correção de defeitos e imperfeições que aparecem na etapa anterior. Esses defeitos podem ser características físicas do sistema, condições de iluminação, etc. A partir dessa imagem é feita a segmentação, dividindo a imagem em partes distintas, chamadas regiões. O agrupamento dos resultados e armazenamento dos padrões que contém o conhecimento inicial das etapas anteri- ores é realizado na fase de Representação. Por fim, é feito o Reconhecimento e interpretação da imagem, onde reconhece os padrões por meio da análise de padrões na imagem. Sendo essa uma etapa mais complexa e, aqui, é fornecida a resposta aos sistema do veículo (GONZALEZ; RICHARD, 2002;MARTINEZ, 2012).
Esse processamento de imagens, geralmente, é realizado por meio de alguma biblioteca para visão computacional. Uma das mais utilizadas é a OpenCV10 (Open Source Computatio-
nal Vision) (OPENCV, 2015;BRADSKI; KAEHLER, 2008).
O projeto OpenCV é liberado sob a licença BSD (INTEL, 2000), tendo uso livre para fins
acadêmicos e comerciais, desde que, junto aos binários distribuídos comercialmente, conste uma aceitação dos termos propostos no contrato de licença liberada pela Intel Corporation.
Esta biblioteca é multiplataforma e é escrita em linguagem C++ e otimizada para prover eficiência computacional, principalmente para aplicações em tempo real, tendo mais de 2500 algoritmos otimizados, tirando proveito, quando possível, de instruções MMX e SSE. Den- tre esses algoritmos, estão algoritmos clássicos e do estado-da-arte de visão computacional e aprendizagem de máquina (MLL - Machine Learning Library). Podendo ser usados para a de- tecção e reconhecimento de rostos, identificação de objetos, classificação de ações humanas em vídeos, objetos em movimento, etc. Além disso, tem interfaces em C, C++, Python, Java e MA- TLAB, tendo ainda códigos não-oficial portados para outras linguagens, e suporta os principais Sistemas Operacionais, como Windows, Linux, Android e Mac OS. (OPENCV, 2015).
Com o conhecimento sobre falhas do condutor, ADASs, componentes de hardware (mi- crocontroladores, computadores de placa única) e sensores, apresentamos na próxima seção o Controle Estatístico de Processos, que, de forma simplificada, é uma técnica para monitora- mento de processos, que utilizaremos nos métodos para auxiliar os condutores.
2.5 Controle Estatístico de Processos
O Controle Estatístico de Processo (SPC), do inglês Statistical Process Control, é uma téc- nica oriunda da engenharia da qualidade, podendo ser utilizada para o controle e, quando possí-
10A biblioteca OpenCV foi criada pela Intel em 2000 e hoje é mantida graças a comunidade de software livre
e acadêmica. Muitas grandes empresas, como o Google, Yahoo, Microsoft, Intel, IBM, Sony, Honda, Toyota, utilizam a biblioteca (OPENCV, 2015).
2.5 Controle Estatístico de Processos 43 vel, a realização de melhorias no processo de produção. Essas melhorias consistem no ajuste da qualidade dos produtos de acordo com uma padronização. No contexto do SPC, essa qualidade é inversamente proporcional à variabilidade das características do processo analisado, desta forma a melhoria da qualidade e definida como sendo a reduçao da variabilidade nos processos e produtos. As características podem ser físicas, sensorias ou temporais, como comprimento, aparência, durabilidade, respectivamente (MONTGOMERY; RUNGER; HUBELE, 2009).
Segundo (MONTGOMERY; RUNGER; HUBELE, 2009) para que um produto atenda às exigên-
cias da padronização, ele deve ser produzido por um processo que seja controlável e replicável. Assim, o processo deve operar com pequena variabilidade em torno das características nominais do produto. As medidas desejadas para as características de qualidade dos componentes de um processo ou produto são as especificações, podendo essas serem pré-definidas ou não.
