Apresentação LabSIn

Uma Arquitetura MultiAgente aplicada a Redes Industriais Foundation FieldBus para Alocação Dinâmica de Estratégias de Controle Inteligente em Blocos Funcionais PadrãoVinicius Ponte MachadoOrientador: Prof. Dr. Adrião Duarte Dória NetoCo-Orientador: Prof. Dr. Jorge Dantas de MeloLaboratório de Sistemas Inteligentes - LSIPrograma de Pós-Graduação em Engenharia Elétrica e de Computação - PPgEECDepartamento de Computação e Automação - DCAUniversidade Federal do Rio Grande do Norte - UFRN

ContextualizaçãoIntroduçãoInterpretação de AlarmesTarefas de MonitoramentoGerenciamento de RedeAlocação de DispositivosConfiguração de Estratégias de ControleAgente deObservaçãoOrganização da Rede Agente deDiagnósticoMedição e ControleAgente deExecução

ProblemaAtividades controladas pelas redes industriais requerem funcionamento contínuo e tolerante a falha.Qualquer parada na planta pode acarretar uma parada na produção (perdas financeiras) ou acidentes. Em casos específicos, como por exemplo a mudança na configuração dos dispositivos da rede, a parada do sistema é obrigatória.Algumas situações de falha requerem a intervenção do usuário (supervisor) para que seja contornada.Ausência de uma plataforma dedicada que permita a integração automática de diferentes sensores num ambiente de rede industrial, bem como a implementação de novas funções baseadas no processamento inteligente da informação.Introdução

ProblemaBaseado nestas questões o problema a ser resolvido é como detectar e reparar falhas que ocorram na planta mudando as configurações dos dispositivos de forma dinâmica.No contexto desse problema podemos perceber três fatores que podem definir a sua soluçãoAutonomiaAprendizagemAdaptaçãoIntrodução

HipótesesHipótese central: o uso de agentes utilizando aprendizagem de máquina faz com que estes agentes aprendam o funcionamento da rede industrial interferindo autonomamente na detecção e resolução de problemas (falhas).Hipóteses Secundárias:O uso de agentes confere autonomia (1) as redes industriais.O uso de aprendizagem de máquina (2) ajuda aos agentes descobrir padrões de falha e possíveis soluções.A proposição de uma estratégia de alocação dinâmica (3) permite que os agentes sejam alocados nas redes para descobrir e reparar as falhas.IntroduçãoAutonomiaAprendizagemAdaptação

ObjetivosCriar uma arquitetura multiagente que permita incorporar nas redes industriais estratégias de controle inteligente nos dispositivos de campo;Viabilizar uma melhoria no suporte a decisão em ocorrências no nível de planta e permitir um funcionamento mais ainda independente de intervenção humana;Através de algoritmos de aprendizagem, antever situações (predição) que possam ocorrer de forma a melhorar a performance do sistema e Aliar a aprendizagem de máquina ao contexto industrial, permitindo que a arquitetura de agentes proposta possa se tornar adaptável a um contexto de produção desconhecido ou inesperado.Introdução

AgenteAgente AutônomoParadigma para o desenvolvimento de aplicações de software.Entidade computacional com um comportamento autônomo que lhe permite decidir suas próprias ações.DefiniçõesÉ uma entidade que percebe o ambiente através de sensores e age neste ambiente através de atuadores, tomando decisões que irão auxiliar a alcançar seu objetivo [Russell & Norvig 2003].É um sistema de computador, situado em algum ambiente, que é capaz de flexibilizarações autônomas a fim de encontrar seus objetivos de desenvolvimento [Woolridge, 2002].Agente autônomo é o que consegue operar com completa autonomia, decidir por si só como relacionar os dados obtidos com ações de modo que seus objetivos sejam atingidos com sucesso[Maes 1995] .Fundamentação TeóricaAdaptaçãoAutonomiaAdaptaçãoAutonomiaAutonomiaAprendizagem

Ambientes IndustriaisAutomação e ControleVisa a realização de pesquisa e desenvolvimento em modelagem e controle de sistemas dinâmicos, processamento de sinais e instrumentação,Utilizando-se para isso de elementos sensores, elementos atuadores, sistemas de controle, Sistemas de Supervisão e Aquisição de Dados.Incluem-se as aplicações em sistemas dinâmicos e discretos, acionamento de máquinas, medição e aplicações com sistemas embarcados com utilização de microcontroladores e microeletrônicaFundamentação Teórica

