Navegando por Autor "Martins, Rodrigo Siqueira"
Agora exibindo 1 - 6 de 6
- Resultados por página
- Opções de Ordenação
Tese Classificação on-line de situações anormais em operação de processos industriais baseada em processamento de alarmes e variáveis de processos(2018-11-09) Leitão, Gustavo Bezerra Paz; Oliveira, Luiz Affonso Henderson Guedes de; Oliveira, Luiz Affonso Henderson Guedes de; ; ; ; Silva, Ivanovitch Medeiros Dantas da; ; Silva, Diego Rodrigo Cabral; ; Campos, Mário Cesar Mello Massa de; ; Martins, Rodrigo Siqueira;Os processos industriais de grande porte estão sujeito a falhas em seus milhares de componentes, podendo levar a paradas não programadas, perda de qualidade do produto, danos aos equipamentos ou até mesmo acidentes. Nesse sentido, o sistema de alarmes é parte necessária no auxílio na identificação de anormalidades na operação de processos industriais. No entanto, em momentos de falhas ou distúrbios, é comum os operadores ficarem sujeitos a centenas de alarmes, causando sobrecarga na sua capacidade de processamento da informação recebida. Esse fenômeno é conhecido como avalanche de alarmes e tratá-lo é um grande desafio para os sistemas de alarmes modernos. Assim, diante da relevância deste problema, nesta tese é proposta uma metodologia de processamento de alarmes on-line voltada ao auxílio ao operador na identificação e classificação de situações anormais do processo, especialmente em momentos de sobrecarga de alarmes. Para validação da proposta foi realizado um estudo de caso em um simulador de processo largamente utilizado e aceito pela comunidade científica chamado de Tennessee Eastman Process. Os resultados indicaram que a metodologia é eficiente para identificar e acompanhar os cenários de anormalidade em curso em processos industriais.Dissertação Gestão de ciência, tecnologia e inovação em startup de desenvolvimento tecnológico: modelo de negócio Bluhpass(2018-09-24) Araújo Júnior, Vanderli Dantas de; Correa, Edgard de Faria; ; ; Abreu, Carlos Alexandre Camargo de; ; Brandão, Gláucio Bezerra; ; Martins, Rodrigo Siqueira; ; Sampaio, Silvio Costa;O texto tem como objetivo descrever a relação da Gestão da Inovação em startup de base tecnológica com o perfil do Gestor em Ciência, Tecnologia e Inovação. Esse, se fundamenta em estudo de caso próprio, onde o gestor em CTI comanda e dirige a startup BluhPass, que desenvolve um sistema de software e hardware para gestão em controle de acessos. Desenvolvido sob a área de concentração da Gestão da Inovação, o projeto tem caráter dinâmico, investigativo e interdisciplinar, uma vez que, ao buscar a satisfação das necessidades do projeto, o gestor concentrou esforços além da sua área de concentração, envolvendo conhecimentos específicos da grande área de Tecnologia da Informação. A pesquisa feita nesse estudo é do tipo explicativa, que, objetiva identificar os fatores que determinam ou que contribuem para a ocorrência dos fenômenos. Os resultados demonstram que, a startup em questão, ainda que em estágio de desenvolvimento inicial de um produto mínimo viável, apresenta um bom desenvolvimento de seus produtos e serviços, tendo evoluído substancialmente durante o período de estudos e aprendizado do Mestrado em Ciência, Tecnologia e Inovação da Universidade Federal do Rio Grande do Norte, finalizando a presente pesquisa com resultados satisfatórios em software, hardware e propriedade intelectual.Dissertação A methodology for detection of causal relationships between discrete time series on systems(2019-01-25) Abreu, Rute Souza de; Oliveira, Luiz Affonso Henderson Guedes de; ; ; Silva, Ivanovitch Medeiros Dantas da; ; Martins, Rodrigo Siqueira;A necessidade de detectar relações de causalidade entre processos, eventos ou variáveis está presente em diversas áreas do conhecimento, por exemplo, computação distribuída, mercado de ações, indústria, medicina, etc. Isso ocorre porque a identificação dessas relações pode, muitas