O principal foco do controle estatístico é monitorar o processo para identificar fontes de variabilidade, podendo, caso necessário, realizar alguma ação corretiva para eliminar o tipo de evento que a causou. Para controlar esse processo usando dados variáveis, o estado atual da acurácia e precisão da distribuição dos dados deve ser monitorado. Para isso, o valor alvo, valor que corresponde ao valor desejado para uma certa característica de um produto, é comparado a limites que indicam sua conformidade com características de uma boa qualidade. Todo esse monitoramento pode ser realizado com o auxílio de gráficos de controle (OAKLAND, 2007;
OLIVEIRA, 2008).
O principal componente do SPC é o gráfico de controle, este gráfico permite a identificação do comportamento do processo ao longo do tempo ou do número de amostras e a detecção da incidência de causas especiais, isso é realizado por meio de um histórico de dados. A partir da identificação e detecção, é possível realizar ações para prevenir e evitar a reincidência do evento. Todo esse processo pode ser realizado e controlado em tempo real (PIRES, 2000).
Os métodos estatísticos são considerados por Kume (1993) como uma abordagem direta e muito eficiente que oferece objetividade e exatidão, assim dando maior importância aos fatos do que aos conceitos abstratos. Por isso, esses métodos são ferramentas eficazes para a melhoria da qualidade de processos e permitem a redução de seus defeitos. E de acordo com Montgomery e Woodall (1999), o gráfico de controle tem como vantagem sua simplicidade operacional e efetividade na detecção de problemas no processo.
O objetivo do uso do controle estatístico de processos para monitorar o motorista é iden- tificar momentos de condução irregular, como ações que podem causar acidentes. Assim a condução deve ser segura, dentro de certos limites, para manter a qualidade da condução.
2.5 Controle Estatístico de Processos 44
2.5.1 Conceitos de Qualidade
Existem diversos conceitos de qualidade na literatura, não cabe a essa dissertação definir qual o melhor ou mais abrangente. Autores como Joseph e Godfrey (1999) definem as prin- cipais características da qualidade como consistindo nas características do produto, serviço ou processo que atendem as necessidades dos clientes, desta forma gerando satisfação em relação ao produto, e sem a existência de falhas.
Enquanto para Crosby (1999), a qualidade é a conformidade com os requisitos estabele- cidos. Desta forma, caso um produto ou serviço esteja dentro dos padrões estabelecidos, é considerado que ele é de qualidade, porém caso não esteja, é um produto sem qualidade.
Campos (2004) especifica que a qualidade de produtos ou serviços está ligada ao aten- dimento de forma confiável, segura, acessível e no tempo certo à todas as especificações e necessidades do cliente.
Desta forma, é possível entender a qualidade como a conformidade com um conjunto de características mensuráveis, sendo um produto ou serviço que atende a especificação classifi- cado como "com qualidade" e quando não atende como "sem qualidade", ou, até, com baixa qualidade, assim, mensurando a própria qualidade se baseando no quanto suas características diferem dos padrões esperados.
2.5.2 Gráfico de Controle
Em Montgomery (2007) o gráfico de controle é definido como uma técnica usada no moni- toramento online para detectar rapidamente a ocorrência de causas atribuíveis a algum evento nas mudanças de um processo. de modo que possa ser realizada alguma ação corretiva, antes que muitas unidade não-conformes sejam fabricadas.
Esse gráfico constitui de uma representação gráfica de uma característica de qualidade em relação ao número de amostras ou tempo. Tendo três linhas, uma central que representa o valor médio da característica de qualidade e corresponde ao estado sob controle. Duas outras linhas horizontais, chamadas de limite de controle superior (UCL - Upper Control Limit) e de limite inferior de controle (LCL - Lower Control Limit) são utilizadas para realizar o controle do intervalo da variabilidade dos dados.