Barramentos IndustriaisProtocolos de ControleCANProfibusFoundationFieldBusFoundationFieldBus - JustificativaPadronização dos DispositivosPadronização da Aplicação (Blocos Funcionais)Os dispositivos FF são capazes de executar seus próprios algoritmos de controleFundamentação Teórica

FoundationFieldbusModelo de Comunicação em CamadasCamada FísicaBarramento H1Barramento HSECamada de ComunicaçãoLAS (Link ActiveScheduler)DD (DeviceDescriptors)Camada de AplicaçãoBlocos FuncionaisBlocos FuncionaisOs blocos funcionais descrevem as funcionalidades do dispositivo e definem como elas podem ser acessadas. Cada bloco pode conter algoritmos que manipulam suas próprias entradas e saídas.Fundamentação Teórica

Blocos FuncionaisEstratégias de configuração são incorporadas aos dispositivos usando blocos funcionaisEstes blocos contém funções básicas de funcionamento que, quando combinadas, são capazes de implementar algoritmos mais complexos como redes neuraisO protocolo FoundationFieldbus é capaz de distribuir o controle do processo através dos dispositivos de campo.Sensores e atuadores possuem processadores que podem executar algoritmos de uma maneira distribuída através dos blocos funcionais.Fundamentação Teórica

Redes Neurais ArtificiaisUma rede neural artificial é composta por várias unidades de processamento simples.Essas unidades geralmente são conectadas por canais de comunicação que estão associados a determinado pesoO comportamento inteligente de uma Rede Neural Artificial vem das interações entre as unidades de processamento da rede.O conhecimento é armazenado na rede em forma de pesos sinápticos, que são as forças de conexão entre os neurônios. O processo de aprendizagem consiste no ajuste dos pesos sinápticos durante o aprendizado da rede, até que uma meta previamente definida seja alcançada.Fundamentação Teórica

Neurônio ArtificialFundamentação TeóricaSinais são apresentados à entrada: X1,X2, ...,XpCada sinal é multiplicado por um número ou peso (w1,w2, ...,wp), que indica a sua influência na saída da unidade.É feita a soma ponderada dos sinais que produz um nível de atividade:Se este nível de atividade exceder um certo limite (dado pela função de ativação) é produzida uma saída (y).

Agentes & Redes IndustriaisTrabalhos RelacionadosEstudo sobre a viabilidade de implementação de agentes em ambiente industrial [Wagner 2002]Estatísticas de uso de dispositivos em ambientes industriais [Landaburu et al. 2002]Camada baseada em agentes para acesso a informações sobre os processos. (Ontologias) [Pirttiojaet al. 2005] e (Web-Semântica) [Jussila 2006]Agentes de Fábrica (PlantAgents). Monitora e controla um único item na planta. [Buse & Wu 2007]Monitoramento e Diagnóstico de processos usando agentes e mapas auto-organizáveis [Frey 2009]Detecção e recuperação de falhas usando agente em ambientes fieldbus. [Stefano & Santoro 2009]

Agentes & Redes NeuraisTrabalhos RelacionadosAgentes para reconhecimento de padrões utilizando redes neurais como parte de um sistema de navegação [Cunha 1997]Modelo e agentes para detecção de invasão em redes de computadores. Utiliza redes neurais para categorizar os comportamentos dos usuários [Shelestovet al. 2003]Agentes móveis que "combinam "conhecimento adquirido através de redes Neurais [Badawy & Almotwaly 2004]Agentes Baseados em Redes Neurais para predição de estoques [Xu & Shao 2008]

Redes Neurais & Redes IndustriaisTrabalhos RelacionadosImplementação em Ambiente FoundationFieldbus de Filtragem Estocástica [Costa 2005]Auto-Compensação e Auto-Calibração [Cagni 2005] Redes neurais artificiais no ambiente de redes industriais Foundation Fieldbususandoblocosfuncionais Padrões [Silva et al. 2006]Predição usando Redes Neurais [Medeiros 2009]

Arquitetura MultiAgenteArquitetura PropostaEsta Arquitetura é composta de um sistema multiagente que realiza rotinas de inspeção nos dados coletados nos sensores da planta.Cada agente ou grupo de agentes desta arquitetura é responsável por executar atividades como monitoramento, inspeção e comunicação.O objetivo é fazer com que os agentes analisem dados dos dispositivos, investigando inconsistências que podem impedir o processo produtivo, tais como: perda de precisão, ruídos externos e interpretação de alarmes.As configurações dos dispositivos de campo (configuração de blocos funcionais) mudam para alocar os agentes que podem resolver tais problemas.

