Escolar Documentos
Profissional Documentos
Cultura Documentos
Departamento de Tecnologia
Universidade Estadual de Feira de Santana
Feira de Santana, BA, Brasil
Departamento de Fsica
Universidade Estadual de Feira de Santana
Feira de Santana, BA, Brasil
Emails: jesus@ecomp.uefs.br, brenoecomp@gmail.com, germano@uefs.br
Abstract This paper addresses the modeling and development of a system of data management systems
based on PIMS. In this case a software must collect data from sensors, apply a compression algorithm on these
data, store this information in a database and display them through a web application. For testing purposes,
the system developed is used to automate a station dedicated to the remote monitoring of solarimetric variables.
The system goal is to provide high rates of data compression, resulting in a performance gain of the system,
maintaining the philosophy of freeware.
Keywords
Sistemas de Automac
ao, PIMS, Banco de Dados, Sistemas WEB
Introdu
c
ao
ISBN: 978-85-8001-069-5
4122
Os resultados obtidos s
ao apresentados na seca
o 4. Finalmente, na seca
o 5, as conclus
oes s
ao apresentadas.
2
2.1
No
c
oes Preliminares
PIMS
PIMS s
ao sistemas de aquisica
o de dados que, basicamente, recuperam os dados do processo residente
em fontes distintas, os armazenam em um banco de
dados u
nico e os disponibilizam atraves de diversas
ferramentas (Carvalho et al., 2005). Com este sistema e possvel visualizar e organizar dados hist
oricos e em tempo real de forma que estes dados tragam informaco
es u
teis para a gest
ao do processo industrial. Alem disso, podem-se montar tabelas, gr
aficos de tendencias, telas sin
opticas e relat
orios din
amicos, concentrando a informaca
o e possibilitando
uma vis
ao unificada de todo processo produtivo. A figura 1 apresenta a arquitetura utilizada em um PIMS.
(Urbano, 2009; Buchmann, 2005).
A camada inferior de um PIMS e a camada de
coleta, na qual dados s
ao adquiridos de instrumentos
ligados diretamente a fontes como CLP (Controladores L
ogico-Program
aveis), sistemas SCADA (Supervisory Control & Data Aquisition) e SDCD (Sistemas
Digitais de Controle Distribudo). Cada fonte pode
ser respons
avel pela aquisica
o de dados de mais de
uma vari
avel, sendo que cada vari
avel est
a associada
a um sensor. Essas vari
aveis s
ao chamadas de tags
e s
ao as principais unidades da camada de armazenamento. Essa camada e respons
avel por manter os
dados de forma centralizada em um servidor de banco
de dados. Pela natureza do grande e constante volume
de dados em sistemas industriais, esse armazenamento
deve prover alguma forma de compress
ao de dados.
Assim os dados armazenados devem possuir uma estrutura simples no banco de dados. Por essa raz
ao,
uma tag no banco de dados deve ser formada apenas
por um nome identificador, o valor que ela assume em
determinado momento, bem como esse momento no
tempo (timestamp). Uma tag pode estar associada ao
seu instrumento correspondente na rede de automaca
o. Por fim, a camada de exibica
o e respons
avel por
recuperar dados hist
oricos e em tempo real da camada
de armazenamento, e exibi-los de forma gr
afica, como
relat
orios ou gr
aficos de tendencias. (S. et al., 2006)
Uma das maiores vantagens de utilizar o modelo
PIMS e otimizar o armazenamento e a busca de informaco
es. Para melhorar o tempo de busca de dados, o
banco de dados de um PIMS deve ser um banco de dados temporal, sujeito a compactaca
o em tempo real realizada com baixa perda de informaca
o. Isso tambem
garante um armazenamento eficiente, uma vez que os
algoritmos utilizados nesses sistemas geram uma taxa
de compress
ao tpica de 10:1, podendo chegar ate a
20:1.
O conceito de banco de dados temporal e o algoritmo de compress
ao utilizado em PIMS s
ao apresentados nas sec
oes 2.2 e 2.3, respectivamente.
