Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.

DESENVOLVIMENTO DE UM SISTEMA DE AQUISIC

AO,
ARMAZENAMENTO E
DE DADOS BASEADO EM SISTEMAS PIMS
PUBLICAC
AO
Thiago C. Jesus, Breno C. Ramos, Germano P. Guedes

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

Automation Systems, PIMS, Database, Web Systems

Resumo Este trabalho aborda a modelagem e desenvolvimento de um sistema de gerenciamento de dados

baseado em sistemas PIMS. Neste caso um software deve coletar dados de sensores, aplicar um algoritmo de
compress
ao sobre esses dados, armazenar essas informac
oes em um banco de dados e exibi-las por meio de uma
aplicac
ao web. Para fins de testes, o sistema desenvolvido
e utilizado para a automatizac
ao de uma estac
ao
meteorol
ogica dedicada ao monitoramento remoto de vari
aveis solarim
etricas. O objetivo do sistema
e conceder
altas taxas de compress
ao de dados, implicando em um ganho de desempenho do sistema, mantendo a filosofia
de software livre e gratuito.
Palavras-chave

Sistemas de Automac
ao, PIMS, Banco de Dados, Sistemas WEB

Introdu
c
ao

O modelo ERP (Enterprise Resource Planning) e uma

das mais importantes evoluco
es na aplicaca
o da tecnologia da informaca
o realizada pelas empresas desde a
decada de 1990 (Davenport, 1998). Esse modelo visa o
gerenciamento da informaca
o de distintos sistemas de
forma integrada, organizando diversos processos em
um u
nico sistema (Zancul and Rozenfeld, 2004). Esse
conceito e tambem aplicado no meio industrial, no
qual a informaca
o de sensores e atuadores s
ao transmitidas em rede, sendo utilizadas por sistemas supervis
orios para a representac
ao fidedigna do estado atual do
sistema industrial em quest
ao. Esses dados gerados
podem ser armazenados e utilizados posteriormente
para an
alise de desempenho do sistema, verificaca
o de
enquadramento em normas operacionais, gest
ao de recursos, etc.
Nesse contexto, uma das ferramentas que surgem para dar suporte ao modelo ERP s
ao os PIMS
(Plant Information Manage Systems). Tais sistemas
s
ao gerenciadores de informaco
es de plantas industriais, sendo formados por sistemas de coleta, armazenamento, exibica
o e an
alise de dados oriundos de
sistemas de controle e supervis
ao industrial, que armazenam dados de instrumentos de automaca
o de
forma comprimida, com perda mnima de informaca
o,
exibindo e analisando-os (Seixas Filho, 2011; Souza
et al., 2009).
Embora a utilizaca
o de PIMS seja largamente difundida, ela se torna uma soluca
o inadequada para
pequenas aplicaco
es (aplicac
oes com algumas deze-

ISBN: 978-85-8001-069-5

nas de sensores e fontes de dados). Isso se deve ao

fato de que para o funcionamento de um PIMS, uma
infra-estrutura utilizando sistemas industriais e necess
aria. Porem, como a infra-estrutura industrial segue
padr
oes, a utilizaca
o em sistemas de pequeno porte
demandaria um grande esforco e aquisica
o de uma
nova infra-estrutura para sua adequaca
o (Seixas Filho, 2011). Alem disso, os custos para adquirir tal
infra-estrutura de automac
ao, bem como os softwares
necess
arios para a implementaca
o de um PIMS poderiam tornar projeto financeiramente invi
avel.
Assim, neste trabalho e proposto um modelo de
software que implementa todas as bases de um PIMS.
Neste caso o software deve coletar dados de sensores,
aplicar um algoritmo de compress
ao sobre esses dados,
armazenar essas informaco
es em um banco de dados
e exibi-las por meio de uma aplicaca
o web. O sistema
implementado utiliza um banco de dados temporal,
com um algoritmo de compress
ao em tempo real, que
garante taxas de compress
ao de ate 19:1.
Esse modelo de software e voltado para pequenas
aplicaco
es (`
as quais um PIMS seria invi
avel), sendo
projetado, ent
ao, segundo a filosofia de software livre
e gratuito. Para fins de testes, o sistema desenvolvido e utilizado para a automatizaca
o de uma estaca
o
meteorol
ogica dedicada ao monitoramento remoto de
vari
aveis solarimetricas.
Este trabalho est
a estruturado da seguinte forma:
na sec
ao 2 a nomenclatura e algumas noco
es preliminares sobre PIMS, bancos de dados temporais e compress
ao de dados s
ao apresentadas. Na seca
o 3 e apresentada a metodologia de desenvolvimento do sistema.

