Estudo de caso de redes MLP e Kolmogorov-Arnold aplicadas à automação industrial.

• Ano de defesa: 2024
• Autor(a) principal: Silva, Gerson Fabio da
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Automação induatrial; CLP; Industrial automation; Kolmogorov-Arnold networks; MLP; Neural networks; PLC; Rede Kolmogorov-Arnold; Redes neurais
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3152/tde-29012025-094156/

Este trabalho apresenta um estudo detalhado sobre a aplicação das redes neurais Multi-Layer Perceptron (MLP) e Kolmogorov-Arnold Network (KAN) na automação industrial, investigando como essas arquiteturas podem ser integradas de forma eficiente aos sistemas de controle industrial. O principal objetivo foi avaliar o desempenho de diferentes configurações de redes neurais, propondo duas arquiteturas: descentralizada e integrada. Também é proposta a avaliação do uso da KAN como uma alternativa `a MLP em uma arquitetura descentralizada. A primeira arquitetura envolve a execução de uma rede MLP em um dispositivo externo ao PLC, utilizando a biblioteca de comunicação Snap7 para transferência de dados. Os testes mostraram que essa configuração atingiu tempos de ciclo de cerca de 30,6 ms, o que é adequado para sistemas de controle que exigem previsões rápidas e precisas sem comprometer a sincronização operacional. A segunda arquitetura integrou a rede MLP diretamente no PLC utilizando Structured Text (ST), permitindo que o algoritmo da rede neural fosse executado internamente no controlador. A rede foi treinada externamente e, em seguida, os pesos e vieses foram transferidos para o PLC, que executou o modelo de forma cíclica. Os testes indicaram que redes mais complexas aumentaram o tempo de ciclo do PLC, variando de 80 a 163 ms, dependendo da configuração. Redes mais simples mostraram ser uma solução viável em termos de eficiência, sem comprometer significativamente a precisão. A proposta de usar a rede KAN em um sistema descentralizado é uma alternativa promissora `a MLP em cenários onde simplicidade computacional e tempos de treinamento mais curtos são fatores críticos. Apesar de ter uma precisão ligeiramente inferior à MLP em configurações complexas, a rede KAN apresentou desempenho robusto em configurações menores, com tempos de treinamento reduzidos e uma arquitetura menos complexa. A metodologia aplicada envolveu a criação das redes neurais em bibliotecas como PyTorch, a conversão delas para Structured Text no caso da integração com o PLC, e uma análise detalhada dos tempos de ciclo de execução e da precisão dos modelos em cenários industriais simulados. Os resultados indicam que ambas as redes neurais, MLP e KAN, são adequadas para automação industrial, com a escolha da arquitetura mais eficiente dependendo do equilíbrio entre a complexidade da rede e os requisitos de aplicação em tempo real. A principal contribuição deste trabalho é a demonstração prática de que as redes neurais podem ser integradas a sistemas de automação industrial, tanto de forma descentralizada quanto diretamente no PLC, proporcionando soluções flexíveis e eficientes para o controle avançado de processos.