2.2
Para a implantaca
o de um sistema baseado em armazenamento PIMS, pode ser utilizada a estrategia
de modelagem Temporal Entidade Relacionamento
ISBN: 978-85-8001-069-5
Algoritmo de Compress
ao
Um sistema de compress
ao eficiente e de fundamental
import
ancia para sistemas historiadores de dados de
automac
ao. Em PIMS a informac
ao pode ser recuperada com integridade e com grande velocidade. Analisando a estrategia de compress
ao, os PIMS possuem
as seguintes caractersticas:
Taxa de compress
ao alta;
Reconstruca
o simples dos dados;
Algoritmo veloz na compress
ao e reconstruca
o
dos dados;
4123
ISBN: 978-85-8001-069-5
Metodologia e Desenvolvimento
4124
(a)
(b)
Figura 2: Ilustrac
ao do algoritmo Swinging Doors. FONTE: (SOUZA et al., 2005)
sim, foi preciso simular o envio de dados da estaca
o
NomadII via RS-232. Para tal prop
osito foi criada
uma aplicaca
o auxiliar que simula a estaca
o, fazendo
a leitura de um arquivo de entrada e enviando as informaco
es coletadas pela porta serial. O arquivo de
entrada e um arquivo de extens
ao *.txt cujos dados
s
ao exatamente os mesmos adquiridos pela estaca
o e
salvos em um cart
ao de mem
oria. Ent
ao, a aplicaca
o
auxiliar envia (via protocolo RS-232) os dados coletados para a camada de armazenamento.
O arquivo de entrada deste software contem tres
amostras da estaca
o de coleta na ordem em que foram
lidas durante o mes de Janeiro de 2010. Essas amostras fazem parte do experimento de estudo de celulas
fotovolt
aicas de Sampaio et al. (2010), todas variam
o valor de 0 a 5 e tem uma amostragem de um minuto. A primeira e a Amostra1(A1kipp(V)) que e a
tens
ao gerada por um piran
ometro exposto a radiaca
o
solar. A amostra Amostra2(A2ICC cel(V)) representa
a corrente de curto circuito da celula fotovolt
aica em
estudo. A u
ltima amostra Amostra3(Temp cel(V)) representa a temperatura da celula fotovolt
aica.
Para a implementaca
o da camada de armazenamento, foi utilizado um banco de dados MySQL modelado como mostram a figura 3. Esse modelo apresenta as tabelas Node, que armazena as informac
oes
dos n
os de coleta; Datasource, que armazena informaco
es dos equipamentos que servem como fonte de
dados; Tag, que armazena as informaco
es de cada vari
avel monitorada; snapshot, que armazena sempre
o u
ltimo estado para o conjunto de tags; e valores
que armazena todo o hist
orico para os tags existentes
no momento em que as mudancas acontecerem. Nesse
modelo apenas a entidade valores e transit
oria, assim
como seu relacionamento com a entidade tag.
Vale ressaltar que, uma vez que os dados lidos de
sensores s
ao valores numericos, esse modelo de dados
e generico, podendo variar de aplicaca
o para aplicaca
o apenas no tamanho de cada atributo no banco de
dados..
Alem do bando de dados, e preciso aplicar o teste
do paralelogramo para cada valor recebido pela camada de armazenamento. Para montar o paralelogramo e saber se o valor atual est
a dentro da faixa de
valores esperada, foi utilizado o c
alculo do coeficiente
angular da reta entre o u
ltimo valor gravado (Vg ) e
o ultimo recebido recentemente (Vr ), considerando os
desvios para mais e para menos, como mostram a figura 4. Assim, como base nos conceitos apresentados
na seca
o 2.3, tem-se
ISBN: 978-85-8001-069-5
T g() =
Ve Vg
Vr Vg
=
,
Tr Tg
Ta Tg
(1)
(Vr Vg )(Ta Tg )
+ Vg .
(2)
Tr Tg
Ve e o valor que se esperado para o tempo Ta .
Conhecendo Ve , e possvel descobrir o valor m
aximo
(Ve + desvio) e o mnimo (Ve desvio) que Va pode
assumir. Portanto, se Ve desvio Va Ve + desvio,
ent
ao Va n
ao deve ser armazenado.
Por fim, a camada de exibica
o e constituda de
uma aplicaca
o Web que faz uma consulta no banco de
dados e exibe o resultado de forma gr
afica. Esses gr
aficos s
ao criados utilizando um conjunto de bibliotecas
e funco
es do Google, chamadas de Google Chart Tool.
A comunicaca
o entre os tres m
odulos e realizada
via socket, que e um canal de comunicaca
o criado para
a interaca
o entre software por portas de rede. Com
um socket sistemas que executam em computadores
diferentes, criados em linguagens de programac
ao diferentes podem se comunicar.
Maiores detalhes sobre o desenvolvimento do sistema, como a modelagem UML (Unified Modeling
Language) e aspectos pr
aticos, podem ser vistos em
(Ramos, 2012).