vezes, ser útil na solução de diversos problemas. Por exemplo, manter a consistência de bancos de dados replicados ao escrever algoritmos distribuídos ou otimizar a compra e venda de ações no mercado financeiro. Neste contexto, esta dissertação propõe uma nova metodologia para detecção de relações de causalidade em sistemas utilizando critérios de informação e redes Bayesianas para gerar uma estrutura de conexões entre séries temporais, de tempo discreto, mais provável. Modelando o sistema como um grafo, no qual os nós são as séries temporais discretas e as arestas representam as relações, a ideia principal deste trabalho é detectar relações de causalidade entre os nós. Essa detecção é feita usando o método de transferência de entropia, que é um método para quantificar a transferência de informação entre duas variáveis, e o algoritmo K2, um método heurístico cujo objetivo é encontrar a estrutura de rede Bayesiana mais provável, dado um conjunto de dados. Porque o K2 depende da premissa de ter uma estrutura previa que define a hierarquia entre os nós da rede, é proposto na metodologia a criação desta pré-ordem considerando as relações diretas e indiretas, e a modelagem destas de acordo com o atraso entre causa e efeito. Além disso, sabendo que o algoritmo K2 considera que cada instância do conjunto de dados ocorre simultaneamente, a metodologia proposta modifica o algoritmo original inserindo nele a dinâmica desses atrasos. Esta modificação provê um mecanismo para comparar as relações de causalidade direta e indireta em relação à contribuição destas para a estrutura da rede. Como resultado obtém-se um grafo que representa relações de causalidade entre as séries, com os atrasos das relações explicitadas.Tese Método híbrido para detecção e diagnóstico de falhas baseado em resíduos(Universidade Federal do Rio Grande do Norte, 2014-06-27) Martins, Rodrigo Siqueira; Maitelli, Andre Laurindo; ; http://lattes.cnpq.br/0477027244297797; ; http://lattes.cnpq.br/0510960635068771; Assmann, Benno Waldemar; ; http://lattes.cnpq.br/9038214553529222; Casillo, Danielle Simone da Silva; ; http://lattes.cnpq.br/2111858571672626; Araujo, Fabio Meneghetti Ugulino de; ; http://lattes.cnpq.br/5473196176458886; Filho, Oscar Gabriel; ; http://lattes.cnpq.br/4171033998524192A detecção e o diagnóstico de falhas, ou seja, descobrir como, onde e porque as falhas acontecem, é uma importante área de estudo desde que o homem passou a ser substituído pelas máquinas. No entanto, nenhuma técnica estudada até hoje consegue resolver em definitivo o problema. As diferenças em sistemas dinâmicos, sejam eles lineares, não lineares, variantes ou invariantes no tempo, com redundância física ou mesmo analítica dificultam as pesquisas no sentido de obter uma solução única. Neste trabalho, será apresentada uma técnica de detecção e diagnósticos de falhas (FDD) em sistemas dinâmicos utilizando observadores de estado em conjunto com outras ferramentas de maneira a criar um FDD híbrido. Um observador de estado modificado será utilizado para a criação de um resíduo que permita a detecção e também o diagnósticos de falhas. Um banco de assinaturas de falhas será criado a partir de recortes utilizando ferramentas estatísticas e por fim uma aproximação usando erro médio quadrático (MSE) servirá de inferência e auxiliará no estudo do comportamento das falhas e no diagnóstico das mesmas, ainda que na presença de ruídos. Essa metodologia será então aplicada a uma planta didática de tanques acopladas e outra com instrumentação industrial com fim de validar o sistema.Dissertação Sistema inteligente para detecção de vazamentos em dutos de petróleo usando transformada Wavelet e redes neurais(Universidade Federal do Rio Grande do Norte, 2006-06-09) Martins, Rodrigo Siqueira; Maitelli, André Laurindo; ; http://lattes.cnpq.br/0477027244297797; ; http://lattes.cnpq.br/0510960635068771; Dória Neto, Adrião Duarte; ; http://lattes.cnpq.br/1987295209521433Este