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

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Silva, Márcio José da
Orientador(a): Pereira, Carlos Eduardo
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Sistema de alarme
Mineração de dados
Automatização de processos
Ontologia
Palavras-chave em Inglês:
Ontology
Data mining
Automation and control
Predictive inference
Bayesian network
Probabilistic model
Link de acesso: http://hdl.handle.net/10183/249912
Resumo: 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.
id URGS_65257de3bb021cc97c77aae6682b88dd
oai_identifier_str oai:www.lume.ufrgs.br:10183/249912
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str
spelling Silva, Márcio José daPereira, Carlos Eduardo2022-10-14T04:45:51Z2022http://hdl.handle.net/10183/249912001149256Os 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.application/pdfporSistema de alarmeMineração de dadosAutomatização de processosOntologiaOntologyData miningAutomation and controlPredictive inferenceBayesian networkProbabilistic modelModelo ontológico probabilístico baseado em dados de alarmes e eventos no contexto da Indústria 4.0info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPrograma de Pós-Graduação em Engenharia ElétricaPorto Alegre, BR-RS2022doutoradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001149256.pdf.txt001149256.pdf.txtExtracted Texttext/plain249382http://www.lume.ufrgs.br/bitstream/10183/249912/2/001149256.pdf.txt23c4eb50773afa30e07aca2b914e8751MD52ORIGINAL001149256.pdfTexto completoapplication/pdf5814292http://www.lume.ufrgs.br/bitstream/10183/249912/1/001149256.pdfeaf5bb1d389cae755ee7f34bde1e01c6MD5110183/2499122022-10-15 05:07:29.73642oai:www.lume.ufrgs.br:10183/249912Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532022-10-15T08:07:29Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Modelo ontológico probabilístico baseado em dados de alarmes e eventos no contexto da Indústria 4.0
title Modelo ontológico probabilístico baseado em dados de alarmes e eventos no contexto da Indústria 4.0
spellingShingle Modelo ontológico probabilístico baseado em dados de alarmes e eventos no contexto da Indústria 4.0
Silva, Márcio José da
Sistema de alarme
Mineração de dados
Automatização de processos
Ontologia
Ontology
Data mining
Automation and control
Predictive inference
Bayesian network
Probabilistic model
title_short Modelo ontológico probabilístico baseado em dados de alarmes e eventos no contexto da Indústria 4.0
title_full Modelo ontológico probabilístico baseado em dados de alarmes e eventos no contexto da Indústria 4.0
title_fullStr Modelo ontológico probabilístico baseado em dados de alarmes e eventos no contexto da Indústria 4.0
title_full_unstemmed Modelo ontológico probabilístico baseado em dados de alarmes e eventos no contexto da Indústria 4.0
title_sort Modelo ontológico probabilístico baseado em dados de alarmes e eventos no contexto da Indústria 4.0
author Silva, Márcio José da
author_facet Silva, Márcio José da
author_role author
dc.contributor.author.fl_str_mv Silva, Márcio José da
dc.contributor.advisor1.fl_str_mv Pereira, Carlos Eduardo
contributor_str_mv Pereira, Carlos Eduardo
dc.subject.por.fl_str_mv Sistema de alarme
Mineração de dados
Automatização de processos
Ontologia
topic Sistema de alarme
Mineração de dados
Automatização de processos
Ontologia
Ontology
Data mining
Automation and control
Predictive inference
Bayesian network
Probabilistic model
dc.subject.eng.fl_str_mv Ontology
Data mining
Automation and control
Predictive inference
Bayesian network
Probabilistic model
description 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.
publishDate 2022
dc.date.accessioned.fl_str_mv 2022-10-14T04:45:51Z
dc.date.issued.fl_str_mv 2022
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/249912
dc.identifier.nrb.pt_BR.fl_str_mv 001149256
url http://hdl.handle.net/10183/249912
identifier_str_mv 001149256
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/249912/2/001149256.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/249912/1/001149256.pdf
bitstream.checksum.fl_str_mv 23c4eb50773afa30e07aca2b914e8751
eaf5bb1d389cae755ee7f34bde1e01c6
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1831316143560720384

Registros relacionados