemplo, as causas de algumas das falhas que podem ser simuladas so o
aumento gradual do torque ou a dificuldade em movimentar o obturador por estar mais
rgido e bloqueado. Essas falhas influenciam diretamente o valor do torque e a posio
do obturador. Tudo isso feito por meio de ajustes em parmetros no modelo
matemtico do simulador.
Para realizar os experimentos de abertura e o fechamento do obturador, foram
simuladas falhas em dois parmetros do modelo matemtico. A injeo de falhas foi
feita mediante modificao gradual dos parmetros nas equaes do modelo
matemtico. Deste modo pode-se simular a degradao nas partes do sistema at atingir
o teto de sobre-torque em 275Nm, considerado como falha. Os dois parmetros so:
K
2
: corresponde a falhas observadas no segundo sistema de reduo
cinemtica. Trata-se da quebra da engrenagem sem-fim. Por ser uma pea
frgil do sistema de reduo, pode sofre degradao ou at mesmo romper-se
quando receber um esforo mecnico adicional, causando um sobre-torque.
K
m
: corresponde degradao da elasticidade da mola na vlvula. Esta, ao
longo do tempo, vai se degradando, perdendo suas caractersticas iniciais e
alterando sua ao, modificando a posio do obturador.




136
A modificao gradual dos parmetros utilizados para injeo de foi foram feita at
alcanar o teto de sobre-torque conforme a Tabela 5.1:
Tabela 5.1: Configurao dos parmetros para injeo de falhas.
Parmetro Faixa Taxa
K
2
11,00 12,00 0,0033
K
m
4,215 5,215 0,0033

A modificao gradual desses parmetros visa simular uma situao de degradao
progressiva dos componentes at a ocorrncia da falha. Por exemplo, quando o
parmetro K
2
est na faixa de 11,00 (250Nm) est em situao normal de operao, mas
quando comea a desviar-se em direo a 12,00, inicia-se um processo de degradao
do componente. Sempre que este atingir o teto 12,00 (275Nm), configura-se situao de
sobre-torque, o componente j sofreu muito esforo extra e considerado
comportamento de falha. Observa-se que a ocorrncia dessa falha em razo do
desgaste natural das engrenagens, simuladas nesse experimento. Na Figura 5.4,
apresentada a sada do simulador para este caso de teste.
0 10 20 30 40 50 60 70 80 900 100
0
25
50
75
100
125
150
175
200
225
250
275
300
T
o
r
q
u
e

[
N
m
]
Tempo [s]
Falha
Normal

Figura 5.4: Sada do simulador para o sinal de torque e falha injetada no parmetro K
2
.
Pode-se tambm simular, por exemplo, a perda da elasticidade na mola devido ao
desgaste natural da pea. Isso pode ser simulado pelo parmetro K
m
sofrendo uma
mudana gradual (alterando-se de 4,215 at 5,215). O efeito disso que a mola se
tornar mais rgida e por consequncia ser exigido mais torque do motor, que no
conseguir movimentar o obturador at sua posio inicial, deixando o canal de vazo
parcialmente aberto ou fechado, por consequncia, em estado falha. Na Figura 5.5,
apresentada a sada do simulador para este caso de teste.
Um grande exemplo para esses eventos o sistema de transporte de gua de
adutoras ou tubulaes de esgoto, que muito comum no saneamento bsico das
cidades. Nesse sistema, pode-se observar uma situao de falha que normalmente




137
causada pelo acmulo de sedimentos (ou resduos) na base da vlvula. Esses resduos
podem ser areia, terra ou at pequenas partculas (como galhos ou pedras), que
decantam no fundo das tubulaes e podem se concentrar nas conexes das vlvulas.
Nesse caso, para que a vlvula se feche por completo (sem vazamentos), necessrio
que o atuador fornea um torque maior, que, muitas vezes, pode atingir o sobre-torque e
ir degradando as engrenagens ao longo do tempo devido ao grande esforo exercido.
0 10 20 30 40 50 60 70 80 90 100
0
10
20
30
40
50
60
70
80
90
100

Figura 5.5: Sada do simulador para o sinal de posio do obturador e falha injetada no
parmetro K
m
.
Com a simulao das falhas para os parmetros K
2
e K
m
j possvel gerar todos os
conjuntos de dados de histrico necessrios para os experimentos. Foram gerados
amostras de dados para treinamento e para testes.
Para treinar as redes neurais com os dados gerados, primeiro preciso aplic-los a
uma ferramenta de processamento de sinais. Os dados foram inseridos na ferramenta
Watchdog Agent (DJURDJANOVIC ET AL., 2003) que aplica uma fuso nos sinais
(torque e posio) e extrai as caractersticas deste sinal, a partir da anlise da energia,
obtido pela Transformada Wavelet Packet (QIU, HAI ET AL., 2006). Aps o pr-
processamento, os dados esto prontos para os experimentos no Sistema de Manuteno
Inteligente.
5.6 Treinamento das Redes Neurais
O treinamento a parte mais importante do preparo do SOM para aprender sobre o
comportamento do sistema. Nesta seo, ser apresentado como utilizar os dados
gerados pelo simulador de injeo de falhas para treinamento das redes neurais que
sero utilizadas durante os experimentos em software e hardware.




138
5.6.1 Treinamento para experimento em software
Nesta seo, ser apresentado como treinar as redes neurais para realizar os
experimentos em software, utilizando os dados gerados pelo simulador.
Todos os experimentos em software so feitos com base em simulaes executadas
no PC. Essas simulaes incluem as etapas de treinamentos e testes.
Para auxiliar nos experimentos, foi adotado o ambiente MATLAB 7 para executar o
SOM Toolbox (VESANTO, J. ET AL., 1999) (VESANTO, J. ET AL., 2000). Alm
disso, foi adotada uma ferramenta para experimentos de tolerncia a falhas, baseado no
SOM Toolbox, que ser utilizada para treinamentos, testes e coleta de resultados.
Essa ferramenta faz o carregamento de dados de entrada para treinamento e gerao
de resultados extrados do SOM. focada nas etapas de deteco, diagnstico e
predio de falhas, como nos algoritmos apresentados nas sees 4.2.1 a 4.2.4.
Em virtude de o SOM conter diversos parmetros para configurao do algoritmo de
treinamento, foram adotadas as mesmas configuraes utilizadas para treinamento do
prottipo de hardware do SOM, conforme visto na seo 4.4.2, e os parmetros
adotados conforme Tabela 4.1.
Na Figura 5.6, apresentado o modelo de treinamento para esses experimentos.
T
N
E E E ] , ... , , [
2 1
= E

Figura 5.6: Modelo de treinamento para experimentos em software.
O modelo de treinamento baseado nas sadas geradas pelo Simulador do Modelo
Matemtico (GONALVES ET AL., 2008). O simulador realiza a tarefa de injetar
falhas em partes especficas no modelo do atuador (limitando-se ao domnio das falhas
mais crticas), possibilitando gerar um conjunto de dados rico em informaes de
comportamento do atuador. Esses dados so utilizados para treinar o SOM, a fim de
aprender o comportamento das partes onde as falhas foram injetadas.
Como so utilizadas trs redes neurais, cada amostra de dados necessrios para o
treinamento deve ser gerada pelo Simulador do Modelo Matemtico. Estes dados
seguem o modelo apresentado na seo 4.2, por meio das Figuras 4.2 e 4.3.
Os sinais gerados so apresentados ferramenta de Processamento de Sinais, que
retorna, como sada, um vetor com a energia do sinal E=[E
1
, E
2
, ..., E
N
], onde E
N
a




139
energia de cada banda de frequncia. Esses dados so aprendidos e armazenados pelas
redes neurais do Banco de Conhecimentos ou Histricos.
Aps o treinamento, os algoritmos de Deteco de Anormalidade, Diagnstico de
Falha e Predio do Comportamento utilizaro as redes neurais j treinadas para
aplicarem as tcnicas de tolerncia a falhas no atuador eltrico.
A partir disso, os dados de testes j podem ser apresentados para simular o
funcionamento do Sistema de Manuteno Inteligente.
5.6.2 Treinamento para experimento no prottipo em hardware
Nesta seo, ser apresentado como treinar as redes neurais para realizar os
experimentos no sistema embarcado (hardware) usando as amostras geradas pelo
simulador. Espera-se que, com esses resultados, os experimentos atinjam os mesmos
objetivos alcanados em software, somente para os casos de deteco e diagnstico de
falhas.
O treinamento para os experimentos em hardware reutiliza as mesmas redes neurais
treinadas nos experimentos em software. Isso devido ao hardware do SOM no
suportar o treinamento das redes neurais internas.
Para auxiliar nos experimentos, necessrio utilizar as ferramentas ISE e XPS, da
Xilinx, para programao do sistema embarcado e da placa de desenvolvimento do
prottipo.
Na Figura 5.7, apresentado o modelo de treinamento para os experimentos.
Processamento de Sinais pela
Transformada Wavelet
PC
Simulador do Modelo Matemtico
Te, a
SOM Treinado
SOM para
Deteco de
Anormalidade
SOM para
Diagnstico de
Falha
Banco de Conhecimentos ou
Histricos
T
N
E E E ] , ... , , [
2 1
= E
Atuador
Eltrico
Sinal de
Torque e
Posio
V
e
t
o
r

E
n
t
r
a
d
a
:
1
0
0
1
0
1
1
0
1
0
0
0
1
.
.
.
Processamento de Sinais
Sistema Embarcado de Manuteno Inteligente
xj
Mquina de
Estados
(Controle)
BRAM
(W)
wi
Comparador
<
Distncia
Euclidiana
BMU
ERRO
D
Injeo
de Falha

Figura 5.7: Modelo de treinamento para experimentos no sistema embarcado.
O modelo de treinamento tambm baseado nas sadas geradas pelo Simulador do
Modelo Matemtico, que, nesse caso, reutilizar as redes neurais j treinadas pelo
experimento em software. Como o hardware do SOM funciona para apenas um dos
casos, deve-se selecionar qual rede neural utilizar, isto , ou para deteco, ou para
diagnstico em cada um dos experimentos.




