Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/9563
Título: Diagnóstico de falhas em processos industriais usando classificadores locais avaliados com diferentes características
Autor(es): Santi, Gustavo Boina
Orientador: Munaro, Celso José
Data do documento: 20-Abr-2018
Editor: Universidade Federal do Espírito Santo
Resumo: A ocorrência de falhas em processos industriais acarreta a operação indevida de equipamentos, o que é um risco para a segurança dos operadores e reduzem os ganhos. Nesse contexto a realização de um diagnóstico de falhas preciso é de fundamental importância. Nesse trabalho é apresentada uma metodologia para diagnóstico de falhas em processos industriais. São utilizados classificadores juntamente com técnicas de análise multivariada de dados para diagnóstico das falhas. Para melhorar o diagnóstico, é proposto o agrupamento de falhas que possuam influência em variáveis semelhantes. Dessa forma, ao invés de um único classificador, é proposto o uso de múltiplos classificadores locais. Utilizar um classificador para todas as falhas pode tornar a tarefa de classificação mais complexa e reduzir a acurácia do diagnóstico, enquanto classificadores locais podem ser mais simples e terem maior poder de discriminação entre as falhas. Para simplificar os dados a serem analisados pelos classificadores, a abordagem proposta faz o uso de extração de características para que seja analisado o comportamento do processo durante o avanço de uma falha. As atividades são realizadas no ambiente MATLAB e a metodologia é aplicada a três estudos de caso: classificação de séries temporais disponíveis em bases de dados consolidadas na literatura, simulações da planta Tennessee Eastman e simulações de um reator tanque agitado contínuo.
Faults in industrial process lead to equipment malfunction, which can cause permanent damage, risking plant personnel safety and reducing profits. In this context accurate fault diagnosis is fundamental. This work presents an approach for fault diagnosis in industrial process. The diagnostic is performed using classifiers and multivariate data analysis techniques. To improve diagnosis accuracy, faults are clustered by the influence of the variables. Therefore, a single classifier is replaced by multiple local classifiers. Using a single classifier for all faults can make the task of classification more complex and reduce the accuracy of the diagnosis, while local classifiers may be less complex and have a greater power of discrimination among different faults. In addition, to simplify the data to be analyzed by the classifiers, the proposed approach uses feature extraction to analyze the behavior of the process during the occurrence of a fault. The activities are carried out using MATLAB and the approach is applied to three case studies: the classification of time series available in databases in the literature, simulations of the Tennessee Eastman Process plant and simulations of a continuous stirred tank reactor
URI: http://repositorio.ufes.br/handle/10/9563
Aparece nas coleções:PPGEE - Dissertações de mestrado

Arquivos associados a este item:
Arquivo TamanhoFormato 
tese_10890_Dissertação - Gustavo Boina Santi.pdf2.71 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.