Navegando por Autor "Costa, Bruno Sielly Jales"
Agora exibindo 1 - 5 de 5
- Resultados por página
- Opções de Ordenação
Tese Uma abordagem baseada em tipicidade e excentricidade para agrupamento e classificação de streams de dados(2017-05-24) Bezerra, Clauber Gomes; Oliveira, Luiz Affonso Henderson Guedes de; http://lattes.cnpq.br/7987212907837941; Martins, Allan de Medeiros; ttp://lattes.cnpq.br/4402694969508077; http://lattes.cnpq.br/1125827309642732; Silva, Diego Rodrigo Cabral; Lemos, André Paim; http://lattes.cnpq.br/2426104312592166; Costa, Bruno Sielly Jales; http://lattes.cnpq.br/2486327435960311Nesta tese apresentamos uma nova abordagem para realizar o agrupamento e a classificação de um conjunto de dados de forma não supervisionada. A abordagem proposta utiliza os conceitos de tipicidade e excentricidade usados pelo algoritmo TEDA na detecção de outliers. Para realizar o agrupamento e a classificação é proposto um algoritmo estatístico chamado Auto-Cloud. As amostras analisadas pelo Auto-Cloud são agrupadas em unidades chamadas de data clouds, que são estruturas que não possuem formato ou limites definidos. O Auto-Cloud permite que cada amostra analisada possa pertencer simultaneamente a várias data clouds. O Auto-Cloud é um algoritmo autônomo e evolutivo, que não necessita de treinamento ou qualquer conhecimento prévios sobre o conjunto de dados analisado. Ele permite a criação e a fusão das data clouds de forma autônoma, à medida que as amostras são lidas, sem qualquer intervenção humana. As características do algoritmo fazem com que ele seja indicado para o agrupamento e classificação de streams de dados e para aplicações que requerem respostas em tempo-real. O Auto- Cloud também é um algoritmo recursivo, o que o torna rápido e exige pouca quantidade de memória. Já no processo de classificação dos dados, o Auto-Cloud trabalha como um classificador fuzzy, calculando o grau de pertinência entre a amostra analisada e cada data cloud criada no processo de agrupamento. A classe a que pertence cada amostra é determinada pela data cloud com maior grau de pertinência com relação a amostra. Para validar o método proposto, aplicamos o mesmo em vários conjuntos de dados existentes na literatura sobre o assunto. Além disso, o método também foi validado numa aplicação de detecção e classificação de falhas em processos industriais, onde foram utilizados dados reais, obtidos de uma planta industrial.Dissertação Ambiente para desenvolvimento de aplicações fuzzy industriais(Universidade Federal do Rio Grande do Norte, 2009-12-22) Costa, Bruno Sielly Jales; Oliveira, Luiz Affonso Henderson Guedes de; ; http://lattes.cnpq.br/7987212907837941; ; http://lattes.cnpq.br/2486327435960311; Cavalcanti, Anderson Luiz de Oliveira; ; http://lattes.cnpq.br/7224754476792019; Paiva, José Alvaro de; ; http://lattes.cnpq.br/6136888701626547Este trabalho descreve o projeto, implementação e aplicação de um sistema para controle de processos industriais, baseado na lógica fuzzy e desenvolvido na linguagem java, com suporte a comunicação industrial através do protocolo OPC (Ole for Process Control). Além do framework java, o software é completamente independente de outras plataformas. Ele provê ferramentas amigáveis e funcionais para modelagem, construção e edição de sistemas de inferência fuzzy complexos, e utiliza tais sistemas lógicos no controle de uma grande variedade de processos industriais. Os principais requisitos do sistema desenvolvido devem ser flexibilidade, robustez, confiabilidade e facilidade de expansãoDissertação Análise de desempenho de abordagens orientadas a fluxo de dados aplicadas à detecção de falhas de processos industriais(2017-07-31) Germano, Amanda Lucena; Oliveira, Luiz Affonso Henderson Guedes de; https://orcid.org/0000-0003-2690-1563; http://lattes.cnpq.br/7987212907837941; http://lattes.cnpq.br/8467088298601366; Costa, Flávio Bezerra; https://orcid.org/0000-0002-7554-1480; http://lattes.cnpq.br/7510091283933216; Costa, Bruno Sielly Jales; http://lattes.cnpq.br/2486327435960311Com a necessidade do aumento da qualidade dos produtos e do desempenho dos processos, o grau de automação cresceu bastante nas indústrias. Com isso, os sistemas estão cada vez mais complexos e vêm acompanhados por problemas difíceis de resolver devido à alta dimensionalidade desses sistemas e do grande volume do fluxo de informações necessárias, além da aleatoriedade de falhas e defeitos. Uma falha inesperada pode levar a riscos operacionais, por isso a importância de detectar e localizar a falha, principalmente quando a planta industrial ainda está operando em uma região controlável e é possível agir para trazer o processo de volta para o estado normal, seguro e operacional. Assim, é desejável que o sistema de detecção de falhas forneça respostas rápidas e confiáveis com um esforço computacional adequado para processamento em tempo real, mesmo necessitando tratar com grandes quantidades de dados. Para trabalhar com grandes quantidades de dados em tempo real, surgiu o modelo de fluxo de dados, que consiste de uma sequência ordenada de pontos que só podem ser lidos apenas uma ou