140
Os pesos sinpticos dos neurnios do SOM devem ser exportados, de forma que
possam ser armazenados na memria interna (BRAM) do sistema embarcado. Desse
modo, estes so convertidos por meio de um script do padro numrico decimal para o
binrio, em que cada elemento do vetor de pesos sinpticos convertido para a
representao binria, seguindo a formatao numrica de Ponto Flutuante IEEE 754.
A etapa de transferncia dos vetores do SOM j treinado, para o sistema embarcado,
realizada antes da sntese pela ferramenta ISE. Durante a sntese, criado o
componente BRAM, que armazena os dados referentes ao SOM treinado.
A prxima etapa sintetizar todo o sistema embarcado conforme visto na seo
4.5.1. Neste, criada toda a plataforma necessria do Sistema Embarcado de
Manuteno inteligente j com o SOM adequado para cada caso.
Aps a preparao do sistema embarcado, os algoritmos de Deteco de
Anormalidade ou Diagnstico de Falha utilizaro o SOM treinado para aplicar as
tcnicas de tolerncia a falhas no atuador eltrico. A partir da a execuo de tarefas de
testes realizada por uma aplicao em software executada na plataforma.
Com o sistema embarcado definido, o software de aplicao com a etapa de teste do
Sistema de Manuteno Inteligente precisa ser carregado. Essa aplicao far a leitura
dos sinais de torque coletados no atuador eltrico, realizar o processamento de sinais e
preparar os vetores de entrada. Esses vetores so apresentados na entrada do hardware
do SOM, que realizar a tarefa de deteco ou diagnstico das falhas em tempo real.
Para gerar os resultados do experimento, as sadas do hardware do SOM so
armazenadas na memria disponvel no sistema embarcado. Esses dados so enviados
para o PC, e sero processados pelo MATLAB para converter em grficos de erro de
quantizao ou U-Matrix. Essa parte necessria, pois o sistema embarcado ainda no
tem uma IHC (Interface Humano-Computador).
5.7 Resultados para experimentos em software
Os resultados visam apresentar alguns casos de teste, para comprovar a eficcia do
SOM em detectar, diagnosticar e prever as falhas no atuador eltrico.
Eles so baseados nos algoritmos apresentados na seo 4.2, em que para cada uma
das etapas obtm-se um resultado diferente. Para a Deteco de Anormalidades, ver
algoritmo na seo 4.2.2, para Diagnstico de Falhas, ver algoritmo na seo 4.2.3 e
para Predio de Falhas, ver algoritmo na seo 4.2.4.
Os experimentos foram realizados analisando as falhas K
2
(referente a falhas na
engrenagem do sem-fim) e K
m
(referente degradao na mola) e utilizando os dados de
testes gerados pelo Simulador do Modelo Matemtico.
5.7.1 Deteco de Anormalidades
Os grficos de resultados para o Erro de Quantizao (E
q
), utilizado para detectar
anormalidades, so apresentados nas Figuras 5.8 e 5.9. Foram simulados o
funcionamento, no primeiro caso, para o componente K
2
e, no segundo caso, para o
componente K
m
.
Nestas figuras, o Erro de Quantizao (E
q
) foi apresentado em relao aos Ciclos de
Operao, ou seja, corresponde aquisio de um conjunto de amostras para uma
determinada situao de comportamento ao longo do tempo.




141
0 50 100 150 200 250 300
0
0.01
0.02
0.03
0.04
0.05

Figura 5.8: Resultado de Deteco de Anormalidades para falha em K
2
.
0 50 100 150 200 250 300
0
0.01
0.02
0.03
0.04
0.05

Figura 5.9: Resultado de Deteco de Anormalidades para falha em K
m
.
As amostras utilizadas para teste foram definidas na seguinte ordem:
Amostras de 1 100: comportamento normal.
Amostras de 101 200: comportamento em degradao.
Amostras de 201 300: comportamento de falha.
Durante as 100 primeiras amostras, por serem simuladas, sabe-se, a princpio, que
so referentes ao comportamento normal. Desse modo, o algoritmo de Deteco de
Anormalidades conseguiu identificar corretamente as anormalidades testadas no sistema
que ocorreram a partir da 101
a
amostra.
5.7.2 Diagnstico de Falhas
O resultado do diagnstico de falhas visualizado pela U-Matrix, que revela a
classificao das amostras de acordo com a classe a que pertence. Na Figura 5.10,




142
apresentada a U-Matrix do SOM treinado, revelando as regies de classificao para
cada modo de comportamento que possibilita o diagnstico destes.
Foram simulados comportamentos de teste para os componentes K
2
e K
m
. As
amostras utilizadas para teste em cada componente foram definidas na seguinte ordem:
Amostras de 1 50: comportamento normal.
Amostras de 51 100: comportamento em degradao.
Amostras de 101 150: comportamento de falha.

Figura 5.10: Visualizao do SOM treinado para diagnstico dos componentes K
2
.e K
m
.
Na Figura 5.11, so apresentados os resultados de diagnstico. Nesse caso, o SOM
revela a classificao dos modos de comportamento dos dados de teste, projetando-os
dentro dos agrupamentos a qual pertence.

Figura 5.11: Resultado de diagnstico de falhas para os dados de testes nos
componentes K
2
.e K
m
.




143
Nota-se pela anlise visual do resultado que, em geral, a classificao dos modos de
comportamento para K
2
e K
m
foram acertadas corretamente pelo SOM. Desse modo, o
SOM foi capaz de identificar em qual modo de comportamento pertence o sinal de
entrada.
Entretanto, durante o diagnstico, o SOM tambm est sujeito ocorrncia de erros
na classificao. Isso pode ocorrer quando so utilizados poucos dados para
treinamento, no refletindo todos os casos necessrios para generalizar o problema.
Outra varivel que pode influenciar a classificao a presena de rudo nos sinais.
Quando se utiliza apenas os rtulos dos neurnios (Figura 5.10 da direita) como
tcnica para classificar, em alguns casos, a classificao pode apresentar erros. No
entanto, quando levam em considerao as regies de comportamentos comuns (Figura
5.10 da esquerda), os erros diminuem.
No experimento da Figura 5.11, foram utilizadas 150 amostras em cada componente.
Quando se utiliza os rtulos do SOM para classificao, ocorre 1 erro para K
2
(menor
que 1%) e 4 erros para K
m
(menor que 3%).
Em ambos os experimentos, quando se utiliza as regies de comportamentos para
classificao, todos os casos acertam a classificao em 100%. Isso ocorre porque
alguns neurnios vizinhos no recebem um rtulo, mas observando a formao das
regies, pode-se notar pela similaridade dos neurnios que estes tambm classificam os
dados para a mesma classe.
5.7.3 Predio e Monitoramento de Falhas
O resultado para predio e monitoramento de falhas apresentado pela projeo de
uma trajetria na U-Matrix. Por meio dela, revelado visualmente o caminho percorrido
pelos neurnios vencedores, proporcionando monitorar todo o ciclo de vida do sistema
em anlise.
Na Figura 5.12, apresentada a U-Matrix para um TKM treinado, que utilizado
para monitorar a trajetria dos modos de comportamento ao longo do tempo decorrido.

Figura 5.12: Visualizao do TKM treinado para monitorar os componentes K
2
.e K
m
.




144
Foram utilizados os mesmos dados de teste do experimento da seo anterior para
simular o comportamento dos componentes K
2
e K
m,
ao longo do tempo. A partir de
agora, os ciclos de operao sero ordenados na ordem de chegada das amostras e sero
chamados de srie temporal.
Na srie temporal utilizada para teste de cada componente, a ordem de tempo
adotada referente a um conjunto de dados adquiridos que representa uma determinada
situao de comportamento ocorrida no tempo. A srie foi definida na seguinte ordem:
Amostras de 1 50: comportamento normal.
Amostras de 51 100: comportamento em degradao.
Amostras de 101 150: comportamento de falha.
Os parmetros de configurao do TKM foram ajustados do seguinte modo: as
dimenses do mapa seguem o mesmo padro do SOM utilizado anteriormente, o
histrico de ativaes (a
i
) foi ajustado para 5 amostras e a profundidade da memria ()
para 0,07. Estes valores dos parmetros foram definidos empiricamente.
Nas Figuras 5.13 e 5.14, so apresentados os resultados para predio e
monitoramento do comportamento para os componentes K
2
e K
m
.
0 20 40 60 80 100 120 140
0
10
20
30
40
50
60
70
80
90

Figura 5.13: Visualizao da trajetria para TKM e a direo da tendncia para caso de
teste K
2
,

sendo (a) Caminho do trajeto percorrido pelos neurnios vencedores

e (b)
Relao dos neurnios vencedores para cada instante de tempo.
Nesses resultados, nota-se a correlao espao-temporal entre os dados da srie de
teste. A trajetria percorrida revela a direo da tendncia nos comportamentos
observados e que esto sendo mapeados nos agrupamentos. Tambm possvel
identificar um padro no comportamento da trajetria no perodo de tempo.
Alm disso, no grfico da relao dos neurnios vencedores com o tempo, pode-se
observar o instante em que ocorreram as mudanas de comportamento e identificar uma
tendncia na classificao da srie temporal. Quando ocorre uma mudana de um




145
neurnio vencedor para outro do mesmo agrupamento, significa que a srie de testes j
sofreu modificaes em relao a seus valores de histrico.
0 20 40 60 80 100 120 140
0
10
20
30
40
50
60
70
80
90

Figura 5.14: Visualizao da trajetria para TKM e a direo da tendncia para caso de
teste K
m
, sendo (a) Caminho do trajeto percorrido pelos neurnios vencedores

e (b)
Relao dos neurnios vencedores para cada instante de tempo.
A informao importante para a predio de comportamento que pode ser obtida dos
resultados vistos, nas Figuras 5.13 e 5.14, so os instantes finais antes da mudana para
o comportamento em falha.
Para o caso do componente K
2
(Figuras 5.13), o instante de tempo em que se revela
a tendncia para falha somente a partir da amostra 91, quando j estiver muito
prximo da manifestao da falha, mas, ainda sim, existe um tempo de tolerncia at a
manifestao da falha.
Para o caso do componente K
m
(Figuras 5.14), a tendncia at a falha mais
definida do que em K
2
, pois os neurnios vencedores seguem um padro constante de
mudana de comportamento. A partir da amostra 85, comea a se concretizar a transio
para um comportamento de falha, em que a partir da amostra 100 ocorre realmente a
manifestao da falha.
O importante identificar em qual neurnio ocorre a mudana de um estado de
degradao para a falha, deste modo pode-se calcular o tempo restante at a
manifestao da falha.
Para ambos os casos, pode-se emitir um sinal de alarme para a equipe de
manuteno quando a srie temporal de testes for classificada para alguns desses
neurnios vencedores. Esses neurnios podem ser considerados como crticos, pois
esto situados em regies onde ocorre a transio para outra situao de
comportamento, ou seja, uma situao de possvel falha.