trabalho consiste na utilização de técnicas de processamento de sinais e redes neurais artificiais para identificar vazamentos em dutos com escoamento multifásico. Nos métodos tradicionais de detecção, existe uma grande dificuldade em conseguir montar um perfil, que seja adequado aos encontrados em condições reais do transporte de óleo. Estas difíceis condições vão desde os desníveis de terreno que causam colunas ou vácuos ao longo dos dutos até a presença de multifases como água, gás e óleo, além de outros componentes como areia, que tendem a produzir escoamentos descontínuos e variações diversas. Para vencer estas dificuldades, foi utilizada a transformada wavelet para mapear os sinais de pressão e vazão em diferentes planos de resolução, permitindo com isto a extração dos descritores que caracterizassem padrões de vazamento e com os mesmos treinar uma rede neural para aprender a classificar estes padrões e informar quando estes são um vazamento. Nos testes foram utilizados sinais de regime e transiente, em duto entre a unidade de Upanema e Estreito B, da UN-RNCE da Petrobras, onde foi possível detectar vazamentos, com furos que variavam de ½ a 1 de diâmetro para simular os vazamentos. Os resultados obtidos mostram que os descritores propostos com base em medidas estatísticas no domínio da transformada caracterizam os padrões de vazamento e possibilitam o treinamento do classificador neural para indicar a ocorrência ou não de vazamentos no dutoDissertação Teda-guardian: detectando ataques DDOS em provedores de internet(Universidade Federal do Rio Grande do Norte, 2020-12-18) França, Marcelo Luiz de; Sampaio, Silvio Costa; Martins, Rodrigo Siqueira; ; http://lattes.cnpq.br/0510960635068771; ; http://lattes.cnpq.br/3526197867529103; ; http://lattes.cnpq.br/4578219315347906; Leão, Erico Menezes; ; Barroca Filho, Itamir de Morais; ; http://lattes.cnpq.br/1093675040121205Um ataque DDoS (Distributed Denial of Service) e uma técnica organizada de envio distribuído de pacotes com o objetivo de sobrecarregar os dispositivos de rede e os canais de comunicação˜ entre eles. De forma geral, seu principal objetivo e impedir que usuários legítimos acessem redes, servidores, serviços ou outros recursos do sistema de rede. Embora seja clara a importância de mecanismos de proteção ou mitigação dos efeitos deste tipo de ataque, a sua correta detecção ainda é um desafio por conta da dinamicidade e volume das comunicações e conexões de rede atuais. Embora a literatura específica seja farta em propostas de solução para o problema, a sua maioria se apoia em algoritmos de Inteligência Artificial que envolvem o aprendizado baseado em treinamento ou reforço, sendo necessário extrair características de tráfegos coletados anteriormente. Com isso, essas técnicas necessitam “olhar para o passado” para entender o tráfego na rede. Por conta disso, muitas dessas soluções não são aplicáveis a ambientes mais dinâmicos e com grande volume de tráfego, como os provedores de internet. Nessa dissertação, propomos uma abordagem para detecção de ataques de DDoS utilizando o algoritmo TEDA (Typicality and Eccentricity Data Analytics), batizada de TEDA-Guardian. O TEDA e um método recursivo e não paramétrico, proposto inicialmente para o problema geral de detecção de anomalias em fluxos de dados. Com a utilização da TEDA-Guardian é possível analisar o trafego corrente na rede, reduzindo o atraso na detecção, uma vez que o mesmo baseia-se no conceito de excentricidade dos dados, sem a necessidade de prévio conhecimento do padrão de tráfego da rede. Assim, a TEDA-Guardian permite “olhar para o presente”, ou seja, para os dados que estão sendo trafegados no momento, garantindo assim uma detecção mais pontual. Essa abordagem foi testada sobre diferentes datasets contendo tráfego de rede com momentos de ataques de DDoS. Sua efetividade foi avaliada em termos de sensibilidade, especificidade, taxa de falsos positivos e precisão de detecção.