Ve =
Resultados
4125
Figura 3: Vis
ao das tabelas do banco de dados criado
(a)
(b)
ISBN: 978-85-8001-069-5
4126
No de amostras
s/ compress
ao
1433
1432
1432
No de amostras
c/ compress
ao
331
326
274
Taxa de
Compress
ao
76,90%
77,23%
80,86%
Desvio
m
aximo
2,29%
2,39%
1,88%
Tempo de resp.
s/ compress
ao
578 ms
593 ms
594 ms
Tempo de resp.
c/ compress
ao
47 ms
47 ms
31 ms
No de amostras
s/ compress
ao
1438
1438
1438
ISBN: 978-85-8001-069-5
No de amostras
c/ compress
ao
372
348
169
Taxa de
Compress
ao
74,13%
75,79%
88,24%
Desvio
m
aximo
5,83%
4,76%
5,08%
Tempo de resp.
s/ compress
ao
563 ms
609 ms
562 ms
Tempo de resp.
c/ compress
ao
47 ms
47 ms
31 ms
4127
No de amostras
s/ compress
ao
1438
1437
1438
No de amostras
c/ compress
ao
212
205
64
Taxa de
Compress
ao
85,25%
85,73%
95,54%
Conclus
oes
ISBN: 978-85-8001-069-5
Desvio
m
aximo
13,96%
11,72%
20,74%
Tempo de resp.
s/ compress
ao
578 ms
672 ms
594 ms
Tempo de resp.
c/ compress
ao
31 ms
31 ms
31 ms
Refer
encias
Buchmann, A. (2005). Real Time Database Systems,
Encyclopedia of Database Technologies and Applications: Idea Group.
Carvalho, F. B., S., T. B., Fonseca, M. O. and Seixas Filho, C. (2005). Sistemas PIMS - Conceituaca
o, Usos e Benefcios, Tecnologia em Metalurgia e Materiais, Vol 4, Abr-Jun.
Davenport, T. (1998). Putting the enterprise into
the enterprise system, Harvard Business Review
pp. 121131.
Mahmood, N., Burney, A. and Ahsan, K. (2010). A
Logical Temporal Relational Data Model, IJCSI
International Journal of Computer Science Issues, Vol. 7, Issue 1, No. 1.
Oliveira, R. A. (2001). Modelagem e desenvolvimento
de um banco de dados temporal, Monografia de
graduaca
o. Universidade Federal de Lavras, Lavras, MG.
Ramos, B. C. (2012). Desenvolvimento de um sistema de armazenamento e publicaca
o de dados de
pequenos sistemas meteorol
ogicos com aquisica
o
automatizada, baseado em sistemas PIMS, Monografia de graduaca
o. Universidade Estadual de
Feira de Santana, Feira de Santana, BA.
S., A. W. L., Souza, A. J., Feij
o, R. H., Bezerra, C. G.,
Maitelli, A. L., Medeiros, A. A. D. and Oliveira,
L. A. H. G. (2006). Gerencia e armazenamento
de dados em tempo real em ambientes industriais, Anais da VII Conferencia Internacional de
Aplicaco
es Industriais - Induscon pp. 16.
Sampaio, J. S., Guedes, G. P. and David, D. G. F.
(2010). Estudo de Celulas Fotovoltaicas de Silcio como Radi
ometros, III Congresso Brasileiro
de Energia Solar, Belem.
Seixas Filho, C. (2011). PIMS - Process Information Mamagement System - Uma introduca
o.,
http://www.cpdee.ufmg.br/seixas/PaginaII/
Download/DownloadFiles/Pims.PDF
<Acessado em 10/03/2011>.
Souza, A. J., Andrade, W. L. S., Guedes, L. A., Maitelli, A. L., Feij
o, R. H., Bezerra, C. G., Leit
ao, G. B. P. and Medeiros, A. A. D. (2005).
Gerencia de informaca
o de processos industriais: um estudo de caso na produca
o de petr
oleo e
g
as, VII Simp
osio Brasileiro de Automaca
o Inteligente, Fortaleza.
Souza, R. D., Correia, E. J. M. and Neto, E. R. (2009).
Projeto pims do p
atio de minerios - uma poderosa
ferramenta de apoio a
` manutenca
o., XX Semin
ario Espritossantense de Manutenca
o .
Urbano, L. R. H. (2009). Gerenciamento de ativos
de automaca
o: Uma soluca
o baseada em pims,
4128
4o Semin
ario Nacional de sistemas Industriais e
Automaca
o .
Zancul, E. and Rozenfeld, H. (2004). A utilizaca
o de
sistemas erp na gest
ao e em atividades do processo de desenvolvimento de produtos de tres empresas, Anais do XXIV Encontro Nacacional de
Engenharia de Produca
o pp. 27592766.
ISBN: 978-85-8001-069-5
4129