146
5.8 Resultados para Experimento no Prottipo em Hardware
Para o experimento de Deteco de Anormalidade e Diagnstico de Falhas em
hardware foi utilizado um prottipo implementado em uma placa de desenvolvimento
(XILINX, 2005b) e, para gerar resultados, foram executados os softwares de testes
sobre o sistema operacional do sistema embarcado (WILLIAMS; PETALOGIX, 2008).
Desse modo, os experimentos objetivam utilizar o hardware do SOM, que armazena
na memria interna do som_core a rede neural treinada. Os resultados foram coletados
na placa de experimentos e enviados para o PC, onde so processados pelo MATLAB, a
fim de gerar os grficos do erro de quantizao e apresentao da U-Matrix para
avaliaes.
Tambm foram realizados experimentos comparativos entre os resultados obtidos
pelo hardware do SOM em relao aos experimentos anteriores em software. Isso
importante para validar o correto funcionamento do projeto do sistema embarcado.
Para o experimento de Deteco de Anormalidades, foram utilizados os mesmos
dados para testes do experimento em software, alm de utilizar a mesma rede neural
treinada. Os resultados foram praticamente os mesmos quando comparados aos do
software.
Para avaliar o quanto foram prximos os resultados obtidos em hardware e
software, foi calculada a diferena entre os dois e calculado o valor de mxima e
mnima diferena. Na Tabela 5.2, so apresentados os resultados da diferena:
Tabela 5.2: Diferena da mxima amostra entre os resultados de hardware e software
para Deteco de Anormalidades.
Parmetro Diferena
K
2
5,9332.10
-7

K
m
5,9332.10
-7

Devido aos resultados serem muito prximos entre si, a diferena mxima entre os
erros de quantizao 1.10
-7
. Isso comprova que os resultados obtidos pelo hardware
do SOM esto corretos em relao s simulaes em software, apresentando valores
praticamente iguais.
Para o experimento de Diagnstico de Falhas, tambm foram utilizados os mesmos
dados dos testes do experimento em software, alm de utilizar a mesma rede neural
treinada. Os resultados foram os mesmos quando comparados aos do software.
Foram comparadas as amostras de cada ciclo de operao, do hardware em relao
ao software, verificando se os neurnios vencedores (BMU) obtidos foram os mesmos.
Em 100% dos casos, o hardware do SOM classificou corretamente as amostras de teste,
apresentando os mesmos resultados do software.
Em funo de os resultados serem iguais entre o hardware e software, no sero
apresentados aqui os resultados de visualizao obtidos pelo sistema embarcado
(grficos para Erro de Quantizao e a U-Matrix).
Como no sistema embarcado foi instalado um sistema operacional, este tem suporte
a uma interface de entrada e sada padro, que pode ser visualizada pelo software
HiperTerminal (programa do Windows que interpreta a interfaces de comunicao com




147
o sistema operacional embarcado), por meio da porta RS-232 conectado ao sistema
embarcado.
Na Figura 5.15, apresentado um screenshot, que mostra a ferramenta XPS da
Xilinx para programar o FPGA e as mensagens, durante o boot do PetaLinux, vistas na
tela do HyperTerminal.

Figura 5.15: Screenshot da tela do PC mostrando a ferramenta XPS da Xilinx e as
mensagens de boot no HyperTerminal.
Na Figura 5.16, apresentada a execuo de um programa de teste na plataforma do
sistema embarcado. Esse programa realiza execues infinitas, apresentando entradas de
dados para teste no dispositivo do SOM at ser interrompido pelo usurio. Nessa figura,
tambm so apresentados os resultados coletados no dispositivo, mostrando o ndice do
neurnio vencedor (BMU) e o valor do erro de quantizao (ERRO).
Na Figura 5.17, apresentada a execuo do programa utilizado para gerar os
resultados avaliados neste experimento. Esse programa realiza a carga de todos os
vetores de entrada (obtidos pelo simulador), apresenta-os ao dispositivo do hardware do
SOM e armazena todos os resultados (BMU e ERRO) em um arquivo texto na memria
do sistema. Nessa figura, apresentada a execuo dos dois programas, um para
deteco e outro para diagnstico, e tambm apresenta o tempo de execuo para cada
caso.
5.9 Resumo do Captulo
Neste captulo, foram abordadas as etapas necessrias para realizao dos
experimentos para a implementao do SOM aplicado no Sistema de Manuteno




148
Inteligente de atuadores eltricos. Os casos de teste desses experimentos visam simular
o funcionamento para a abordagem em software e hardware.

Figura 5.16: Screenshot do HyperTerminal mostrando a execuo de um programa de
teste e valores de sadas do dispositivo coletado do som_core.

Figura 5.17: Screenshot do HyperTerminal mostrando a execuo do programa utilizado
para gerar os resultados avaliados neste experimento.
O objetivo fundamental do captulo foi comprovar que o SOM uma ferramenta
importante na implementao do Sistema de Manuteno Inteligente, o que foi provado
pelos resultados obtidos.
Foi definida uma metodologia para a realizao dos experimentos em que so
apresentados os passos necessrios para simular tanto em software como em hardware.
Um estudo de caso foi definido e apresentado para ser o ambiente de simulao para
o Sistema de Manuteno Inteligente, cuja aplicao situa-se nas vlvulas e nos
atuadores utilizados em tubulaes para transporte de derivados de petrleo. Foram
apresentadas as principais caractersticas de funcionamento do conjunto atuador e




149
vlvula. Foram tambm definidas as variveis de interesse a serem utilizadas nos
experimentos, o torque exercido pelo motor do atuador e a posio do obturador.
J que no existe um banco de dados com informaes histricas de funcionamento
do atuador e vlvula, foi necessrio utilizar uma ferramenta para simular as condies
de operao e gerar amostras de dados para treinamentos e testes. A ferramenta foi
desenvolvida pelo Grupo de Pesquisa de Manuteno Inteligente da UFRGS.
Como a ferramenta de simulao est disponvel, foi apresentada a tcnica para
injeo de falhas no conjunto atuador e vlvula, que consiste em mudar gradualmente os
parmetros no modelo matemtico, a fim de simular mudanas no comportamento fsico
do atuador. Nesse caso, foi definido simular falhas no sistema de engrenagens (sem-fim)
e na abertura e no fechamento do obturador (mola).
Como as variveis definidas para coleta de sinais do atuador so o torque exercido
pelo motor e a posio do obturador, foram definidos valores para representar a
condio normal de operao, e valores-teto que representem condio de falha. Com
esses sinais disponveis, torna-se possvel a simulao de comportamentos normais, de
degradao (mudana gradual de normal at a falha) e de falhas, que foram aplicados
como entradas no SOM.
Com os dados histricos prontos, foi apresentada a metodologia para o treinamento
do SOM nos casos de simulaes em software e hardware. A diferena entre ambos
est no experimento em hardware, em que utiliza a mesma rede neural treinada em
software, mas, nesse caso, os pesos sinpticos do SOM devem ser transformados para o
formato numrico binrio do sistema embarcado.
Com todas as amostras de dados e sistemas para testes prontos, foram realizados, em
primeiro lugar, os experimentos em software. Estes so importantes para gerar
resultados teis para posterior comparao com relao aos resultados obtidos em
hardware. Tambm foram executados experimentos para Deteco de Anormalidades
(grfico do erro de quantizao), Diagnstico de Falhas (visualizao da U-Matrix) e
Predio e Monitoramento de Falhas (visualizao da U-Matrix com o trajeto dos
neurnios vencedores).
Aps obter os resultados de software, foram executados experimentos na plataforma
de sistemas embarcados em hardware. Nesse caso, foram executados os experimentos
para Deteco de Anormalidades e Diagnstico de Falhas.
Com os resultados obtidos do sistema embarcado, comprovou-se que a
implementao do hardware est correta em relao aos resultados do software,
comprovando a correta implementao do SOM.
Os resultados obtidos para Deteco de Anormalidades apresentaram diferenas
muito pequenas e insignificantes quando comparados com do software. Os resultados
obtidos para o Diagnstico de Falhas foram os mesmos resultados do software.
Alm disso, tambm foram apresentadas algumas imagens da sada obtida por meio
da entrada e sada padro do sistema embarcado, observados no programa
HyperTerminal. Nas sadas, so apresentados as chamadas para os programas de teste e
os resultados obtidos pela leitura nos registradores do hardware do SOM.
A principal vantagem desse prottipo o fato de levar menos tempo para a execuo
e utilizar menos recursos computacionais, pois, nesse caso, no exige a utilizao de um




150
PC industrial em cada equipamento em que se deseja implantar o Sistema de
Manuteno Inteligente. Este prottipo pode ser aprimorado, para isso seria necessrio:
Implementar tratamento para os casos de overflow e underflow nos clculos
feitos pelos componentes de operaes matemticas (soma, adio,
multiplicao e raiz quadrada).
Substituir os componentes que realizam clculos matemticos em ponto
flutuante por ponto fixo, para acelerar o tempo de execuo dos clculos e
reduzir a rea ocupada pelo projeto.
Substituir o algoritmo que calcula a distncia entre dois vetores, a Distncia
Euclidiana, por um algoritmo de menor custo com a Distncia de Manhattan
(HIKAWA, 2005), pois grande parte do custo da Distncia Euclidiana est
vinculada ao clculo da raiz quadrada.
Implementar tratamento de falhas, durante o funcionamento do hardware do
SOM, j que podem ocorrer alguns casos de falhas, como a falta de algum
dado na memria, overflow, fluxo de execuo entrar em loop infinito ou
erro nos parmetros de configurao.
Implementar uma interface para utilizar o recurso de interrupo do sistema
embarcado, para por exemplo, informar ao sistema operacional o fim dos
clculos ou solicitar um novo vetor de entrada.
Retirar a memria interna BRAM e passar a armazenar o SOM treinado na
memria SRAM do sistema embarcado. Desse modo, no precisaria
resintetizar todo o sistema embarcado cada vez que mudar os dados de
treinamento, o que possibilita utilizar um mesmo algoritmo do SOM para
vrias propostas de treinamentos. Na situao atual do trabalho, isso no
possvel.
O hardware do SOM deve acessar os vetores de entrada diretamente na
memria SRAM do sistema embarcado, evitando o gargalo que pode ocorrer
durante a carga dos vetores pelo programa de teste em software, pois
submetido ao escalonamento de tarefas pelo sistema operacional.

6 CONCLUSES E TRABALHOS FUTUROS
Esta dissertao teve como objetivo maior o projeto de um prottipo de um sistema
embarcado que implemente tcnicas de manuteno inteligente, utilizando os Mapas
Auto-Organizveis (SOM) para aplicar tcnicas de tolerncia a falhas em atuadores
eltricos na rede dutoviria da Transpetro. Cinco foram as reas envolvidas nesta
pesquisa: (1) manuteno inteligente, (2) testes e tolerncia a falhas, (3) redes neurais
artificiais, em especial o SOM, (4) projeto de circuitos digitais em FPGA e (5) projeto
de sistemas embarcados em hardware e software. Tomando por base essa diviso, o
texto foi escrito de forma a distribuir os assuntos visando facilitar o entendimento e
encadeando os principais conceitos relacionados com cada uma das reas citadas. Em
todos os captulos, procurou-se apresentar pontos que fossem fundamentais para o
projeto proposto e para os trabalhos futuros.
O Captulo 1 fez uma breve explanao do contexto geral do trabalho, apresentando
o contexto do problema, a motivao, os objetivos, as contribuies e a organizao do
restante da dissertao.
No Captulo 2, foi tratada a apresentao do problema da manuteno na indstria,
os conceitos e a metodologia de manuteno inteligente. O problema abordado como
estudo de caso nessa dissertao o de falhas em atuadores eltricos de vlvulas em
dutos da Transpetro.
Pode-se concluir do Captulo 2 que a estratgia de manuteno inteligente pode
oferecer novos benefcios para o planejamento da manuteno nas empresas, a fim de
antecipar a interveno antes da ocorrncia da falha. Para o estudo de caso,
imprescindvel o planejamento de reparos nos diversos atuadores distribudos ao longo
de toda a rede dutoviria.
No Captulo 3, foram apresentados conceitos, fundamentos e tcnicas de tolerncia a
falhas para deteco, diagnstico, predio e monitoramento de falhas, focando no uso
das redes neurais. Alm disso, foi definida a utilizao do SOM e TKM como
ferramentas computacionais para implementar as tarefas de tolerncia a falhas, em que
foram apresentados os princpios tericos e trabalhos relacionados.
possvel inferir, a partir do Captulo 3, a ideia de uma arquitetura geral para o
desenvolvimento de um Sistema de Deteco, Diagnstico e Predio de Falhas e as
ferramentas de redes neurais como tcnicas computacionais para implement-lo.
Conclu-se que o SOM tem as caractersticas essenciais para desenvolver esse sistema,
pois geralmente aplicado classificao de padres (formao de agrupamentos), trata