4122

Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.

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

Banco de Dados Temporal

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

(TempER). Em linhas gerais, essa modelagem baseiase em variac

oes do modelo relacional, adicionando associaco
es e atributos temporais (Oliveira, 2001; Mahmood et al., 2010).
Em um banco de dados relacional as tabelas se
desenvolvem em duas dimens
oes: as linhas (inst
ancias dos dados) e as colunas (atributos). A dimens
ao temporal traz a associaca
o do carimbo de tempo
a cada valor. Desta forma, os dados que precisarem
ser alterados, geralmente perdendo o valor no modelo
tradicional, s
ao armazenado como uma nova linha no
modelo TempER, tendo a informaca
o alterada associada ao instante de tempo no qual a alteraca
o ocorreu.
Essa pr
atica possibilita o armazenamento de todo o
hist
orico do determinado atributo, dando uma dimens
ao temporal ao banco de dados. Isso n
ao quer dizer
que no modelo temporal os dados n
ao s
ao alterados.
Porem, quando houver a necessidade de uma alteraca
o, ser
a para correca
o de conte
udo, como um valor
digitado errado.
Dados temporais tem a sua pr
opria sem
antica e
organizaca
o, requerendo algumas modificaco
es do modelo relacional. Atributos em uma relac
ao podem
ser vari
aveis no tempo, sendo chamados de temporais. Caso contr
ario, tem-se atributos atemporais. Por
exemplo, para o atributo sal
ario de um empregado,
existe uma associaca
o temporal, pois geralmente os
valores salariais mudam com o passar do tempo. O
atributo de sexo do empregado, ao contr
ario, n
ao varia com o tempo, sendo assim um atributo atemporal
(Mahmood et al., 2010).
Com essa estrutura temporal, e possvel obter um
menor tempo de resposta de uma consulta em relaca
o
ao modelo relacional. Isso se deve ao fato de o armazenamento e a leitura de um banco de dados serem realizados de forma sequencial. Assim, para uma busca
por perodo, os dados de respostas j
a se encontram
agrupados, sendo necess
ario apenas encontrar os ndices do primeiro e do u
ltimo registro cujos carimbos de
tempo definem o perodo buscado. Desta forma, n
ao e
necess
ario comparar v
arios ndices e campos em uma
tabela, aumentando o desempenho das consultas.
Outra caracterstica que possibilita um bom desempenho ao utilizar bancos de dados temporais e que
a validade temporal dos dados armazenados (tempo
em que a informaca
o modela a realidade) em um banco
de dados temporal e vari
avel, isso implica que a granularidade do banco de dados tambem e vari
avel, ou
seja, o intervalo de tempo entre o armazenamento de
dois registros distintos n
ao e fixo. Essa caracterstica
influencia diretamente no processo de compress
ao de
dados.
2.3

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

Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.

Figura 1: Arquitetura de um PIMS. FONTE: (URBANO, 2009)

