I SBAI - UNESP - Rio Claro/SP - Brasil

Sistema Especialista em Manutenção Preditiva de Equipamentos e

Plantas Industriais

VIDENTE

Emerson Cabrera Paraiso

Graduando do Curso de Engenharia da Computação - PUC-PR
*Estagiário no Laboratório de Desenvolvimento - Divisão Eletro-Eletrônica

Lúcio Mauro Silveira

Graduando do Curso de Engenharia da Computação - PUC-PR
*Estagiário no Laboratório de Desenvolvimento - Divisão Eletro-Eletrônica

Milton Pires Ramos

*Engenheiro Eletrônico - Chefe do Lab . de Desenvolvimento da Divisão Eletro-Eletrônica

Prof. Celso A. A. Kaestner

Departamento de Informática PUC-PRlCEFET -PR

Resumo

Com o desenvolvimento da automação industrial no Brasil, que tem se acentuado nos

últimos anos, cresceu a necessidade de mão-de-obra especializada e com ela uma alta nos gastos
com treinamento. A escassez de especialistas e a conseqüente sobrecarga dos mesmos é um
estímulo para o desenvolvimento de novas tecnologias. Em particular, o uso de sistemas
especialistas se apresenta como uma alternativa atraente de aumento da qualidade da produção.
Além disso o desejo do aumento de produção passa por um parque industrial bem
desenvolvido e por equipamentos bem mantidos.
Este artigo descreve o sistema especialista Vidente que está sendo desenvolvido para
automatizar um laboratório de análise de óleos com o objetivo específico de auxiliar a
manutenção preditiva em equipamentos diversos. A manutenção preditiva aumenta o fator
operacional (tempo de funcionamento dos equipamentos), reduz o número de paradas e os
conseqüentes gastos com reparos.
Este sistema está sendo desenvolvido para o ambiente Windows e totalmente
implementado em C++ , inclusive a parte relativa a representação do conhecimento e inferência.

*Instituto de Tecnologia do Paraná

Rua Prof. Algacyr Munhoz Mader, 2400 - CIC - tel : (041) 346-3141 - FAX:(041) 247-6788
Curitiba - Paraná
email : TECPAR @ brfapesp.bitnet
 I SBAI - UNESP - Rio Claro/SP - Brasil

Introdução

Gradativamente a automação industrial ganha seu espaço no cenário produtivo do Brasil.

A necessidade de pessoas especializadas vem acompanhando este crescimento, forçando as
indústrias a investir pesadamente em treinamento. Como conseqüência, os sistemas especialistas
tornam-se uma solução atraente para aplicação em ambientes industriais brasileiros.
No sentido de melhorar a qualidade da produção, a manutenção preditiva também tem
sido muito utilizada em empresas que possuem equipamentos cuja parada não é desejável ou
possui um custo muito elevado.

A manutenção corretiva ocorre quando um equipamento falha e só então se realiza a sua

manutenção, isto é, o procedimento de manutenção só se inicia para corrigir um defeito existente.
A manutenção corretiva ocasiona paradas repentinas na produção com conseqüências onerosas
para as indústrias. Por esta razão os fabricantes de máquinas programam estatisticamente paradas
de manutenção baseadas no tempo médio entre interrupções do funcionamento dos equipamentos
devido a falhas . Essas paradas podem ser determinadas por eventos como tempo de utilização,
quantidade de operações, quilometragem, etc, fatores que, de uma forma ou de outra, são
derivados do fator tempo. A este tipo de manutenção se denomina preventiva.

A engenharia de manutenção porém, sempre questionou o esquema tempo . Racionalmente

a máquina só deveria parar quando absolutamente necessário, por estar próximo o perigo de uma
falha grave; e essa não ocorre só em função do tempo . Entretanto restava um problema: como
determinar o momento certo de intervir na máquina sem correr o risco de ser demasiado tarde? ou
em contrapartida, enganosamente por não ser ainda o momento certo.
A resposta veio apenas na segunda metade do século Xx. Paralelamente o
desenvolvimento da tecnologia de análise de óleos e processamento de dados permitem hoje
diagnósticos precisos e confiáveis, indicando o que está falhando em um equipamento e quando
deverá ser substituído ou reparado [VIA 86]. Esta tecnologia citada, descobriu que, determinados
parâmetros, indicam claramente as condições de peças e componentes das máquinas.
Acompanhando seu comportamento, pode-se concluir se tudo corre bem ou, se uma evolução do
parâmetro indica o início de uma falha. Entram então em cena os microprocessadores, através dos
quais os dados são analisados e projetados obtendo conclusão rápida e confiável .
Está comprovado, principalmente nos países industrialmente mais evoluídos, que os
beneficios operacionais, econômicos e financeiros da empresa são, sem dúvida nenhuma altamente
compensadores, quando se realiza a manutenção preditiva [VIA 86].