152
de grande quantidade de dados, a aprendizagem no supervisionada preserva as relaes
estatsticas dos dados de entrada, e a ferramenta se presta visualizao de processos
dinmicos, alm, claro, da vasta aplicao dessa rede neural na literatura para soluo
de problemas semelhantes ao do presente trabalho.
Os captulos anteriores mostraram o estado da arte necessrio para compreender
como se implementar um sistema de manuteno inteligente. A partir dos conceitos e
das definies extrados desses captulos, foram propostos os prximos captulos que
esto relacionados com a construo do prottipo do sistema embarcado para
manuteno inteligente.
No Captulo 4, foi abordada a construo do prottipo do sistema embarcado para o
Sistema de Manuteno Inteligente, proposto para monitorar falhas em atuadores
eltricos. Tambm foi definida a estrutura do sistema, mostrando como aplicar e utilizar
as redes neurais para realizar a deteco, diagnstico e predio de falhas. Alm disso,
foram implementados softwares para experimentos de simulao em MATLAB e, a
seguir, apresentada a construo do prottipo do SOM em hardware, em plataforma
FPGA. importante ressaltar que foram prototipadas apenas em hardware as tcnicas
de deteco e diagnstico de falhas.
Para construo do prottipo, os algoritmos do SOM foram implementados VHDL,
sintetizados em FPGA e apresentados resultados de rea ocupada, desempenho e
consumo de potncia do circuito digital. Aps, foi definida a arquitetura do sistema
embarcado, que visa utilizar o componente de hardware do SOM a ser acoplado em um
sistema computacional, a fim de realizar experimentos mistos de software e hardware.
Por fim, foi implantando neste, um sistema operacional embarcado baseado em
GNU/Linux para executar experimentos de casos de testes utilizando softwares
embarcados. Esse prottipo tem o objetivo de, no futuro, ser implantado no atuador
eltrico.
A partir do Captulo 4 possvel concluir que o prottipo implementou a rede neural
SOM em FPGA e tornou disponvel uma plataforma para experimentos de manuteno
inteligente. Essa contribuio necessria para realizar experimentos de deteco e
diagnstico de falhas, simulando situaes reais de monitoramento on-line da condio
de operao de atuadores eltricos. Outro aspecto a ressaltar o espao disponvel no
FPGA, pois possibilita embarcar as outras etapas da metodologia de manuteno
inteligente, como o processamento de sinais e a tomada de deciso.
A prototipao em um sistema embarcado importante para fornecer subsdios para
atuao local, j que o sistema passa a ser autnomo e pode vir a ser auto-reconfigurar
com a incidncia de falhas. Outro ponto importante que evita-se o envio de muitas
informaes para operadores humanos, como nos sistemas supervisrios, que, muitas
vezes, no os tratam de forma adequada. Nesse prottipo embarcado, o sistema envia
uma mensagem aos gerentes de manuteno, informando a deteco de anormalidade,
diagnstico da causa e uma predio at a manifestao da falha, o que auxilia na
tomada de deciso para planejar as aes de manuteno corretiva ou preventiva.
No Captulo 5, so apresentados os resultados experimentais para o sistema de
manuteno inteligente divididos em duas etapas: simulao em software e execuo do
prottipo em hardware. Alm disso, foi detalhado o estudo de caso dos atuadores
eltricos em vlvulas de dutos da Transpetro.




153
Em geral, para a realizao dos experimentos, os dados de torque do atuador e
posio do obturador da vlvula foram simulados por um modelo matemtico
implementado em MATLAB. Contudo, condies de comportamento do atuador e
vlvula (normal, degradao e falha) foram reproduzidas em uma ferramenta de injeo
de falhas no modelo matemtico. Os experimentos foram divididos em deteco e
diagnstico. Para cada caso, foi apresentada a estrutura de injeo de falhas para treinar
sua rede neural. Finalmente, foram realizados os experimentos para avaliar a capacidade
das redes neurais em detectar, diagnosticar e prever falhas no sistema de manuteno
inteligente, validando as tcnicas para o estudo de caso.
A partir dos experimentos realizados no Captulo 5, validou-se o uso do SOM para
deteco e diagnstico e do TKM para predio (com ressalvas). Nos experimentos
tanto em software quanto no prottipo em hardware, foram avaliadas simulaes com
dados oriundos do modelo matemtico. De acordo com os resultados obtidos em
software, comprovou-se o uso do SOM para desempenhar as tarefas de deteco de
anormalidades e diagnstico de falhas e do uso do TKM para predio de
comportamentos futuros (necessita de uma pesquisa mais minuciosa). Alm disso, a
validao dessas tcnicas possibilitou avanar para a prototipao, pois os algoritmos
funcionam para desempenhar o especificado e foram utilizados como padro
comparativo para validao do prottipo.
J nos experimentos no prottipo em hardware, os resultados foram comparados
queles obtidos pelos experimentos em software. A partir disso, comprovou-se o correto
projeto do prottipo do SOM em hardware para desempenhar as tarefas de deteco e
diagnstico, bem como o exato funcionamento do prottipo do sistema embarcado
implementado em placa de desenvolvimento.
Com a validao da tcnica do SOM para a deteco de anormalidades, diagnstico
de falhas e do TKM para predio do comportamento, assim como a prototipao do
SOM para deteco e diagnstico em sistema embarcado, fica disponvel uma
plataforma para novos experimentos sobre o atuador eltrico.
O presente trabalho atingiu os objetivos esperados, propondo uma soluo para o
problema de detectar, diagnosticar e prever falhas em sistemas ou processos industriais
e, em especial, uma proposta inicial de um prottipo em sistema embarcado para o
atuador eltrico. claro que esse sistema proposto tem limitaes e ainda precisa passar
por novos testes e melhorias, sobretudo a parte de predio. Para tornar o sistema
completo, necessrio implementar as demais etapas de um sistema de manuteno
inteligente, como a aquisio de sinais, processamento digital de sinais, tomada de
deciso e reconfigurao, que sero abordados em trabalhos futuros.
Durante o desenvolvimento do presente trabalho, surgiram inmeras possibilidades
para ampliao da proposta. Devido complexidade e abrangncia dos objetivos
traados e das reas da cincia a serem exploradas, muitas da ideia permanecem como
possveis trabalhos futuros. A seguir, so discutidos os principais desdobramentos e
direes para o encaminhamento de pesquisas futuras:
Realizar mais treinamentos e testes no SOM, aumentando-se o domnio de
falhas do atuador a serem exploradas. Os casos de teste simples adotados e
realizados comprovam o potencial do SOM. No entanto, os experimentos
certamente no foram exaustivos e seria interessante abranger um nmero
superior de falhas e avaliar o comportamento do SOM na generalizao
dessas informaes. Alm disso, aumentar a riqueza dos sinais de




154
treinamento, com informaes de rudo, vibrao, temperatura, anlise de
corrente, etc.
Pesquisar de forma mais aprofundada o algoritmo do TKM para predio do
comportamento, realizar mais experimentos com outros dados de entrada,
bem como gerar amostras de teste de formas diferentes para avaliar a
generalizao da predio. Alm, claro, de explorar outras alternativas para
predio, pois as pesquisas sobre representao temporal existentes ainda so
pouco exploradas.
Aprimorar o prottipo do sistema embarcado conforme descrito no final da
seo 5.9.
Pesquisar e implementar a etapa de tomada de deciso, que visa processar as
informaes obtidas pelos algoritmos de tolerncia a falhas, a fim de
fornecer decises para a equipe de manuteno planejar intervenes de
reparos nos equipamentos, antecipando as falhas.
Pesquisar e implementar a etapa de reconfigurao local no equipamento,
assim como implant-la no sistema embarcado. Essa etapa fundamental
para tornar o sistema de manuteno inteligente, de forma proativa, para que
seja integrado com a tomada de deciso.
Implantar no sistema embarcado os algoritmos da etapa de processamento
digital de sinais.
Pesquisar e implantar, no sistema embarcado, a etapa de aquisio de dados.
Seria interessante que esses dados fossem fornecidos por um sistema
supervisrio externo para formar uma base de dados com histricos.
Realizar um estudo e experimentos em um contexto geral de todo o sistema
de manuteno inteligente, de forma a avaliar as caractersticas presentes no
trabalho, de acordo com conceitos apresentados na Seo 3.5.5.
Aplicar a proposta vista no presente trabalho em outros estudos de casos, por
exemplo, rolamentos, motores em geral, robs, etc.

REFERNCIAS
AGARWAL, M.; PAUL, B. C.; ZHANG, M.; MITRA, S. Circuit Failure and Its
Application to Transistor Aging. 25th IEEE VLSI Test Symposium, v. 1, n. 1, p. 277
286. doi: Berkeley, 2007.
ALMEIDA, M. T. Manuteno Preditiva: Confiabilidade e Qualidade. MTA
Engenharia de Vibraes . Recuperado Maro 3, 2009, de
http://www.mtaev.com.br/download/mnt1.pdf, 2007.
AVIZIENIS, A.; LAPRIE, J.; RANDELL, B.; LANDWEHR, C. Basic concepts and
taxonomy of dependable and secure computing. Dependable and Secure Computing,
IEEE Transactions on, v. 1, n. 1, p. 11-33. doi: 10.1109/TDSC.2004.2, 2004.
BARRETO, G.; ARAUJO, A.; RITTER, H. Time in self-organizing maps: An overview
of models. International Journal of Computer Research, v. 10, n. 2, p. 139-179,
2001.
BARRETO, G. A. Redes neurais no-supervisionadas para processamento de
sequncias temporais. Dissertao de Mestrado. Mestrado em Engenharia Eltrica.,
USP, 1998.
BARRETO, G. A. Redes neurais nao-supervisionadas temporais para identificao
e controle de sistemas dinmicos. Tese de doutorado. Doutorado em Engenharia
Eltrica., USP, 2002.
BARRETO, G. A.; MOTA, J. C. M.; SOUZA, L. G. M.; ET AL. A New Approach to
Fault Detection and Diagnosis in Cellular Systems Using Competitive Learning.
Proceedings of the VII Brazilian Symposium on Neural Networks (SBRN04), 2004.
BASTOS, E. N. F. Uma rede neural Auto-Organizvel construtiva para
aprendizado perptuo de padres espao-temporais. Dissertao de Mestrado,
Mestrado em Cincia da Computao, UFRGS, 2007.
BENGTSSON, M. Condition Based Maintenance System Technology Where is
Development Heading? Proceedings of the 17th European Maintenance Congress,
EUROMAINTENANCE 2004, v. 17, n. 1, p. 82-91. doi: Barcelona, 2004.
CARRO, L. Projeto de Prototipao de Sistemas Digitais. v. 1, p.234. Porto Alegre:
Editora da UFRGS, 2001.