De acordo com Montgomery (2007), o gráfico de controle trabalha com a comparação das amostragens dos valores medidos durante a execução do projeto, com as medidas de média, µ, e variância, σ2, esperados. Esses valores amostrados, chamados de ¯x, são comparados com dois
2.5 Controle Estatístico de Processos 45 limites, o superior e o inferior, que estão associados ao valor de µ. Assim:
LCL ≤ ¯x ≤ UCL. (2.5)
Se a medida está dentro dos limites, o processo se encontra sob controle e nenhuma ação precisa ser tomada. Caso contrário, é identificada uma situação fora de controle e algum tipo de correção e/ou identificação da causa deve ser realizada. A determinação desses dois limites e a detecção das amostragens depende do tipo de processo a ser analisado, pois limites muito afastados podem ocultar algumas possíveis falhas, e muito próximos acabam causando falsos alarmes. Dessa maneira os gráficos de controle podem ser baseados, por exemplo, em alguma especificação de valores que são aceitos ou em um histórico dos dados corretos gerados pelo processo em instantes anteriores.
Para que um processo esteja sob controle, os pontos devem estar dentro desses limites. Desta forma, um ponto fora dos limites de controle é interpretado como uma evidência de que o processo está fora de controle, sendo necessárias investigações e correções para controlar e eliminar as causas desse comportamento (MONTGOMERY, 2007).
Segundo Montgomery (2007), dados amostrais dentro dos limites de controle podem in- dicar que o processo está fora de controle, se eles se comportam de maneira não-aleatória ou sistemática. Para identificar tal situação, é necessária a aplicação de heurísticas sobre o gráfico de controle.
2.5.2.1 Gráfico de Média Móvel Exponencialmente Ponderada (EWMA)
A medida estatística escolhida para analisar os dados do volante é o EWMA (Exponentially Weighted Moving Average) (HUNTER, 1986). Um gráfico EWMA é usado quando é necessária
uma rápida detecção de situações fora de controle, por meio do cálculo de uma série temporal das medidas, como descrito em (ARADHYE, 2003). Muitos trabalhos na área de controle de processos e segurança usam o EWMA por causa de sua grande sensibilidade na percepção de mudanças nas medidas de um processo e, portanto, é indicado para monitorar processos sujeitos a pequenas perturbações (COSTA; EPPRECHT; CARPINETTI, 2005).
Na primeira etapa do cálculo do EWMA, as medidas dos processos são amostradas em determinados períodos e agrupadas em subgrupos de tamanho pré-definido, para os quais são calculados a média e o desvio padrão de cada subgrupo. Em seguida, a estatística do EWMA no tempo i, zi, é recursivamente calculada a partir da média dos valores dos subgrupos amostrados,
2.5 Controle Estatístico de Processos 46
Figura 2.28: Gráfico do decaimento do peso das amostras a partir de valores de lambda (λ ). Valo- res entre 0 e 1.
A definição do EWMA foi introduzida inicialmente em Hunter (1986), como:
zi= λ xi+ (1 − λ )zi−1 (2.6)
onde i ∈ N, λ é uma constante, Hunter (1986) recomenda valores entre 0.2 e 0.3 e Morgan (1995) recomenda valores entre 0.9 e 1, sendo valores menores melhores para aplicações onde as últimas amostras devem ter maior peso, 0 < λ <= 1. O gráfico da Figura 2.28 ilustra uma aproximação do valor dos pesos para diversos valores de lambda, calculados pela fórmula (1 − λ) · λ(i−1), como apresentada em (HARPER, 2015). Esse gráfico demonstra que valores de λ
altos, como 0.9, permitem um decaimento mais suave, considerando, assim, mais amostras, enquanto valores de λ baixos, como 0.2, têm um decaimento muito acentuado, onde amostras muito recentes tem relevância muito maior que as demais. O zi−1 é o valor anterior, de modo que z0= µ0e xiindica a i-ésima amostragem. Mas, como a distribuição pode não ser conhecida,
a média de alguns dados preliminares é utilizada como o valor inicial do EWMA, z0= ¯x, onde
¯x é a média da amostragem. Dessa maneira, o gráfico de controle pode ser definido como: CL = µ0 UCL = µ0+ s · σ r λ 2 − λ LCL = µ0− s · σ r λ 2 − λ (2.7)
onde µ0é a primeira medida de referência, s é o desvio padrão dos valores de ¯x; a função dentro