Modelo ontológico probabilístico baseado em dados de alarmes e eventos no contexto da Indústria 4.0

Abstract

Os avanços das tecnologias de automação, informação e de comunicação apresentam novas perspectivas para diversas áreas, incluindo os sistemas de alarmes de processos industriais. Sistemas inteligentes de alarme industrial são capazes de auxiliar os operadores por meio de alertas, permitindo realizar os ajustes necessários nas variáveis operacionais. Ao mesmo tempo que as modernas tecnologias permitem a monitoração de um número crescente de variáveis e informações dos processos industriais, aumenta a carga cognitiva. Portanto, contribui-se com uma abordagem que beneficia os sistemas industriais para gerenciamento de alarmes de processos com a capacidade de prever situações para facilitação de ações operacionais, particularmente quando uma quantidade de eventos acima da capacidade humana de gerenciamento ocorre. Nesse sentido, é concebido um modelo semântico probabilístico voltado para predição e inferência de situações anormais de operação. A partir disso, é realizada uma integração de definições de contexto em um conjunto de dados, a partir de um modelo ontológico probabilístico, aplicando técnicas de aprendizado de máquina.

The advent of automation, communication, and information technology has been shaping new realities for many fields, including industrial alarm systems. Intelligent industrial alarm systems are able to give advice to the operators being alerts to make necessary adjustments in operating variables. At the same time, that modern technologies allow the monitoring of an increasing number of variables and information from industrial processes, the cognitive load increases. In this direction, this thesis proposes an integration of context definitions in a dataset from a probabilistic and ontological model using machine learning techniques.