156
CARRO, L.; WAGNER, F. Sistemas Computacionais Embarcados. Captulo 2 das
Jornadas de Atualizao em Informtica, XXII JAI 2003 - Sociedade Brasileira de
Computao, v. 1, p. 45-94, 2003.
CHAPPEL, G. J.; TAYLOR, J. G. The temporal kohonen map. IEEE Transactions on
Neural Networks, v. 6, 1993.
DAZ, I.; DOMNGUEZ, M.; CUADRADO, A. A.; FUERTES, J. J. A new approach to
exploratory analysis of system dynamics using SOM. Applications to industrial
processes. Expert Systems with Applications, v. 34, n. 4, p. 2953-2965. doi:
10.1016/j.eswa.2007.05.031, 2008.
DJURDJANOVIC, D.; LEE, J.; NI, J. Watchdog Agentan infotronics-based
prognostics approach for product performance degradation assessment and prediction.
Advanced Engineering Informatics, v. 17, n. 3-4, p. 109-125. doi:
10.1016/j.aei.2004.07.005, 2003.
DOMNGUEZ, M.; FUERTES, J.; REGUERA, P.; DAZ, I.; CUADRADO, A.
Internet-based remote supervision of industrial processes using self-organizing maps.
Engineering Applications of Artificial Intelligence, v. 20, n. 6, p. 757-765. doi:
10.1016/j.engappai.2006.11.017, 2007.
ELMAN, J. L. Finding structure in time. Cognitive Science, v. 14, n. 2, p. 179-211,
1990.
ENDO, M.; UENO, M.; TANABE, T.; YAMAMOTO, M. Clustering method using
self-organizing map. In: Neural Networks for Signal Processing X, 2000. Proceedings
of the 2000 IEEE Signal Processing Society Workshop. Anais... . v. 1, p.261-270 vol.1.
doi: 10.1109/NNSP.2000.889417, 2000.
ENDRENYI, J.; ABORESHEID, S.; ALLAN, R.; ET AL. The present status of
maintenance strategies and the impact of maintenance on reliability. IEEE
Transactions on Power Systems, v. 16, n. 4, p. 638-646. doi: 10.1109/59.962408,
2001.
GRMEN, E.; ECE, D. G.; GEREK, . N. Self Organizing Map (SOM) Approach for
Classification of Mechanical Faults in Induction Motors. Lecture Notes in Computer
Science, v. 4507, n. 1, p. 855-861. doi: Eskisehir, 2007.
GOH, K.; TJAHJONO, B.; BAINES, T.; SUBRAMANIAM, S. A Review of Research
in Manufacturing Prognostics. In: Anais... . p.417-422. doi:
10.1109/INDIN.2006.275836, 2006.
GONALVES, L. F.; BOSA, J. L.; HENRIQUES, R. V. B.; LUBASZEWSKI, M. S.
Design of an embedded system for the proactive maintenance of electrical valves. In:
Proceedings of the 22nd Annual Symposium on Integrated Circuits and System Design:
Chip on the Dunes. Anais... . p.1-6. Natal, Brazil: ACM. doi:
10.1145/1601896.1601906, 2009.
GONALVES, L. F.; BOSA, J. L.; LUBASZEWSKI, M. S.; PEREIRA, C. E.;
HENRIQUES, R. V. B. Um mtodo de classificao de falhas em atuadores eltricos




157
baseado em mapas auto-organizveis. Anais do 8 Congresso Brasileiro de
Automtica - CBA2008. doi: Juiz de Fora, 2008.
GONALVES, L. F.; LAZZARETTI, E. P.; LUBASZEWSKI, M. S.; ET AL.
Desenvolvimento de um Sistema de Manuteno Inteligente para Vlvulas Eletrnicas.
Anais do XIX Congresso Internacional de Engenharia Mecnica - COBEM, p. 8,
2007.
HAYKIN, S. Redes neurais: princpios e prtica. 2 ed. So Paulo: Bookman, 2001.
HIKAWA, H. FPGA implementation of self organizing map with digital phase locked
loops. Neural Networks, v. 18, n. 5-6, p. 514-522. doi: 10.1016/j.neunet.2005.06.012,
2005.
HUANG, R.; XI, L.; LI, X.; ET AL. Residual life predictions for ball bearings based on
self-organizing map and back propagation neural network methods. Mechanical
Systems and Signal Processing, v. 21, n. 1, p. 193-207. doi:
10.1016/j.ymssp.2005.11.008, 2007.
ISERMANN, R. Supervision, fault-detection and fault-diagnosis methods An
introduction. Control Engineering Practice, v. 5, n. 5, p. 639-652. doi:
10.1016/S0967-0661(97)00046-4, 1997.
JMS-JOUNELA, S. -.; VERMASVUORI, M.; ENDN, P.; HAAVISTO, S. A
process monitoring system based on the Kohonen self-organizing maps. Control
Engineering Practice, v. 11, n. 1, p. 83-92. doi: 10.1016/S0967-0661(02)00141-7,
2003.
JARDINE, A. K.; LIN, D.; BANJEVIC, D. A review on machinery diagnostics and
prognostics implementing condition-based maintenance. Mechanical Systems and
Signal Processing, v. 20, n. 7, p. 1483-1510. doi: 10.1016/j.ymssp.2005.09.012, 2006.
JESMAN, R.; VALLINA, F. M.; SANIIE, J. MicroBlaze Tutorial creating a simple
embedded system and adding custom peripherals using Xilinx EDK Software tools. .
Embedded Computing and Signal Processing Laboratory, Illinois Institute of
Technology. Recuperado de http://ecasp.ece.iit.edu/mbtutorial.pdf, 2006.
KANGAS, J. Time-delayed self-organizing maps. In: Anais... . v. 2, p.331-336. doi:
10.1109/IJCNN.1990.137735, 1990.
KARDEC, A.; NASCIF, J. Manuteno: funo estratgica. Rio de Janeiro:
Qualitymark, 2001.
KATIPAMULA, S.; BRAMBLEY, M. R. Methods for Fault Detection, Diagnostics,
and Prognostics for Building SystemsA Review, Part I. International Journal of
HVAC&R Research, v. 11, n. 1, p. 3-25, 2005.
KOHONEN, T. The self-organizing map. Proceedings of the IEEE, v. 78, n. 9, p.
1464-1480. doi: 10.1109/5.58325, 1990.
KOHONEN, T. Self-organizing maps. Springer, 2001.




158
KOHONEN, T.; OJA, E.; SIMULA, O.; VISA, A.; KANGAS, J. Engineering
applications of the self-organizing map. Proceedings of the IEEE, v. 84, n. 10, p.
1358-1384. doi: 10.1109/5.537105, 1996.
KOTHAMASU, R.; HUANG, S.; VERDUIN, W. System health monitoring and
prognostics a review of current paradigms and practices. The International Journal
of Advanced Manufacturing Technology, v. 28, n. 9, p. 1012-1024. doi:
10.1007/s00170-004-2131-6, 2006.
LEBOLD, M.; THURSTON, M. Open standards for condition-based maintenance and
prognostic systems. In: Anais... . p.69, 2001.
LEE, J.; QIU, H.; NI, J.; DJURDJANOVI, D. Infotronics technologies and predictive
tools for next-generation maintenance systems. In: Anais... . Salvador, Brasil, 2004.
LEE, J. E-manufacturingfundamental, tools, and transformation. Robotics and
Computer-Integrated Manufacturing, v. 19, n. 6, p. 501-507. doi: 10.1016/S0736-
5845(03)00060-7, 2003.
LEE, J.; NI, J.; DJURDJANOVIC, D.; QIU, H.; LIAO, H. Intelligent prognostics tools
and e-maintenance. Computers in Industry, v. 57, n. 6, p. 476-489. doi:
10.1016/j.compind.2006.02.014, 2006.
MARAL, R. F. Um mtodo para detectar falhas incipientes em mquinas
rotativas baseado em anlise de vibrao e lgica fuzzy. Doutorado, Programa de
Ps-Graduao em Engenharia de Minas, Metalrgica, e de Materiais - PPGEM,
Universidade Federal do Rio Grande do Sul - UFRGS, 2000.
MARCORIN, W. R.; LIMA, C. R. C. Anlise dos Custos de Manuteno e de No-
manuteno de Equipamentos Produtivos. Revista de Cincia & Tecnologia, v. 11, n.
22, p. 35-42, 2003.
MIRSHAWKA, V.; OLMEDO, N. Manuteno-Combate aos Custos da No-Eficcia-
A Vez do Brasil. So Paulo: MacGraw-Hill, 1999.
MOSER, L. C. Modelo de um neurnio diferenciador-integrador para
representao temporal em arquiteturas conexionistas. Dissertao de Mestrado,
Mestrado em Cincia da Computao, UFRGS, 2004.
MULLER, A.; MARQUEZ, A.; IUNG, B. On the concept of e-maintenance: Review
and current research. Reliability Engineering & System Safety, v. 93, n. 8, p. 1165-
1187. doi: 10.1016/j.ress.2007.08.006, 2008.
MURTY, A.; NAIKAN, V. Availability and maintenance cost optimization of a
production plant. International Journal of Quality & Reliability Management, v. 12,
n. 2, p. 28 - 35. doi: 10.1108/02656719510080596, 1995.
NAGARAJAN, R.; ASOKAN, V. Getting started with uClinux on the MicroBlaze
Processor. Xilinx Application Notes, p. 34, 2007.
NIKKANEN, K. uClinux as an Embedded Solution. Bachelor's Thesis, Turku
Polytechnic, 2003.




159
NUNES, E. L. Manuteno centrada em conabilidade (MCC) - Anlise da
implantao em uma sistemtica de manuteno preventiva consolidada.
Dissertao de Mestrado, Programa de Ps-Graduao em Engenharia Eltrica,
Universidade Federal de Santa Catarina, 2001.
OTANI, M.; MACHADO, W. V. A proposta de desenvolvimento de gesto da
manuteno industrial na busca da excelncia ou classe mundial. Revista Gesto
Industrial, v. 4, n. 2, 2008.
QIU, H.; LEE, J. Feature Fusion and Degradation Detection Using Self-Organizing
Map. International Conference on Machine Learning and Applications, v. 1, n. 1, p.
107- 114. doi: Milwaukee, 2004.
QIU, H.; LEE, J.; LIN, J.; YU, G. Robust performance degradation assessment methods
for enhanced rolling element bearing prognostics. Advanced Engineering Informatics,
v. 17, n. 3-4, p. 127-140. doi: 10.1016/j.aei.2004.08.001, 2003.
QIU, H.; LEE, J.; LIN, J.; YU, G. Wavelet filter-based weak signature detection method
and its application on rolling element bearing prognostics. Journal of Sound and
Vibration, v. 289, n. 4-5, p. 1066-1090. doi: 10.1016/j.jsv.2005.03.007, 2006.
SAXENA, A.; SAAD, A. Fault diagnosis in rotating mechanical systems using self-
organizing maps. Artificial Neural Networks in Engineering (ANNIE04), 2004.
SHIKARI, B.; SADIWALA, C. M.; DWIVEDI, R. K. Automation in Condition Based
Maintenance using vibration analysis. Mechanical Engineering Department -
Maulana Azad National Institute of Technology, 2004.
SILBERSCHATZ, A. Sistemas Operacionais Com Java. 7 ed., v. 1, p.696. Campus,
2008.
SILVA, M. A. Mapas Auto-Organizveis na Anlise Exploratria de Dados
Geoespaciais Multivariados. Dissertao de Mestrado, Mestrado em Computao
Aplicada., INPE, 2004.
DE SOUZA, C. A.; DE FREITAS, C. M. Anlise de causas de acidentes e ocorrncias
anormais, relacionados ao trabalho, em uma refinaria de petrleo, Rio de Janeiro. Cad.
Sade Pblica, v. 19, n. 5, 2003.
SUDHA, N.; SRIKANTHAN, T.; MAILACHALAM, B. A VLSI architecture for 3-D
self-organizing map based color quantization and its FPGA implementation. J. Syst.
Archit., v. 48, n. 11-12, p. 337-352, 2003.
THURSTON, M. An open standard for Web-based condition-based maintenance
systems. In: Anais... . p.401-415. doi: 10.1109/AUTEST.2001.949021, 2001.
VACHKOV, G.; KOMATSU, K.; FUJII, S. Classification-based behavior model for
detection of abnormal states in systems. In: Anais... . p.611-616, 2004.
VENKATASUBRAMANIAN, V.; RENGASWAMY, R.; KAVURI, S. N.; YIN, K. A
review of process fault detection and diagnosis : : Part III: Process history based
methods. Computers & Chemical Engineering, v. 27, n. 3, p. 327-346. doi:
10.1016/S0098-1354(02)00162-X, 2003.