Entre as vantagens da manutenção preditiva pode-se destacar:

- são evitadas as paradas repentinas do funcionamento dos equipamentos;

- há maior utilidade nas paradas; o equipamento só pára quando houver indicação de
problema a ser corrigido; na manutenção preventiva haviam paradas que se revelavam
desnecessárias pois o equipamento continuava operacional;
- aumento do fator operacional, ou seja, o tempo de funcionamento dos equipamentos;
- diminuição dos gastos com paradas;
- diminuição do desgaste dos equipamentos devido a paradas; e
- aumento da vida útil do equipamento.

- 97-

---- - - ---
I SBAI - UNESP - Rio Claro/SP - Brasil

Aproveitando esta necessidade da indústria, o TECP AR está implantando um laboratório

de análise de óleos, com o objetivo de diagnosticar o melhor momento para efetuar a manutenção
em equipamentos, cujo procedimento de decisão se baseará em um sistema especialista. Este
sistema especialista, chamado Vidente, é basicamente um sistema de diagnóstico : utilizando o
óleo do equipamento como agente, fornece laudos indicando a situação do equipamento, a
situação do óleo, os possíveis reparos e uma especificação do período adequado para a realização
de um novo ensaio.
O Vidente trabalhará com a análise de óleos isolantes (óleos de transformadores de
tensão) e óleos lubrificantes (óleos de equipamentos em geral).
O sistema terá características não comuns a muitos dos sistemas especialistas existentes. O
Vidente está sendo desenvolvido para o ambiente Windows e, para melhor implementação de
rotinas para este ambiente, o sistema foi totalmente construído utilizando-se o software Borland
C++. Além da interface com o Windows, a máquina de inferência e as outras funções do sistema
são completamente orientadas a objeto.

Domínio do Conhecimento

O conhecimento do S.E. Vidente está dividido em duas grandes partes: óleos isolantes e
lubrificantes. Este conhecimento é obtido através de reuniões periódicas com especialistas na área
de óleos. Há um especialista na área de óleos isolantes e outro na área de óleos lubrificantes.

- Óleos Isolantes:

Estes óleos são geralmente utilizados em transformadores de tensão e corrente. O Vidente

somente tratará transformadores de tensão, pois são os mais comuns. Estes ainda, foram divididos
em 3 classes principais descritas por suas faixas de tensões nominais:
- Classe 1: 13 ,8 KV a 69 KV
- Classe II : 69 KV a 230 KV
- Classe IH : acima de 230 KV
Para verificação do estado do óleo são realizados ensaios ditos fisico-químicos e para
verificação do estado do equipamento são realizados ensaios cromatográficos.

- Ensaios fisico-químicos :
Dão ênfase no diagnóstico do estado do óleo. Podemos destacar cinco exames fisico-
químicos, que são realizados para qualquer estado do óleo: Rigidez Dielétrica, Teor de Água,
Tensão Interfacial, Índice de Neutralização e Fator de Perda.
Tem-se ainda um conjunto de ensaios fisico-químicos que são realizados apenas quando o
óleo é novo e indicam a natureza do óleo (naftênico ou parafinico). São eles : Densidade, Ponto de
Fluidez, Ponto de Fulgor, Viscosidade, Cloretos e Sulfatos, Ponto de Anilina e Índice de
Refração .

- Ensaios cromatográficos:
A cromatografia é um processo complexo de determinação da presença de partículas no
óleo. Este ensaio oferece como resultado a composição do óleo, indicando a presença e
quantidade de elementos estranhos, por exemplo como metais.
Estes valores permitem determinar a situação do equipamento. Caso seja detectada a
presença de metais e/ou outros contaminantes dissolvidos no óleo, pode-se dizer que o óleo e o

- 98 -
I SBAI - UNESP - Rio Claro/SP - Brasil

equipamento se encontram em situações anormais de funcionamento ou deterioração em função

dos tipos e quantidades dos materiais considerados.

- Óleos Lubrificantes:

Os óleos lubrificantes, tem uma vasta gama de atuação : são utilizados em motores em
geral, turbinas, mancais, geradores, etc. Esta diversidade de aplicações torna complexo o
conhecimento utilizado para este tipo de óleo .
A natureza dos ensaios realizados em óleos lubrificantes é semelhante a realizada em óleos
isolantes, porém os limites aceitáveis e o tratamento dado é distinto para cada equipamento.
Portanto, como o tipo do equipamento é fundamental neste caso, a base de conhecimento é
particionada por equipamento .
Por ser esta parte da base de conhecimento particionada por equipamentos, estes tem
muita importância na obtenção de um laudo, e por isso tem atenção especial.