Para tanto, ao inves de amostrar os dados a intervalos fixos, sendo obrigado a aumentar o perodo de
amostragem para melhorar a compress
ao (o que implica muitas vezes em perda de informaco
es), os sistemas PIMS amostram a curva no ponto adequado, garantindo que um valor seja armazenado apenas quando
existem mudancas significativas acontecendo. Com
isso consegue-se uma taxa de compress
ao sem perda
de qualidade de dados. (Carvalho et al., 2005)
Um dos algoritmo de compress
ao mais utilizados
por PIMS e o Swinging Doors, devido a sua eficiencia e simplicidade, alem de realizar a compress
ao em
tempo real, n
ao necessitando de janelamento em um
perodo, ou seja, a
` medida em que os dados chegam da
interface de coleta para a camada de armazenamento,
eles s
ao armazenados de forma comprimida.
A ideia b
asica desse algoritmo e criar uma
area de
cobertura no formato de um paralelogramo que indica
a faixa de valores que n
ao apresentam dr
asticas variaco
es em relaca
o aos dados j
a armazenados. Assim, se
o valor recebido de uma vari
avel estiver dentro desse
paralelogramo, ele n
ao precisar
a ser armazenado. Se o
valor recebido estiver fora do paralelogramo, ele precisa ser armazenado para garantir a reconstruca
o da
informac
ao.
O Swinging Doors contem dois par
ametros que
s
ao definidos para cada vari
avel cujas informaco
es ser
ao comprimidas. Esses par
ametros s
ao: tempo m
aximo de compress
ao e desvio de compress
ao. O desvio de compress
ao e utilizado na criaca
o do paralelogramo, cuja largura e igual ao dobro do valor do desvio. O u
ltimo valor recebido e sempre armazenado se
o tempo transcorrido desde o u
ltimo valor armazenado
for maior que o tempo m
aximo de compress
ao. Assim,
quanto maior for o tempo m
aximo de compress
ao e o
desvio de compress
ao, maior ser
a a taxa de compress
ao, porem, maior ser
a a perda de informaca
o (Souza
et al., 2005).
O funcionamento do algoritmo Swinging Doors e
ilustrado na figura 2. Esse algoritmo precisa decidir se
um determinado valor Va recebido pela camada de armazenamento no tempo ta deve ser armazenado. Para
tanto o algoritmo precisa saber qual foi o valor do u
ltimo dado gravado no banco de dados e qual ser
a o
pr
oximo valor recebido. Assim, Suponha que um va-

ISBN: 978-85-8001-069-5

lor Vg recebido pela camada de armazenamento no

instante de tempo tg (tg < ta ) seja o u
ltimo valor
gravado, e que um valor mais recente, Vr , tenha sido
recebido em um instante de tempo tr (tr > ta ). Conhecendo esses valores, uma reta e tracada desde Vg
ate Vr . Considerando o valor do desvio, s
ao traca

das retas paralelas a

` reta Vg Vr , acima e abaixo dela,
criando assim a regi
ao do paralelogramo. Se o valor
Va estiver contido em uma dessas retas no instante de
tempo ta , ele n
ao ser
a armazenado, como mostra a figura 2(a). Caso contr
ario, ele ser
a armazenado como
mostra a figura 2(b).
Note que pode haver diversos valores entre o u
ltimo valor gravado e o valor recebido mais recentemente, desde que todos eles estejam dentro do paralelogramo. Ainda e importante salientar que, caso o
intervalo de tempo entre o valor recebido mais recentemente e o u
ltimo valor armazenado seja maior do que
o tempo m
aximo de compress
ao, ent
ao o valor mais
recente deve ser armazenado para garantir a precis
ao
da reconstituica
o da informac
ao armazenada.
3

Metodologia e Desenvolvimento

O sistema objeto de estudo foi uma pequena estaca

o
meteorol
ogica dedicada ao monitoramento remoto de
vari
aveis solarimetricas e foi organizado como um sistema PIMS, possuindo tres m
odulos como j
a mostrado
na seca
o 2.1. O m
odulo de coleta foi baseado na estaca
o meteorol
ogica Nomad II, que e um equipamento
fabricado pela Secondwind dedicado a
` aquisica
o de dados meteorol
ogicos. Essa estaca
o foi a fonte de dados
da interface de coleta. No m
odulo de armazenamento
funciona o servidor principal, que possui o sistema de
compress
ao e o banco de dados da aplicaca
o. Nesse
mesmo servidor executa o servico web que contem as
p
aginas do m
odulo de exibica
o.
Todo o sistema foi desenvolvido utilizando a plataforma Java. A ideia inicial de desenvolvimento deste
trabalho era coletar em tempo real os dados provenientes da estaca
o meteorol
ogica NomadII via protocolo
RS-232, realizar o tratamento, compress
ao e armazenamento desses dados, para ent
ao poder exibi-los. Entretanto, a codificaca
o das informaco
es transmitidas
pela estac
ao NomadII n
ao e aberta ao p
ublico. As-

4124

Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.