160
VENKATASUBRAMANIAN, V.; RENGASWAMY, R.; YIN, K.; KAVURI, S. N. A
review of process fault detection and diagnosis : : Part I: Quantitative model-based
methods. Computers & Chemical Engineering, v. 27, n. 3, p. 293-311. doi:
10.1016/S0098-1354(02)00160-6, 2003.
VESANTO, J.; HIMBERG, J.; ALHONIEMI, E.; PARHANKANGAS, J. Self-
organizing map in Matlab: the SOM toolbox. In: Proceedings of the Matlab DSP
Conference. Anais... . v. 99, p.1617, 1999.
VESANTO, J.; HIMBERG, J.; ALHONIEMI, E.; ET AL. Som toolbox for matlab.
Techn. Ber., Helsinki University of Technology, 2000.
VESANTO, J. SOM-Based Data Visualization Methods. INTELLIGENT DATA
ANALYSIS, v. 3, p. 111--126, 1999.
WEBER, T. S. Um roteiro para explorao dos conceitos bsicos de tolerncia a falhas.
. Notas de Aula do Curso de Especializao em Redes e Sistemas Distribuidos, Instituto
de Informtica, UFRGS, 2002.
WEBER, T. S. Tolerncia a falhas: conceitos e exemplos. Intech Brasil, v. 52, p. 32-
42, 2003.
WILLIAMS, J.; PETALOGIX, I. PetaLinux Platform from Scratch. Petalogix
Tutorials, 2008.
WONG, M.; JACK, L.; N, A.; I. Modified self-organising map for automated novelty
detection applied to vibration signal monitoring. Mechanical Systems and Signal
Processing, v. 20, n. 3, p. 593-610. doi: 10.1016/j.ymssp.2005.01.008, 2006.
XILINX, I. Designing Custom OPB Slave Peripherals for MicroBlaze. Xilinx Tutorial
Embedded Development, p. 30, 2002.
XILINX, I. EDK MicroBlaze Tutorial. Xilinx Tutorial Embedded Development,
2003.
XILINX, I. XST User Guide 8.1i. Xilinx Tutorial Embedded Development, p. 570,
2005a.
XILINX, I. EDK Base system builder (BSB) support for XUPV2P board. Xilinx
University Program, p. 23, 2005b.
XILINX, I. Embedded system tools reference manual. Embedded Development Kit
EDK 8.1i, v. 1, p. 228, 2005c.
XILINX, I. Custom peripheral design guide. Xilinx Tutorial Embedded Development,
p. 82, 2005d.
XILINX, I. Virtex-II Pro development system. Xilinx University Program, , n. 1, p.
142, 2008.
YAGHMOUR, K. Building Embedded Linux Systems. 2 ed., p.462. O'Reilly Media,
Inc. Recuperado Novembro 17, 2009, de http://portal.acm.org/citation.cfm?id=1096085,
2008.




161
YANG, B. S.; HAN, T.; AN, J. L. ARTKOHONEN neural network for fault diagnosis
of rotating machinery. Mechanical Systems and Signal Processing, v. 18, n. 3, p. 645-
657. doi: 10.1016/S0888-3270(03)00073-6, 2004.
YANG, B.; HWANG, W.; KIM, D.; TAN, A. C. Condition classification of small
reciprocating compressor for refrigerators using artificial neural networks and support
vector machines. Mechanical Systems and Signal Processing, v. 19, n. 2, p. 371-390.
doi: 10.1016/j.ymssp.2004.06.002, 2005.
ZHONG, F.; SHI, T.; HE, T. Fault diagnosis of motor bearing using self-organizing
maps. In: Anais... . v. 3, p.2411-2414 Vol. 3. doi: 10.1109/ICEMS.2005.203004, 2005.

ANEXO
Como anexo est o artigo publicado no Congresso Brasileiro de Automtica em
2008, apresentando maiores detalhes das equaes para construo do modelo
matemtico para o conjunto atuador e vlvula.
UM M