algumas poucas vezes. Essa área cresceu bastante nos últimos anos, principalmente devido a grande quantidade de sistemas que precisavam tratar com dados desse tipo, que incluem desde dados do mercado financeiro, registros telefônicos, transações web a dados médicos, redes de sensores ou mesmo dados multimídia. Diante da relevância do tema de detecção de falhas, nessa tese foram utilizados o TEDA (Typicality and Eccentricity Data Analytics), o RDE (Recursive Density Estimation) e o R-PCA (Recursive Principal Component Analysis) como ferramentas para detecção de falhas em processos industriais. Para a análise do desempenho de cada uma dessas abordagens foi utilizado o clássico benchmark Tennessee Eastman Process.Dissertação Br-IndustrialExpert: um framework para análise de dependabilidade de processos industriais(Universidade Federal do Rio Grande do Norte, 2014-07-04) Macedo, Daniel Enos Cavalcanti Rodrigues de; Oliveira, Luiz Affonso Henderson Guedes de; ; http://lattes.cnpq.br/7987212907837941; ; http://lattes.cnpq.br/4068176664073062; Dória Neto, Adrião Duarte; ; http://lattes.cnpq.br/1987295209521433; Costa, Bruno Sielly Jales; ; http://lattes.cnpq.br/2486327435960311; Silva, Ivanovitch Medeiros Dantas da; ; http://lattes.cnpq.br/3608440944832201A demanda para o desenvolvimento de novas ferramentas que facilitem o projeto, monitoramento, manutenção e comissionamento de infraestruturas críticas é permanente. A complexidade do ambiente industrial, por exemplo, exige que estas ferramentas apresentem funcionalidades bastante flexíveis, informando dados valiosos para os projetistas ainda na fase de pré-projeto. Adicionado a estes fatores, sabe-se que os processos industriais apresentam requisitos de dependabilidade rígidos, uma vez que falhas podem provocar perdas econômicas, danos ambientais e riscos de vida aos operários. A utilização de uma ferramenta que habilite a avaliação de falhas nas infraestruturas críticas poderia mitigar esses problemas. Nesse sentido, o referido trabalho apresenta o desenvolvimento de uma framework para análise da dependabilidade de infraestruturas críticas. A proposta permite a modelagem das infraestruturas críticas, mapeando seus componentes em uma Árvore de Falha. Em seguida, o modelo matemático gerado é utilizado para análise da dependabilidade da infraestrutura, baseando-se nas falhas de equipamentos e suas interligações. Finalmente, cenários típicos de ambientes industriais são utilizados para a validação da propostaTese Detecção e diagnóstico de falhas não-supervisionados baseados em estimativa de densidade recursiva e classificador fuzzy auto-evolutivo(Universidade Federal do Rio Grande do Norte, 2014-05-13) Costa, Bruno Sielly Jales; Oliveira, Luiz Affonso Henderson Guedes de; ; http://lattes.cnpq.br/7987212907837941; ; http://lattes.cnpq.br/2486327435960311; Dória Neto, Adrião Duarte; ; http://lattes.cnpq.br/1987295209521433; Aloise, Daniel; ; http://lattes.cnpq.br/5093210888872414; Vellasco, Marley Maria Bernardes Rebuzzi; ; http://lattes.cnpq.br/8265116967095452; Angelov, Plamen ParvanovEste trabalho propõe um algoritmo de dois estagios para detecção e identificação de falhas, em tempo real, em plantas industriais. A proposta baseia-se na analise de características selecionadas utilizando estimativa de densidade recursiva e um novo algoritmo evolutivo de classificação. Mais especificamente, a abordagem proposta para detecção e baseada no conceito de densidade no espaço de dados, o que difere da tradicional função densidade de probabilidade, porem, sendo uma medida bastante util na detecção de anormalidades/outliers. Tal densidade pode ser expressa por uma função de Cauchy e calculada recursivamente, o que torna o algoritmo computacionalmente eficiente, em termos de processamento e memoria, e, dessa maneira, apropriado para aplicações on-line. O estagio de identificação/diagnostico e realizado por um classificador baseado em regras fuzzy capaz de se auto-desenvolver (evolutivo), chamado de AutoClass, e introduzido neste trabalho. Uma propriedade importante do AutoClass e que ele e capaz de aprender a partir do zero". Tanto as regras fuzzy, quanto o numero de classes para o algoritmo não necessitam de pre-especificação (o numero de classes pode crescer, com os rotulos de classe sendo adicionados pelo processo de aprendizagem on-line), de maneira n~ao-supervisionada. Nos casos em que uma base de regras inicial existe, AutoClass pode evoluir/desenvolver-se a partir dela, baseado nos dados adquiridos posteriormente. De modo a validar a proposta, o trabalho apresenta resultados experimentais de simulação e de aplicações industriais reais, onde o sinal de controle e erro são utilizados como características para os estagios de detecção e identificação, porem a abordagem e generica, e o numero de características selecionadas pode ser significativamente maior, devido à metodologia computacionalmente eficiente adotada, uma vez que calculos mais complexos e armazenamento de dados antigos não são necessários. Os resultados obtidos são signifificativamente melhores que os gerados pelas abordagens tradicionais utilizadas para comparação