(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

O sistema desenvolvido foi submetido a seis dias

(amostras de 16/01/2010 a 21/01/2010) de testes, sem
interrupca
o, com variaca
o de par
ametros de compress
ao. Todos os testes criados tem o mesmo padr
ao,
sendo definidos desvios de compress
ao de um, dois e
cinco por cento com a mudanca de tempo m
aximo de
compress
ao de quinze e trinta minutos, a fim de avaliar
a taxa de compress
ao resultante, a fidelidade do gr
afico gerado e o tempo de resposta do banco de dados.
Os par
ametros de compress
ao foram alterados ao fim
de cada dia de coleta, iniciando em 1% e 15 minutos
e terminando em 5% e 30 minutos.
Esta parametrizaca
o e definida a fim de estipular qual a melhor configuraca
o de compress
ao para
as tres amostras armazenadas. Os testes foram executados em um computador pessoal configurado com
um processador de dois n
ucleos com 1.66 GHz de capacidade de processamento, Core 2 Duo T 5500, com
mem
oria principal de 1GB e disco rgido de 120GB e
5400rpm. Esse computador executa o sistema operacional W indows XP Service P ack 3. Enquanto eram
aplicados os testes, o sistema operacional executava o
banco de dados, a interface de desenvolvimento Java,

4125

Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.

Figura 3: Vis
ao das tabelas do banco de dados criado

(a)

(b)

Figura 4: Aplicacao do Swinging Doors

o ambiente Eclipse, e o servico W eb Apache T omcat 7.
A variaca
o da configuraca
o de hardware ou software
do sistema onde os testes foram executados podem influenciar principalmente nos tempos de resposta das
amostras.
As tabelas 1, 2 e 3 mostram os resultados dos teste
do 1 , 3 e 6 dia, respectivamente. Esses resultados
s
ao exibidos graficamente nas figuras 5, 6 e 7.
Na tabela 1 pode-se notar que, mesmo com o desvio definido no algoritmo em 1% foi alcancada uma
compress
ao total de ate 80%, com erro m
aximo entre
o valor comprimido e o valor real de 2,39%. Este j
a e
um cen
ario bastante favor
avel para justificar a implantaca
o de um PIMS. Os tempos de resposta do banco de
dados mostram que a utilizaca
o de compress
ao torna
a aplicaca
o mais r
apida, chegando a uma relaca
o de
19:1 entre o retorno de um conjunto de dados sem e
com compress
ao.
Na figura 5, como em todas as repostas gr
aficas
do algoritmo, s
ao mostrados tres gr
aficos: as respostas
com compress
ao e sem compress
ao (em azul e vermelho, respectivamente) est
ao visivelmente sobrepostas,
e terceiro gr
afico, em amarelo, mostra o m
odulo da
diferenca entre os valores sem compress
ao e com compress
ao, que est
a muito pr
oximo a zero.
Na tabela 2, mesmo com o aumento da compress
ao de 1% para 2%, as taxas compress
ao das amostra
1 e 2 foram menores. O fato e que os sinais de entrada variaram mais, fazendo com que mais pontos

ISBN: 978-85-8001-069-5

fossem armazenados na compress

ao, isso mostra que a
natureza do sinal tem bastante influencia na hora da
compress
ao.
O gr
afico apresentado na figura 6 representa um
sinal de temperatura. Como a variaca
o da temperatura durante o dia n
ao e t
ao grande quanto a das
outras amostras a imagem e mais linear. J
a e possvel
notar mais desvios entre os valores comprimidos e sem
compress
ao, mas ainda assim os comportamentos dos
valores s
ao muito pr
oximo.
Com a parametrizac
ao de desvio e tempo m
aximo em 5% e 30 minutos foram encontradas as maiores taxas de compress
ao, apresentadas na tabela 3.
Essa parametrizaca
o faz com que o banco de dados
se torne menor, mas em compensaca
o o erro encontrado se torna maior, passando de 20% na amostra 3,
situaca
o que n
ao e aceit
avel.
O gr
afico da figura 7, e o que mais diferencia a
informaca
o, com e sem compress
ao. Essa diferenca
entre os gr
aficos foi mais visvel neste teste pois mais
informaco
es foram desprezadas durante a compress
ao,
fazendo com que os intervalos de interpolac
ao do sinal fossem maiores, diminuindo a fidelidade do gr
afico
com compress
ao.
A maior taxa de compress
ao encontrada neste trabalho foi de 19:1. Essa taxa pode permitir que dez a
vinte anos de produc
ao de um sistema possam ser armazenadas em um disco rgido tpico. Obviamente que
isso depende do sistema, pois, como visto, a natureza

4126

Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.

