Arquitetura de controladores fuzzy em redes foundation fieldbus

UNIVERSIDADE_FEDERALDO RIO GRANDE DO NORTE

DECOMPUTAÇÃO

Arquitetura de controladores

Fuzzy

em redes

Foundation Fieldbus

Daniel Lopes Martins

Orientador: Prof. Dr. Adrião Duarte Dória Neto Co-orientador: Prof. Dr. Jorge Dantas de Melo

Dissertação de Mestrado apresentada ao Programa de Pós-Graduação em Engenharia Elétrica e de Computação da UFRN como parte dos requisitos para obtenção do título de Mestre em Ciências.

Martins, Daniel Lopes.

Arquitetura de controladores Fuzzy em redes foundation. Fieldbus. / Daniel Lopes Martins. – Natal, RN, 2011.

80 f.; il.

Orientador: Adrião Duarte Dória Neto. Co-orientador: Jorge Dantas de Melo.

Dissertação (Mestrado) – Universidade Federal do Rio Grande do Norte. Centro de Tecnologia. Programa de Pós-Graduação em Engenharia Elétrica e de Computação.

1. Redes industriais foundation fieldbus – Dissertação. 2. Lógica fuzzy – Dissertação. 3. Controlador fuzzy – Dissertação. I. Dória Neto, Adrião Duarte. II. Melo, Jorge Dantas de. III. Universidade Federal do Rio Grande do Norte. IV. Título.

Agradeço primeiramente a Deus, por sempre ouvir minhas orações, por estar sempre presente ao meu lado, seja nos momentos difíceis, seja nos momentos de alegria, zelando por mim e por toda minha família.

Aos meus pais Aderson e Ubiraci por serem o meus alicerces, onde busco conselhos e apoio em vários momentos da minha vida, estando ao meu lado e me acompanhando em minhas decisões, me ajudando a alcançar meus objetivos, mesmo que para isso fosse necessário abdicar dos seus e comemorando comigo as minhas conquistas.

Ao meu orientador Adrião, co-orientador Jorge e ao professor Affonso, que já na gradu-ação acreditaram e hoje continuam acreditando no meu potencial, me oferecendo opor-tunidades de trabalhar em áreas de inovação tecnológica. Agradeço por esta confiança e também por todos os ensinamentos que me foram concedidos.

Ao professor Dennis Brandão por ter aceitado participar da banca examinadora desta dissertação. Agradeço pelas dicas e apontamentos que acabaram se tornando uma grande contribuição para a versão final deste trabalho.

Aos companheiros do LAMP, Alexandre, Kennedy e Victor que, comigo, desenvolveram a primeira versão deste trabalho. Agradeço pela boa conversa e convivência ao longo destes anos trabalhando no laboratório. Um agradecimento especial a Vinícius Pontes, que me forneceu seu material para que eu pudesse iniciar meus estudos na linguagem do LabVIEW e posteriormente, por tirar dúvidas sobre alguns problemas com que me deparei. A Leonardo Guanabara que também me deu dicas sobre oLabVIEW e sempre estava disposto a ajudar em algum problema de implementação.

Aos meus amigos Keylly Eyglys, Cicília Maia, Gláucia Azambuja, Fabiana Santana e Vinícius Samuel que durante as aulas do mestrado foram de grande ajuda no desenvolvi-mento das atividades que os professores passavam. Agradeço também pelas boas conver-sas no LABSIS e pela troca de ideias sobre o meu trabalho.

Aos demais professores do departamento que contribuíram direta ou indiretamente com a minha formação profissional e pessoal.

A todos os demais não mencionados, amigos mais próximos e familiares que contribuíram de outras formas para a minha formação pessoal e conclusão deste trabalho.

As redes industriaisFoundation Fieldbussão redes com alto padrão de tecnologia que permitem que usuários criem lógicas de controle complexas e totalmente descentraliza-das. Mesmo sendo tão avançadas, elas ainda possuem algumas limitações impostas pela sua própria tecnologia.

Tentando solucionar uma destas limitações, este trabalho descreve como estruturar um controladorFuzzydentro de uma redeFoundation Fieldbusutilizando seus elementos básicos de programação, os blocos funcionais, de forma que a rede continue sendo total-mente independente de qualquer outro dispositivo que não os próprios instrumentos que a constituem.

Além disso, no decorrer do trabalho foi desenvolvida uma ferramenta que auxilia este processo de construção do controlador Fuzzy, configurando os parâmetros internos aos blocos funcionais e informando quantos e quais blocos devem ser utilizados para determinada estrutura.

O maior desafio em criar este controlador está justamente na escolha dos blocos e em como arranjá-los de forma a efetuarem as mesmas funções de um controladorFuzzy implementado em outro tipo de ambiente. A metodologia adotada foi dividir cada uma das fases de um controlador Fuzzy tradicional e então criar estruturas simples com os blocos funcionais para implementá-las.

Ao final do trabalho, o controlador desenvolvido é comparado com um controlador Fuzzyimplementado em uma programa matemático que possui uma ferramenta própria para criação e execução de controladores Fuzzy, obtendo gráficos comparativos de de-sempenho entre ambos.

Foundation Fieldbus Industrial networks are the high standard technology which al-lows users to create complex control logic and totally decentralized. Although being so advanced, they still have some limitations imposed by their own technology.

Attempting to solve one of these limitations, this paper describes how to design a Fuzzy controller in a Foundation Fieldbus network using their basic elements of pro-gramming, the functional blocks, so that the network remains fully independent of other devices other than the same instruments that constitute it.