Descrição dos Módulos do Vidente

Para melhor compreensão da estrutura do Vidente, pode-se particioná-lo em módulos e

sub-módulos, aqui representados utilizando-se um Diagrama de Fluxo de Dados (DFD).

VIDENTE

Usuário Inferência

Rotinas
Laudo
deB . D.

B. D.

Figura 1

Nesta figura 1 é mostrada a estrutura prinicipal do Vidente. Pode-se verificar a presença

de alguns sub-módulos tais como Interface, Inferência e rotinas de B.D. Verifica-se também o
relacionamento entre os sub-módulos e o relacionamento do sistema com o usuário .
Nesta figura verifica-se a presença de um módulo Usuário que pode ser entendido como
sendo um operador que fará a entrada de dados e requisição de laudos e também como o
especialista que terá acesso a partes do sistema, tais como: tabelas de valores, laudos, regras, etc.

- 99 -
I SBAI - UNESP - Rio Claro/SP - Brasil

o módulo Interface é o módulo de gerenciamento do sistema. Ele faz a comunicação entre

os módulos Inferência e os demais módulos do Vidente.
O Vidente possui também um banco de dados relativamente grande e complexo para ser
gerenciado. O módulo Rotinas de B.D. manipula este banco de dados que está particionado em
duas grandes partes:

1 - Histórico: para geração de um laudo o Vidente utiliza dados e conclusões geradas

anteriormente para um mesmo óleo e/ou equipamento . Para inferir e chegar a um laudo
satisfatório deve-se armazenar os dados das análises realizadas. São utilizados os dados referentes
aos últimos dez ensaios, o que possibilita um cálculo de projeção da degradação do óleo e do
equipamento. Este histórico é armazenado e recuperado sempre que necessário .

2 - Há também uma parte do banco de dados que refere-se a informações gerais dos
clientes, tais como: nome do cliente, endereço, equipamentos, características de cada um dos
equipamentos, etc. Estes dados são operados pelo usuário corrente do sistema.

Como resposta o Vidente gera um laudo contendo as conclusões tiradas sobre a situação
do óleo/equipamento. Neste laudo tem-se uma indicação da próxima análise a se realizar para o
equipamento. Há também uma justificativa das conclusões geradas, valores utilizados, grau de
certeza das conclusões e outras informações relevantes . Os dados importantes do laudo são
armazenados no histórico do equipamento para serem utilizados na próxima análise.

Descrição dos Componentes do Módulo Inferência

A seguir tem-se uma descrição dos módulos referentes ao sistema especialista Vidente.
Este pode ser definido como sendo um sistema monotônico, revogável, com busca em
profundidade e encadeamento para trás .

- Base de conhecimento:

A base de conhecimento foi modelada utilizando-se regras de produção (no Vidente são
regras do tipo E/OU - SE/ENTÃO), por ser este um formato de fácil compreensão. Este formato
mostra as regras com simplicidade, sem apresentar formas e caracteres que só o computador
entenderia. Assim há a necessidade de uma compilação das regras para um formato
computacional, transferindo as premissas e conclusões das regras para estruturas de dados
específicas.
A vantagem disso é que o especialista da área modelada pela base de conhecimento,
mesmo sendo leigo em computação, poderá facilmente compreender o conteúdo da base de
conhecimentos.
As regras foram divididas em segmentos de atuação distintas; cada grupo está armazenado
em um arquivo e objetiva a geração de um laudo. Para uma mesma entrada de dados, o
mecanismo da inferência pode manter a memória de trabalho, de forma a permitir que a conclusão
de um laudo seja utilizada como premissa em outro laudo.

- 100-
I SBAI - UNESP - Rio Claro/SP - Brasil

Exemplo simplificado:

Trecho da Memória de Trabalho:

ensaio 1 dentro de limites aceitáveis,
ensaio 2 dentro de limites aceitáveis, etc.

Trecho do Arquivo de Regras 1:

SE ensaio 1 dentro de limites aceitáveis
ENT ÃO equipamento 1 em boas condições

Trecho do Arquivo de Regras 2:

SE equipamento 1 em boas condições
ENT Ãü Nova análise em um ano .

Se no Arquivo 1 a regra indicada foi aprovada, isto poderá ser utilizado para inferência da
segunda parte do laudo (Arquivo 2) para concluir que a nova análise deverá ser feita em um ano .