Problema da Realocação de Blocos FuncionaisArquitetura Proposta

Anatomia do AgenteArquitetura PropostaCadaagente é composto de duaspartes:Camada LabView-FIPA/FieldBus – permite a comunicação entre o sistema supervisório os dispositivos. Esta parte é responsável em colher informações do processo e em realizar o aprendizado dos agentes.Redes Neurais implementadas usando blocos funcionais padrão responsável por realizar ações no barramento de campo.A alocação e realocação dos agentes nos dispositivos de campo são realizadas através de mudanças nas interconexões dos blocos funcionais.

AgentesAgentes de Observação (AO)Estes agentes tem como objetivo descobrir anomalias nos valores medidos pelos sensores ou na precisão dos atuadoresAgentes de Diagnóstico (AD)Os ADs determinam o tipo de problema que foi detectado pelo AO indicando a melhor solução (configuração de blocos funcionais) para a resolução do problemaAgentes de Execução (EA)Tão logo o problema seja detectado e diagnosticado os Agentes de Execução são alocados no blocos funcionais dos dispositivos, através de mudanças em suas interconexões, formando uma configuração que possibilite reparar o problema detectado.Arquitetura Proposta

Abordagem FieldBus – ExecuçãoArquitetura PropostaProcesso a ser controlado

Agente deObservaçãoAbordagem FieldBus – ExecuçãoArquitetura PropostaFase de AprendizagemTreinamento

Abordagem FieldBus – ExecuçãoArquitetura PropostaFase de ExecuçãoAgente deDiagnósticoAgente deObservação

Abordagem FieldBus – ExecuçãoArquitetura PropostaFase de ExecuçãoAgente deExecução

Abordagens de ImplementaçãoDemonstração & ResultadosAbordagem ManualImplementação e Testes da mudança das conexões dos blocos funcionaisResultados para artigos ETFA e INDINAbordagem FBSIMUUso do simulador FBSIMU (USP – São Carlos) para testes da arquitetura proposta

Capítulo de LivroAbordagem FieldBusImplementação nos dispositivos reais da arquitetura proposta

Resultado publicados na Revista TIEAbordagem FieldBusDemonstração & ResultadosUso de dispositivos reais (planta didática – LAMP)Agentes implementados em LabView [Polaków & Metzger 2007]

Abordagem FieldBusDemonstração & ResultadosSistemaSupervisório

Realiza as funções de treinamento dos Agentes

Simulaproblemasnossistema e dispositivosAbordagem FieldBusDemonstração & ResultadosAgentes nos blocos funcionais

Agentes de Observação e DiagnósticoDemonstração & Resultados

Agente de DiagnósticoDemonstração & Resultados

Agente de Execução – Erro de LeituraDemonstração & Resultados

Agente de Execução – Ruído no Sinalde MediçãoDemonstração & Resultados

Agente de Execução – Ruído no Sinalde MediçãoDemonstração & ResultadosBaseado no Trabalho de Costa (2006) RedeNeuralSensor 1Sensor 1

Agente de Execução – Auto-CalibraçãoDemonstração & ResultadosBaseado no Trabalho de Pereira (2006)

Agente de Execução – Auto-CalibraçãoDemonstração & Resultados

Agentes de Execução – Tempo de RespostaDemonstração & Resultados

VídeosDemonstração & ResultadosRuídoErro de LeituraDescalibração

Contribuições CientíficasUma especificação de um sistema multiagente para a implementação de estratégia de controle em blocos funcionaisneste caso têm-se a definição de tarefas de cada agente, comunicação, desempenho, limitações, bem como referências a futuras expansões da capacidade dos agentes e seus impactos na rede industrial.Utilização de algoritmos de aprendizagem para predição e correção de falhas.Proposição de uma estratégia para alocação dinâmica de blocos funcionais.Conclusões

Apresentação LabSIn

Mais conteúdo relacionado

Semelhante a Apresentação LabSIn (20)

Último (19)

Apresentação LabSIn