ETODO DE CLASSIFICA C

AO DE FALHAS EM ATUADORES EL

ETRICOS
BASEADO EM MAPAS AUTO-ORGANIZ

AVEIS
Luiz F. Gon calves

, Jefferson L. Bosa

, Marcelo S. Lubaszewski

, Carlos E. Pereira

,
Renato V. B. Henriques

UFRGS - PPGEE - Av. Osvaldo Aranha, 103, Bom Fim, CEP:90031-190, Porto Alegre, RS, Brasil
Emails: luizfg@ece.ufrgs.br, jlbosa@inf.ufrgs.br, luba@ece.ufrgs.br,
cpereira@ece.ufrgs.br, rventura@ece.ufrgs.br
Abstract This paper presents some of the main activities developed for the implementation of an intelligent
maintenance embedded system in electric actuators. The main idea is to develop an intelligent maintenance
embedded system to evaluate and determine the degradation of the of actuators performance and achieve a
forecast and a diagnosis of failures. For this, signal processing techniques and statistical methods, but specically,
the transform Wavelet Packet and the Logistic Regression method are used. Also, the developed a system of failure
classication and prediction using self-organizing maps will be conducted. It is expected, with the deployment
embedded of this system, to prevent damages in actuators and reduce costs from unexpected failures. The main
reasons, objectives and steps for the implementation of this system will also be presented.
Keywords Classication, Failures, Electric Actuators, Self-Organizing Maps.
Resumo Este artigo aborda algumas das principais atividades desenvolvidas para a implanta c ao de um
sistema de manuten c ao inteligente embarcado em atuadores eletricos. A ideia principal e desenvolver um sistema
de manuten c ao inteligente embarcado para avaliar e determinar a degrada c ao do desempenho dos atuadores
e realizar uma previs ao e um diagn ostico de falhas. Para isto, utilizou-se de tecnicas de processamento de
sinais e metodos estatsticos, mas especicamente a transformada Wavelet Packet e o metodo de Regress ao
Logstica. Alem disso, foi feito o desenvolvimento de um sistema de classica c ao de falhas usando mapas auto-
organiz aveis. Espera-se, com a implanta c ao embarcada desse sistema, evitar danos nos atuadores e reduzir os
custos provenientes de falhas inesperadas. As principais etapas e objetivos para a implementa c ao desse sistema
tambem s ao apresentadas.
Palavras-chave Classica c ao, Falhas, Atuadores Eletricos, Mapas Auto-Organiz aveis.
1 Introdu cao
Os equipamentos ou processos industriais, a me-
dida que s ao utilizados, cam sujeitos a v arios
tipos de degrada c ao: desgaste, sujeira, corros ao,
rachaduras, e outras anomalias. Caso n ao sejam
tomadas algumas medidas corretivas com a inten-
c ao de restaurar esses equipamentos, os mesmos
come car ao a apresentar algum defeito.
Permanecendo o defeito, n ao sendo realizada
nenhuma a c ao corretiva, o equipamento ou pro-
cesso poder a falhar, cando indisponvel para de-
sempenhar sua fun c ao. A manuten c ao consiste
de uma serie de tecnicas e medidas de preven c ao,
corre c ao e predi c ao de falhas.
Essas medidas s ao praticadas principalmente
com a inten c ao de corrigir ou consertar os danos
provocados pela degrada c ao, promover uma maior
sustentabilidade, manter os equipamentos em fun-
cionamento, reduzir a probabilidade de falhas e a
degrada c ao de componentes.
Assim, a manuten c ao pode ser dividida, com
rela c ao `as medidas tomadas perante as falhas, em
quatro estrategias: corretiva, preventiva, predi-
tiva e proativa (Lee et al., 2004).
A estrategia de manuten c ao corretiva apre-
senta uma maior enfase no conserto dos equipa-
mentos ap os a ocorrencia de falhas. Portanto, essa
tecnica tradicional resulta em atrasos de opera c ao,
ociosidade do sistema e custos adicionais.
A manuten c ao preventiva, mais contempor a-
nea, corresponde `as a c oes previstas, preparadas
ou programadas antes do prov avel aparecimento
da falha (Djurdjanovic et al., 2003).
Entretanto, o principal inconveniente encon-
trado nesse tipo de estrategia s ao as constantes
interven c oes, muitas vezes desnecess arias em vir-
tude das varia c oes presentes nos materiais, pe cas,
e freq uencia de uso dos equipamentos.
J a a manuten c ao preditiva ocorre quando se
aplica uma supervis ao contnua dos par ametros de
controle e desempenho (Qiu et al., 2006). A prin-
cipal desvantagem dessa estrategia e o custo de
implementa c ao que e, normalmente, bem elevado.
Em fun c ao dos recentes avan cos da eletr onica,
da computa c ao, e dos sistemas embarcados a ma-
nuten c ao proativa, em especial, tambem conhe-
cida como manuten c ao inteligente, vem ganhando
for ca em todo o mundo.
A manuten c ao proativa e aquela que, alem de
monitorar o equipamento ou processo, diagnostica
e quantica a perda de desempenho do sistema ao
longo do tempo.
A partir disso, torna-se possvel que, em
fun c ao do desgaste identicado (degrada c ao),
seja programada a troca das pe cas deterioradas
em momentos de ociosidade do equipamento ou
mesmo a recongura c ao automatica do sistema de
modo a continuar operando, ate a troca das pe cas
defeituosas.
Essas grandes transforma c oes permitem um
diagn ostico e an alise muito maior das origens das
falhas e dos seus efeitos, inuenciando diretamente
as atividades de manuten c ao, em especial, as pre-
ditivas e proativas (Djurdjanovic et al., 2003).
Assim, quando sensores com dispositivos in-
teligentes est ao conectados em um barramento
industrial, ou conectados diretamente nos equi-
pamentos, e seus dados s ao analisados continu-
amente por sosticados sistemas embarcados in-
teligentes e possvel ir alem da manuten c ao pre-
ditiva, evoluindo para uma predi c ao inteligente
(proativa), localizando com exatid ao os compo-
nentes, pe cas, ou mecanismos degradados que es-
t ao propensos a falhar.
Neste contexto, alguns centros focados na ma-
nuten c ao preditiva vem sendo criados. O Center
for Intelligent Maintenance Systems (IMS Cen-
ter), em especial, est a desenvolvendo uma solu c ao
embarcada para avalia c ao, predi c ao, e diagn os-
tico de falhas chamada Watchdog Agent (um PC
industrial), alem de uma interface implementada
para o software Matlab, conhecida como Watch-
dog Agent Toolbox.
O presente trabalho insere-se no contexto da
cria c ao de um centro de manuten c ao inteligente
no Brasil, sendo esse uma parceria entre o IMS
Center, os Departamentos Nacionais e Regionais
da Bahia e do Rio Grande do Sul do SENAI, e a
Universidade Federal do Rio Grande do Sul.
Este trabalho apresenta a modelagem, as fer-
ramentas, e resultados da avalia c ao de desempe-
nho e de classica c ao de falhas em atuadores ele-
tricos. Os atuadores s ao oriundos da empresa Co-
ester Automa c ao S.A., ver Fig. 2.
Atuadores, eletricos ou pneum aticos, s ao equi-
pamentos que permitem motoriza c ao de v alvulas,
dampers, comportas e outros equipamentos simi-
lares. Os atuadores eletricos, em especial, sofrem
diversos processos de degrada c ao, tais como: cor-
rosao, desgaste, e atrito, que ir ao provocar dife-
rentes tipos de falhas, tais como a quebra de pe-
cas. A nalidade do atuador, considerada neste
artigo, e realizar o controle do uxo por meio de
uma v alvula gaveta.
O principal objetivo deste trabalho, alem do
aprendizado da metodologia, tecnicas e ferramen-
tas desenvolvidas pelo IMS, e a implanta c ao de um
sistema embarcado de manuten c ao inteligente em
atuadores eletricos, em conjunto com a empresa
Coester Automa c ao S.A.
Espera-se, com a implanta c ao desse sistema:
quanticar a degrada c ao do atuador eletrico; rea-
lizar uma predi c ao da vida util; e antecipar falhas
inesperadas, por exemplo.
O sistema e composto de tres blocos distin-
tos: modelo matem atico; ferramentas de proces-
samento de sinais, de extra c ao das caractersticas
e de avalia c ao do desempenho; e classica c ao e
predi c ao de falhas, como visto na Fig. 1.
Figura 1: Principais etapas do sistema de classi-
ca c ao e predi c ao de falhas.
As principais etapas para a implanta c ao desse
sistema de predi c ao de falhas nos atuadores s ao:
1. Desenvolvimento de um modelo matem atico;
2. Simula c ao das principais falhas;
3. Processamento de sinais;
4. Extra c ao das caractersticas;
5. Avalia c ao da degrada c ao do desempenho;
6. Classica c ao e predi c ao de falhas;
7. Prototipa c ao em um sistema embarcado.
Inicialmente, desenvolveu-se o modelo mate-
m atico do atuador/v alvula. A seguir, foram reali-
zadas diversas simula c oes de comportamento nor-
mal e de falha. Ap os, uma serie de an alises da de-
grada c ao do desempenho dessas v alvulas, usando
as ferramentas desenvolvidas pelo IMS, foram efe-
tuadas. Por m, uma classica c ao das falhas e
predi c ao da vida util dos atuadores, foi realizada.
A ferramenta de processamento de sinais e
extra c ao das caractersticas usada foi a transfor-
mada Wavelet Packet. A avalia c ao de desempenho
foi feita atraves do metodo de Regress ao Logs-
tica. Os Mapas Auto-organiz aveis foram usados
para classica c ao e predi c ao de falhas.
Fez-se uso de um sistema embarcado de pro-
p osito mais ou menos geral, o Watchdog Agent,
pois esse apresenta imunidade a rudo, baixo con-
sumo, diversidade de interfaces, ferramentas ma-
tem aticas embutidas, opera em tempo real, e pos-
sui facilidade de comunica c ao com a central de
controle, por exemplo.
O presente trabalho e organizado da seguinte
forma: a se c ao 2 apresenta o modelo do conjunto
atuador/v alvula; na se c ao 3 s ao descritas as ferra-
mentas de processamento de sinais e de extra c ao
das caractersticas utilizadas; na se c ao 4 os meto-
dos de avalia c ao de desempenho s ao apresentados;
na se c ao 5 os Mapas Auto-organiz aveis s ao abor-
dados; na se c ao 6 s ao visualizados os resultados
das simula c oes; e, por m, na se c ao 7 s ao apresen-
tadas as conclus oes nais e os trabalhos futuros,
alem dos agradecimentos e referencias bibliogr a-
cas.
2 Modelagem do Atuador
O modelo de atuador CSR25 da Coester e uma
v alvula tipo gaveta est ao sendo utilizados como
estudo de caso neste trabalho.
Para avaliar corretamente o comportamento
desse atuador, da v alvula, e da tubula c ao nas mais
variadas situa c oes e necess ario conhecer, se pos-
svel, o comportamento de cada componente do
conjunto atuador, v alvula e tubula c ao.
Alem disso, e necess ario obter um conjunto de
equa c oes diferenciais e algebricas que represente
corretamente o comportamento do atuador, v al-
vula, e tubula c ao.
2.1 Modelo de Atuador Eletrico
O modelo CSR25 e composto por um conjunto
eletrico e mec anico. Seu inv olucro apresenta uma
carca ca em ferro fundido nodular com tampas em
alumnio.
As solu c oes da linha CSR se aplicam a v al-
vulas tipo gaveta, globo e outros equipamentos
similares.
Dentre as principais partes dos atuadores da
Coester, Fig. 2, pode se destacar: motor eletrico,
cadeia mec anica, acoplamento de sada, sensor de
torque, sensor de posi c ao e movimento.
2.2 Forcas Envolvidas
No comportamento do atuador eletrico existe uma
parte est atica que est a associada com a determina-
c ao da abertura associada com a vaz ao para essa
abertura (ou posi c ao da haste) e outra din amica
que corresponde a transmiss ao do torque para que
ocorra o movimento do obturador da v alvula e por
conseguinte a vaz ao para o processo.
Na modelagem do sistema h a uma serie de for-
cas que devem ser levadas em considera c ao, para
que ocorra o movimento de abertura/fechamento
do obturador da v alvula, como visto na Fig. 2,
onde a for ca do atuador e transmitida pelo motor.
Figura 2: Diagrama de for cas presentes no modelo
de atuador/v alvula/tubula c ao.
2.3 Sistema de Equac oes
Foi feita a modelagem dos principais componen-
tes do conjunto em um sistema de equa c oes n ao-
lineares.
Uma serie de considera c oes fsicas foram ado-
tadas na modelagem para simplicar a representa-
c ao e conseq uentemente o esfor co computacional
exigido.
Sendo assim, escolheu-se um modelo de ter-
ceira ordem para o motor de indu c ao, pois esse
representa bem tanto as condi c oes de regime per-
manente como os transit orios.
Do ponto de vista da modelagem do sistema,
composto por um motor assncrono, sistema de
engrenagens, v alvula e tubula c ao, foi considerada
a din amica do motor e da haste da v alvula, en-
quanto o sistema de engrenagens e a tubula c ao fo-
ram descritos por rela c oes est aticas, Equa c oes (1),
(2), e (3).
As equa c oes diferenciais
1
que descrevem o
motor assncrono (tens oes e escorregamento), a
posi c ao, velocidade e a acelera c ao da haste s ao
dadas por:
s =
1
2H

T
e
T
m

(1a)

d
=
1
T
0

d
I
qs
(X
s
X

s
)

+s
s
V

q
(1b)

q
=
1
T
0

q
+I
ds
(X
s
X

s
)

s
s
V

d
(1c)
a = v
a
(1d)
a = a
a
(1e)
As equa c oes algebricas que descrevem o motor
assncrono, a for ca exercida pelo uido, a for ca de
atrito, a for ca da mola, e a for ca e torque trans-
mitido para a haste s ao
2
:
V
ds
= V

d
R
s
I
ds
+X

s
I
qs
(2a)
V
qs
= V

q
R
s
I
qs
X

s
I
ds
(2b)
T
e
= V

d
I
ds
+V

q
I
qs
(2c)
T
h
= T
m
K
R
T
mb
(2d)
F
h
=
T
h
R
h
cos
(2e)
F
f
=
W
2
A
v
N
2
R
(100 a)
2
C
2
v
(2f)
F
a
= C
a
v
a
(2g)
F
m
= K
m
a (2h)
a
a
=
1
M
h

F
h
F
f
F
a
F
m

(2i)
Ainda, h a uma serie de equa c oes auxiliares
dadas por:
1
Modelo de 5
a
ordem
2
=90
o
T
0
=
L
r
+L
m