- Memória de Trabalho:

A memória de trabalho é um conjunto de fatos que são constatados antes e durante a

inferência. Como dito anteriormente, os fatos, provenientes de um conjunto de regras nela
contidos, podem ser utilizados para a inferência de um outro conjunto de regras.

- Memória de Regras:

Após a compilação das regras, estas são armazenadas em uma estrutura de dados com
uma lista de premissas, conclusão, complemento tipo da regra (E ou OU), etc. De forma geral
algumas regras possuem premissas que são iguais a conclusões de outras regras . É desejado que
não sejam alocadas regiões distintas de memória para estas cadeias de caracteres ("strings")
idênticas. Para evitar este problema, após a compilação das regras, as premissas e conclusões das
regras são armazenadas em uma tabela de "hashing" . Então os ponteiros contidos na estrutura de
dados que contém as regras, apontam para posições na tabela, de modo que duas "strings"
idênticas apontam para a mesma região de memória .
Utilizando este esquema, consegue-se diminuir a memória alocada para as "strings" das
regras. Consegue-se também uma considerável melhora na performance através da substituição de
comparações caracter a caracter por comparações de ponteiros.

- Máquina de Inferência:

Utilizando a memória de trabalho e a memória de regras, a máquina de inferência gera um

laudo dando o diagnóstico do óleo/equipamento.
Como as regras até agora levantadas são constituídas sobre muitas hipóteses e a inferência
ocorre com no máximo quatro ou cinco níveis de profundidade (árvore de busca do problema
muito ampla e pouco profunda), a máquina de inferência faz busca em profundidade.
Em anos de prática os especialistas em óleos Isolantes e Lubrificantes obtiveram, de modo
natural um tipo de raciocínio que otimiza seu tempo de análise dos resultados. Este raciocínio
consiste da eliminação de algumas hipóteses para chegar mais rápido a uma conclusão. Como

- 101 -
I SBAI - UNESP - Rio Claro/SP - Brasil

exemplo pode-se citar que na análise de óleos fisico-químicos, onde o especialista começa por
verificar a necessidade de regeneração; se esta não for necessária o especialista verifica se o óleo
não deve ser recondicionado, e finalmente se também não há necessidade de recondicionamento
então conclui-se que o óleo está bom.
Este encadeamento de raciocínio que o especialista usa foi traduzido em termos
computacionais para uma máquina de inferência com encadeamento para trás. Nesta, máquina
uma pilha com as hipóteses que devem ser testadas é consultada em seqüência tentando provar
cada uma das hipóteses listadas, para a determinação da conclusão.

Abaixo temos um exemplo que visa ilustrar a similaridade da máquina de inferência de

encadeamento para trás com o raciocínio citado do especialista.

trecho da pilha de hipóteses:

hipótese (há necessidade de recondicionamento)

hipótese (há necessidade de regeneração)
hipótese (o óleo está bom)

trecho das regras :

SE não há necessidade de regeneração

E não há necessidade de recondicionamento
ENT ÃO o óleo está bom

A máquina de inferência começa sua execução tentando provar a primeira hipótese.

Supondo que ela tenha constatado através de uma regra específica que não há necessidade de
regeneração, a máquina de inferência passa, então, a tratar a segunda hipótese. Supondo também
que não haja a necessidade de recondicionamento, a máquina passa então para a terceira hipótese.
Para provar a terceira hipótese é consultada a regra acima apresentada. Esta regra é válida pois as
suas premissas já são fatos constatados.
Já que o especialista consegue otimizar seu tempo através da eliminação de possíveis
hipóteses (no exemplo as hipóteses de recondicionamento e regeneração) a máquina de inferência
também deve atuar melhor deste modo . Por isto será usada uma máquina de inferência com
encadeamento para trás (backward chaining).
Esta indicação é também recomendada na literatura [SCH 90], onde o encadeamento para
trás é indicado como o mais adequado para sistemas de diagnóstico.

Uma verificação empírica desta conclusão foi feita, testando as regras já obtidas com uma
máquina de inferência com encadeamento para trás e outra com encadeamento para frente . O
tempo de inferência com o encadeamento para trás foi bem menor que o com encadeamento para
frente confirmando o estudo inicial. A máquina de inferência com encadeamento para frente ainda
está disponível para eventual uso e/ou testes .

