Use este identificador para citar ou linkar para este item:
https://repositorio.ufrn.br/handle/123456789/26830| Título: | Data-Driven approach to parametric configuration of industrial alarms |
| Autor(es): | Nunes, Yuri Thomas Pinheiro |
| Orientador: | Oliveira, Luiz Affonso Henderson Guedes de |
| Palavras-chave: | Alarm configuration;Industrial alarms;Alarm tuning;Industrial automation;Alarm management system |
| Data do documento: | 25-Jan-2019 |
| Referência: | NUNES, Yuri Thomas Pinheiro. Data-Driven approach to parametric configuration of industrial alarms. 2019. 76f. Dissertação (Mestrado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2019. |
| Resumo: | Industrial plants are composed of processes that add up to thousands of variables. To ensure safety and quality of operation, these processes are monitored and alarms are configured to indicate a possible malfunction. Among the most common problems associated with industrial alarms we can mention: high occurrence of false alarms, missed alarms and chattering alarms, operator overload and alarm flooding. These problems are related to the process of selection of the monitored variables, the techniques of activation and deactivation of alarms, among other characteristics of the process and the alarm system. This work focuses on defining an approach to configure efficient and significant alarms for the operator. The approach proposed here is inspired by the workflow of a data scientist who initially needs to identify the characteristics of the databases used to then apply transformations that make the data more suitable allowing the extraction of valuable information. Many times the scientist is interested in creating a model that describes the data or makes predictions possible. This is a very similar task of alarm configuration where it is necessary to select the relevant variables and to configure the settings of each alarm in order to classify the operation of the process as appropriate or not and to help identify the fault. The approach proposed here consists of four parts: description of data, selection of variables, tuning and performance evaluation. During the description step, relevant information about the data is obtained, such as the presence of events, the number of different events, the duration of events, etc. In the selection stage, the relevant variables for detection of abnormalities are defined. The tuning of alarms is similar to a training process, where a model is built to describe the behavior of the data. Finally during the evaluation, the settings found are applied to a process history to asses whether the settings behave in a way that meets security and quality constraints. In order to validate the proposal, a case study for industrial alarm configuration was carried out using the Tennessee Eastman Process, which is a benchmark simulator widely used by the academic community. |
| Abstract: | As plantas industriais são compostas por processos que somam milhares de variáveis. Visando garantir segurança e qualidade à operação, esses processos são monitorados e alarmes são configurados de modo a indicar algum possível mau funcionamento. Dentre os problemas mais comuns associados aos alarmes industriais podemos citar: alta ocorrência de falsos alarmes, alarmes perdidos e alarmes ruidosos, sobrecarga dos operadores e enxurrada de alarmes. Estes problemas estão relacionados com o processo de seleção das variáveis monitoradas, as técnicas de ativação e desativação de alarmes, entre outras características do processo e do sistema de alarme. Este trabalho tem como foco definir uma abordagem para configurar alarmes eficientes e significativos para o operador. A abordagem aqui proposta tem inspiração no fluxo de trabalho de um cientista de dados que inicialmente precisa identificar as características das bases de dados utilizadas para então aplicar transformações que tornem os dados mais adequados possibilitando a extração de informações valiosas. Muitas vezes o cientista está interessado em criar um modelo que descreve os dados ou possibilita predições. Esta é uma tarefa muito similar a de configuração de alarmes onde é necessário selecionar as variáveis relevantes e definir as configurações de cada alarme de maneira a classificar o funcionamento do processo como adequado ou não e auxiliar a identificar a falha. A abordagem proposta aqui é constituída de quatro partes: descrição dos dados, seleção de variáveis, sintonia e avaliação de desempenho. Durante a etapa de descrição são obtidas informações relevantes sobre os dados como presença de eventos, quantidade de eventos distintos, duração de eventos, etc. Na etapa de seleção são definidas as variáveis relevantes para detecção de anormalidades. A sintonia dos alarmes é similar a um processo de treinamento, onde um modelo é construído para descrever o comportamento dos dados. Finalmente durante a avaliação, as configurações encontradas são aplicadas a um histórico do processo para aferir se as configurações se comportam de maneira a atender restrições de segurança e qualidade. Como estudo de caso, uma configuração de alarmes industriais foi obtida para o Tennessee Eastman Process que é um simulador amplamente usado pela comunidade acadêmica. |
| URI: | https://repositorio.ufrn.br/jspui/handle/123456789/26830 |
| Aparece nas coleções: | PPGEE - Mestrado em Engenharia Elétrica e de Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| Data-Drivenapproach_Nunes_2019.pdf | 14,64 MB | Adobe PDF |  Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.