s
R
r
(3a)
X
s
= L
s
+L
m
(3b)
X

s
= L
s
+L
m

L
2
m
L
r
+L
m
(3c)
K
R
= K
1
K
2
K
3
(3d)
2.4 Simula c ao das falhas
Fez-se necess ario, na fase de simula c ao, uma fer-
ramenta que fosse aberta e que permitisse incluir
distintos modelos de v alvulas e atuadores.
As rotinas dessa ferramenta deveriam apre-
sentar uma exibilidade na altera c ao da estrutura
e da modelagem do sistema, permitindo a simu-
la c ao de qualquer sistema e a an alise de v arios
par ametros, atuadores e v alvulas, bem como de
diversas situa c oes que possam ocorrer.
Assim, utilizou-se um simulador de din amica
de sistemas n ao-lineares, adaptado de (Gon calves,
2004), para simular o modelo.
Esse simulador foi desenvolvido com base
no Matlab, pois esse apresenta as caractersticas
mencionadas anteriormente.
O modelo proposto ainda n ao est a validado.
Contudo, j a e possvel realizar simula c oes de com-
portamento normal e das conseq uencias das prin-
cipais falhas observadas no conjunto, tais como
um aumento gradual do torque devido a altera-
c oes nos par ametros do modelo, e assim observar
a curva de degrada c ao.
Foram realizadas uma serie de simula c oes
onde, inicialmente, gerou-se uma serie de curvas
de torque para o modelo de atuador CSR25 cujo
comportamento era normal, Fig. 3 (torque m a-
ximo igual a 250Nm ou 1pu).
Ap os, efetuaram-se outras simula c oes de com-
portamento de degrada c ao e de falha. Nessas si-
mula c oes, aumentou-se gradualmente certos par a-
metros do modelo.
Como conseq uencia, o valor de torque para
abrir/fechar a v alvula aumentou ate atingir o va-
lor de 275Nm (10% de sobretorque, ou 1.1 pu)
denido como m aximo valor de sobretorque ad-
missvel.
0 20 40 60 80 100
50
0
50
100
150
200
250
300
comportamento normal
comportamento de falha
T
h
[
N
m
]
Tempo [s]
Figura 3: Curvas de torque da haste.
Foram realizados 2 tipos de simula c oes de
comportamento de falha, ver Tabela 1.
Tabela 1: Faixa e taxa de varia c ao de K
2
e K
m
.
Parametro Faixa Taxa
K
2
11.00 - 12.00 0.010
K
m
4.215 - 5.215 0.010
Foram geradas 100 amostras para cada tipo
de degrada c ao (variando-se gradualmente os pa-
r ametros K
2
e K
m
do modelo) e falha, e 100 para
dados normais.
As falhas do tipo K
2
correspondem a falhas
no segundo sistema de redu c ao cinem atica. Mais
especicamente, trata-se da quebra do sem-m.
A falha do tipo Kmcorresponde a degrada c ao
da mola, equivalente a perda de elasticidade da
mola, alterando a sua a c ao.
3 Ferramentas de Processamento de
Sinais e Extra cao das Caractersticas
Os sinais de torque do atuador foram analisados
utilizando a transformada Wavelet Packet (Qiu
et al., 2006).
Os valores de densidade espectral, divididos
em bandas, obtidas a partir da transformada Wa-
velet Packet foram obtidos a seguir.
3.1 Transformada Wavelet Packet
A transformada Wavelet Packet e uma generaliza-
c ao do conceito da transformada Wavelet discreta.
Nessa, o sinal tambem e dividido em coecientes
de aproxima c ao e detalhamento sucessivamente.
Contudo, ao contr ario da transformada Wa-
velet, os coecientes de detalhamento tambem s ao
sucessivamente divididos, decompondo o sinal em
forma de arvore bin aria, chamada Wavelet Packet.
Essa tecnica foi usada para extrair caracte-
rsticas relevantes de sinais, melhorando o desem-
penho dos classicadores ao obter caractersticas
importantes por meio da decomposi c ao do sinais
em distintas bandas de freq uencias, com diferentes
resolu c oes.
3.2 Energia da Wavelet Packet
A energia total de um sinal pode ser decomposto
em um somat orio de componentes de energia da
WP que correspondem a diferentes bandas de
freq uencia.
Neste trabalho, fez-se se uso da energia das
componentes da Wavelet Packet, E, para realizar
a extra c ao das caractersticas dos sinais de tor-
que e a classica c ao de falhas, com E = X =
(X
1
, X
2
, . . . , X
2N
), onde N e o n umero de ban-
das de freq uencia, N = 10.
4 Avalia cao do Desempenho
Os valores de Energia foram utilizados como en-
tradas para o algoritmo do metodo de Regress ao
Logstica, que foi usado para realizar a avalia c ao
do desempenho do atuador.
4.1 Metodo de Regress ao Logstica
O metodo de Regress ao Logstica faz parte de
uma categoria de modelos estatsticos chamados
de Modelos Generalizados Lineares (Djurdjanovic
et al., 2003).
Esse metodo permite obter uma sada dis-
creta, bem como uma classica c ao, em um grupo
de conjunto de dados que pode ser contnuo, dis-
creto, ou bin ario.
Geralmente a resposta possui dois estados
como: presen ca/ausencia ou normal/falha. A Re-
gress ao Logstica tenta ajustar um mapeamento
do espa co de dimens ao N para um espa co de sada
de uma unica dimens ao.
O estado do sistema e medido atraves de um
indicador de semelhan ca entre o comportamento
normal (e de falha) e o comportamento recente-
mente observado de equipamentos e sistemas, co-
nhecido como Valor de Conan ca (VC).
A avalia c ao de desempenho, e o c alculo do
VC, de pe cas e equipamentos feita pelo WA e rea-
lizada extraindo-se as caractersticas de degrada-
c ao e de comportamento normal dos dispositivos
a ele conectados.
Assim, pode-se dizer que VC e um indicador
quantitativo da qualidade do sistema. Esse, e de-
terminado a partir da an alise dos sinais de desem-
penho observados durante o funcionamento e uso
do sistema em quest ao.
O VC varia de zero a um, onde um valor mais
elevado indica que o desempenho est a mais perto
do normal e um valor mais proximo do zero indica
uma maior proximidade da ocorrencia de algum
tipo de falha, como visto na Fig. 4.
Figura 4: Gr aco do valor de conan ca.
Conforme o equipamento degrada, os sinais
atuais de desempenho do equipamento v ao se di-
ferenciando dos sinais de comportamento normal,
reduzindo o VC.
O Valor de Conan ca, quando se usa o me-
todo de Regress ao Logstica, e obtido a partir da
seguinte express ao:
CV (X) =
1
1 +e
(
0
+
1
X
1
+...+
k
X
k
)
(4)
Ap os os par ametros do modelo serem obtidos
a partir de amostras de treinamento, o CV do sis-
tema pode ser calculado.
5 Classica cao das falhas: Mapas
Auto-organizaveis
Os Mapas Auto-organiz aveis (MAO), ou mapas de
Kohonen, pertencem a uma classe de redes neurais
baseadas em um paradigma de aprendizagem n ao
supervisionado e que utilizam tecnicas de compe-
ti c ao, coopera c ao e adapta c ao.
Nos MAO, existe uma intera c ao e competi-
c ao entre os neur onios dentro de certa vizinhan ca.
Como resultado, apenas um neur onio e declarado
como vencedor (Kohonen et al., 1995).
Formalmente, a principal fun c ao de um mapa
auto-organiz avel e realizar um mapeamento de da-
dos de entrada dispostos em um espa co
n
em
uma matriz bidimensional, formando uma rede,
mantendo a topologia ordenada.
O vetor de entradas (energia das componen-
tes da Wavelet Packet) X e selecionado alea-
toriamente no espa co de entrada (onde X =
[X
1
, X
2
, . . . , X
2N
]
T
) e o vetor peso sin aptico do
neur onio j ser a representado por W
j
, W
j
=
[W
j1
, W
j2
, . . . , W
j2N
]
T
, com j = 1, 2, . . . , L,
onde L e o n umero total de neur onios na grade.
O processamento interno dos algoritmos do
MAO pode ser dividido, simplicadamente, em
tres etapas distintas:
Inicializa c ao: os pesos sin apticos da grade s ao
inicializados.
Treinamento: e realizada a aquisi c ao do co-
nhecimento pelo mapa;
Recupera c ao: os dados de entrada s ao classi-
cados no mapa.
A etapa de treinamento, pode ser dividida,
simplicadamente, em tres fases distintas:
1. Competi c ao: nessa fase procura-se encontrar
o melhor casamento (minimizando a dist ancia
euclidiana entre os vetores X e W
j
) do vetor
de entrada com os vetores de pesos sin apticos.
2. Coopera c ao: o neur onio vencedor determina
a localiza c ao espacial de uma vizinhan ca to-
pol ogica de neur onios excitados, fornecendo
assim a base para a coopera c ao entre os
neur onios vizinhos.
3. Adapta c ao: o vetor de pesos sin apticos
W
j
(n), no tempo n, e atualizado de forma
a se aproximar mais do vetor X.
Na etapa de recupera c ao, s ao avaliadas as for-
ma c oes topol ogicas dos agrupamentos de neur o-
nios. O metodo mais usado para realizar essa ava-
lia c ao e a Matriz de Dist ancias Unicada (MDU).
O resultado gerado a partir da MDU sobre o
mapa e uma imagem em duas (ou tres dimens oes),
onde o nvel de intensidade de cada pixel corres-
ponde a uma dist ancia calculada.
Na imagem, a colora c ao dos pixels varia de
acordo com a intensidade de cada componente da
MDU. Regi oes que apresentam baixos valores (va-
les) agrupam neur onios com padr oes similares, e
as regi oes com valores altos (picos) correspondem
a fronteiras entre os agrupamentos.
Assim, as condi c oes de comportamento nor-
mal, de degrada c ao, e de falha de um sistema po-
dem ser visualizadas em distintos agrupamentos.
6 Resultados
Os resultados gr acos dos VC e dos MAO, para
cada um dos tipos de falhas, s ao vistos na Fig. 5.
Pode-se observar que os gr acos do VC obtidos
a partir das ferramentas WP e RL, retratam -
elmente as condi c oes de comportamento normal,
degrada c ao, e falha simuladas.
0 50 100 150 200 250 300
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Nmero de ciclos
V
a
l
o
r

d
e

C
o
n
f
i
a
n

a
CV K2
CV Km
Figura 5: VC - falha do tipo K
2
e K
m
.
Atraves do resultado da recupera c ao dos
MAO, Fig. 6, pode-se observar as tres regi oes de
comportamento: normal, degrada c ao e falha.
Figura 6: MAO - a) falha do tipo K
2
e b) K
m
.
Pode-se observar na Fig. 6 que os dados fo-
ram mapeados corretamente. S ao vistas, na -
gura, tres regi oes de comportamento bem distin-
tas. Tambem e visvel a concentra c ao dos dados
de degrada c ao no vale inferior e dos dados normais
e de falha na parte superior do mapa.
Alem disso, os dados de falhas, K
2
e K
m
, fo-
ram mapeados em diferentes lugares no mapa, o
que nos permite fazer uma classica c ao quanto ao
tipo de falha que ocorreu.
7 Conclusao
Este trabalho abordou algumas das atividades de-
senvolvidas para a implanta c ao de um sistema de
manuten c ao inteligente embarcado nos atuadores
eletricos da empresa Coester Automa c ao S.A.
Para tal, fez-se uso das tecnicas de processa-
mento de sinais e metodos estatsticos desenvolvi-
das pelo IMS, mas especicamente a transformada
WP e o metodo de RL. Alem disso, foi realizado
o desenvolvimento de um sistema de classica c ao
e predi c ao de falhas utilizando-se MAO.
Os resultados gr acos dos VC e dos MAO,
para dois tipos de falhas, tambem foram exibi-
dos. Pode-se observar, atraves dos resultados, o
comportamento normal, de degrada c ao, e de fa-
lha corretamente.
Espera-se, no futuro, estimar o tempo de vida
util do atuador. Para isto, pretende-se utilizar
algoritmos que tratam da an alise temporal nos
MAOs como o Temporal Kohonen Map ou o Re-
current Self-Organazing Map, por exemplo.
Referencias
Djurdjanovic, D., Lee, J. and Ni, J. (2003). Wat-
chdog agent - an infotronics-based prognos-
tic approach for product performance degra-
dation, assessment and prediction, Advanced
Engineering Informatics 17: 109125.
Gon calves, L. F. (2004). Contribuic oes para o es-
tudo te orico e experimental de sistemas de ge-
ra c ao distribuda, Masters thesis, Programa
de P os-Gradua c ao em Engenharia Eletrica,
Universidade Federal de Rio Grande do Sul,
Porto Alegre.
Kohonen, T., Hynninen, J., Kangas, J. and La-
aksonen, J. (1995). The self-organizing map
program package, 3.1 edn, Springer (Springer
Series in Information Sciences), Rakentaja-
naukio, Finland.
Lee, J., Qiu, H., Ni, J. and Djurdjanovic, D.
(2004). Infotronics technologies and predic-
tive tools for next-generation maintenance
systems, International Federation of Auto-
matic Control (IFAC) .
Qiu, H., Lee, J., Lin, J. and Yu, G. (2006).
Wavelet lter-based weak signature detection
method and its application on rolling element
bearing prognostics, Journal of Sound and
Vibration 289: 10661090.