- 102-
I SBAI - UNESP - Rio Claro/SP - Brasil

- Algoritmo ou pseudo-código da Máquina de Inferência (Backward Chainning):

lnfere_regra(regra)
{
CASO regra é do tipo OU:
{
sucesso.= FALSO;
ENQUANTO a regras tem premissas
Verifica se está na MT
SE premissa está na memória e sinal na MT = sinal da premissa
ENTÃO sucesso = VERDADEIRO;
SENÃO
SE há regra que tem a premissa como conclusão
ENTÃO
novaJegra = regra que tem a premissa como conclusão
lllfereJegra(nova_regra)
SENÃO
SE premissa é expressão
ENTÃO valor = avalia(premissa);
SE (valor = I e sinal da premissa = VERDADEIRO)
ou (valor = O e premissa = FALSO)
ENTÃO sucesso = VERDADEIRO;
SENÃO sucesso = FALSO;
SENÃO sucesso = FALSO;
SE sucesso = VERDADEIRO
ENTÃO Sai do ENQUANTO;
FIM_ENQUANTO;
}
CASO regra do tipo E:
{
sucesso = VERDADEIRO;
ENQUANTO a regras tem premissas, verifica se está na MT
SE premissa está na memória e sinal na MT = sinal da premissa
ENTÃO sucesso = VERDADEIRO;
SENÃO .
SE há regra que tem a premissa como conclusão
ENTÃO InfereJegra(novaJegra)
SENÃO
SE premissa é expressão
ENTÃO valor = avalia(premissa);
SE (valor = 1 e sinal da premissa = VERDADEIRO)
ou (valor = O e premissa = FALSO)
ENTÃO sucesso = VERDADEIRO;
SENÃO sucesso = FALSO;
SENÃO sucesso = FALSO;
SE sucesso = FALSO
ENTÃO Sai do ENQUANTO;
FIM_ENQUANTO;
1
Anl1azena_conclusão da regra disparada;
RETORNA VERDADEIRO;
1
Função]rincipalO
{
ENQUANTO há hipóteses
SE lnfereJegra(topo da pilha de hipóteses) retomar VERDADEIRO
ENTÃO hipótese aprovada;
FIM_ENQUANTO
Nenhuma hipótese aprovada;

- 103-
I SBAI - UNESP - Rio Claro/SP - Brasil

Concl usão

Este sistem a terá sua validação realizada subme tendo- se casos prático
s, obtido s junto aos
especialistas, e verific ando-s e as respos tas geradas. O Viden
te encont ra-se na fase de
desenv olvime nto e seu términ o está previsto para o final de 1994.
Algum as funçõe s como de
interfa ce e do sistem a especialista já estão sendo validadas.

O Viden te é o terceir o sistema especialista desenv olvido no TECP

AR. Grada tivame nte
estão sendo formad os engenh eiros capaze s de constr uir sistemas especi
alistas, princip alment e para
a área industrial.
O Viden te está contrib uindo muito para o desenv olvime nto do labora
tório de softwa re do
TECP AR, já que este é o primeiro sistema especialista constr uído
totalm ente em C, orienta do a
objeto s e para o ambien te Windo ws no TECP AR.
O objetiv o deste sistem a especialista é, além de gerenc iar um labora
tório de ensaio s de
óleos, fornec er laudos a respeit o da situaçã o do óleo/e quipam ento,
auxiliando o trabalh o de um
especialista. Espera -se que o Vident e possa gerar laudos compa tíveis
com os aprese ntados pelos
especialistas, tentan do substiuí-Ios nas situaçõ es mais rotineiras.

Assim com o desenv olvime nto de sistemas deste tipo, a indústr

ia nacional pode tentar
chegar a um estágio de desenv olvime nto maior, e conseq üentem
ente, melho rar a qualid ade de
seus produt os.

Agrad ecime n tos

Os autore s deste artigo gostar iam de agrade cer aos especialistas

que estão contrib uindo
muito para o sucess o deste sistema, aos compa nheiro s do TECP
AR Carlos Marce lo Pedros o e
Patríci a Funay ama, e as pessoa s que mesmo indiretamente tem
ajudad o no desenv olvime nto do
Viden te.

Referê ncias Biblio gráfic as

[VIA 86] - Vianna, Luiz Paulo. Predit iva: A manut enção entra na era da tecnol
ogia.
Revist a Guia de Manu tenção (Álcoo l & Açuca l') - Dezem bro 1986.
pg 12-14.

[SCH 90] - Schalkoff, Rober t 1.. Artifi cialln tellige nce: An Engin eering Aproa
ch. 10 ed
Singap ure. 1990

[FAR 87]- Farren y, H. e Ghallab, M .. Éléme nts d'Intel ligenc e Artific ielle. Herme
s. Paris -
1987

- 104 -