Tabela 1: Tabela comparativa. Dia 1, desvio de 1% e tempo maximo de 15min.

Tag
01
02
03

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

Figura 5: Resposta para amostra1. Dia 1, desvio de 1% e tempo maximo de 15min.

Figura 6: Resposta para amostra3. Dia 3, desvio de 2% e tempo maximo de 15min.

Figura 7: Resposta para amostra3. Dia 6, desvio de 5% e tempo maximo de 30min.

Tabela 2: Tabela comparativa. Dia 3, desvio de 2% e tempo maximo de 15min.

Tag
01
02
03

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

Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.

Tabela 3: Tabela comparativa. Dia 6, desvio de 5% e tempo maximo de 30min.

Tag
01
02
03

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%

dos dados influencia na taxa de compress

ao. Apenas
para exemplificar a autonomia de um PIMS implementado como apresentado neste trabalho e alcancando
uma taxa de compress
ao de 19:1, suponha que para
armazenar uma tag seja necess
ario a inserca
o de 1 KiloByte de dados em todo o banco de dados (o que e
um valor razo
avel). Se valores para essa tag forem inseridos no banco a cada minuto informaca
o, ao final
de dez anos seria necess
ario um disco de aproximadamente 5.26 GigaBytes para armazenar apenas essa tag.
Assim, para um sistema de pequeno porte, com aproximadamente cinquenta tags seria preciso um disco
de aproximadamente 264 GigaBytes. Com a taxa de
compress
ao de 19:1, com apenas 5 GigaBytes, aproximadamente, seria possvel guardar os valores dessas
cinquenta tags em dez anos.

Conclus
oes

Neste trabalho foi apresentado o procedimento de desenvolvimento dos m

odulos do sistema baseado em um
PIMS. Tal sistema consiste em fontes de dados associadas a uma camada de coleta, que envia esses dados
para serem comprimidos e armazenados na camada de
armazenamento que, por sua vez, disponibiliza esses
dados para que a camada de exibica
o possa mostr
alos ao usu
ario. O sistema desenvolvido utiliza variados metodos de comunicaca
o, como interface serial,
sockets Java e leitura e escrita em banco de dados via
sistemas Web.
H
a uma vasta literatura mostrando ideias de
como realizar a tarefa de compress
ao de dados. Neste
trabalho, decidiu-se utilizar um c
alculo simples baseado em geometria b
asica para a implementaca
o do
teste do paralelogramo, que mostrou-se ser bastante
eficiente, alcancando taxas de compress
ao de 19:1 com
baixa variaca
o entre a informaca
o armazenada e a real,
gerando assim bons resultados quanto a
` taxa de compress
ao de dados e quanto ao tempo de resposta do
banco de dados.
Ao contr
ario de sistemas PIMS de mercado que
custam caro, se tornando financeiramente incompatveis com pequenas aplicaco
es, o sistema desenvolvido neste trabalho buscou implementaca
o gratuita,
por isso utilizou plataformas e ferramentas gratuitas,
como a plataforma Java, o banco de dados MySQL 1
e o Google Chart, n
ao gerado custos a implementaca
o
do sistema.
Na continuaca
o do projeto ser
ao criadas as funco
es de visualizaca
o em tempo real, assim como ser
a
desenvolvido o sistema para o usu
ario gerente, alem
da realizaca
o de outros algoritmos de compress
ao para
fins de comparaca
o.
1 Desde que a aplica
c
ao desenvolvida seja distribuda
com a licenca GPL, o MySQL
e gratuito.

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

Anais do XIX Congresso Brasileiro de Automtica, CBA 2012.

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