Moreover, in this work was developed a tool that aids this process of building the Fuzzy controller, setting the internal parameters of functional blocks and informing how many and which blocks should be used for a given structure.

The biggest challenge in creating this controller is exactly the choice of blocks and how to arrange them in order to effectuate the same functions of a Fuzzy controller im-plemented in other kind of environment. The methodology adopted was to divide each one of the phases of a traditional Fuzzy controller and then create simple structures with the functional blocks to implement them.

At the end of the work, the developed controller is compared with a Fuzzy controller implemented in a mathematical program that it has a proper tool for the development and implementation of Fuzzy controllers, obtaining comparatives graphics of performance between both.

Sumário i

Lista de Figuras iii

Lista de Tabelas v

Lista de Símbolos e Abreviaturas vii

1 Introdução 1

1.1 Objetivo . . . 4

1.2 Estrutura da Dissertação . . . 5

2 Fundamentação teórica 7 2.1 Redes industriais . . . 7

2.1.1 Rede IndustrialFoundation Fieldbus(FF) . . . 14

2.2 LógicaFuzzy . . . 23

2.2.1 ControladorFuzzy . . . 26

2.3 LabVIEW . . . 33

3 Fuzzyaplicado ao ambienteFoundation Fieldbus 37 3.1 Introdução à aplicaçãoFuzzy-FF . . . 37

3.2 ControladorFuzzy-FF . . . 38

3.3 Estágio de Fuzzyficação-FF . . . 39

3.4 Estágio de Inferência-FF . . . 40

3.5 Estagio de Desfuzzyficação-FF . . . 43

4 Interface de configuraçãoFuzzy-FF emLabVIEW 47 4.1 Interface principal . . . 47

4.2 GeradorMemberships . . . 50

4.3 Configurador de regras . . . 53

5 Testes e Resultados 57 5.1 Sistema de tanques . . . 57

5.2 Modelagem do controlador . . . 58

5.3 Construção do controladorFuzzy-FF . . . 62

5.4 Resultados . . . 65

2.1 Máquina de Watt. . . 8

2.2 Malha de controle. . . 8

2.3 História dos sistemas de comunicação. . . 9

2.4 Sistema Digital de Controle Distribuído-SDCD. . . 11

2.5 Convergência-CLPxSDCD. . . 12

2.6 Tendência das ligações dos sensores e atuadores. . . 13

2.7 Tipos de redes de controle e automação. . . 14

2.8 Simplificação das redes. . . 16

2.9 Comparação OSIxFF. . . 17

2.10 Estrutura de uma rede FF. . . 18

2.11 Arquitetura e organização do FF. . . 19

2.12 Modelo antigo com umdriverpara cada dispositivo. . . 21

2.13 Simplificação proporcionada pelo OPC. . . 22

2.14 Funções de pertinência para o exemplo do carro. . . 25

2.15 ConjuntosFuzzyx Conjuntos definidos. . . 25

2.16 Principais t-normas e t-conormas. . . 27

2.17 Estrutura do controladorFuzzy. . . 28

2.18 Principais funções de pertinência. . . 30

2.19 Exemplo de obtenção do grau de pertinência. . . 30

2.20 Inferência através de Mamdani. . . 31

2.21 Inferência através de Takagi e Sugeno. . . 31

2.22 Métodos de desfuzzyficação. . . 33

2.23 Front Painel. . . 34

2.24 Block Diagram. . . 34

2.25 Tela de conectores e ícone do programa. . . 35

2.26 Paleta de controles. . . 35

2.27 Paleta das funções. . . 36

2.28 Exemplo de programa de temperatura. . . 36

2.29 Tipos de linhas. . . 36

3.1 Tela do SYSCON: Ao centro a tela principal, À esquerda a tela de confi-guração dos blocos, à direita a tela de conficonfi-guração das lógicas. . . 38

3.2 Bloco Caracterizador de sinal (CHAR). . . 40

3.3 Estágio de fuzzyficação. . . 41

3.4 Bloco selecionador de entrada (ISEL). . . 41

3.5 Estágio de inferência (cálculo do valor mínimo). . . 42

3.8 Desfuzzyficação último dos máximos (LOM). . . 44

3.9 Bloco Aritmético. . . 45

3.10 Desfuzzyficação pelo método do centro de área. . . 46

4.1 Interface do programa. . . 48

4.2 Segunda aba do programa principal. . . 48

4.3 Terceira aba do programa principal. . . 49

4.4 Quarta aba do programa principal. . . 50

4.5 Quinta aba do programa principal. . . 50

4.6 Tela do programa gerador deMemberships(funções de pertinência). . . . 51

4.7 Segunda aba do programa gerador de funções(à esquerda) e funções defi-nidas (gráfico central). . . 52

4.8 Terceira aba do programa gerador de funções. . . 53

4.9 Terceira e quarta aba do programa gerador de funções. . . 54

4.10 Tela do programa configurador de regras. . . 54

5.1 Sistema de tanques utilizado no teste. . . 58

5.2 Esquemas de funcionamento de um controladorFuzzyintegrativo. . . 59

5.3 ControladorFuzzyimplementado no MATLAB. . . 60

5.4 Funções de pertinência para o Erro (entrada 1). . . 61

5.5 Funções de pertinência para a variação do Erro (entrada 2). . . 61

5.6 Funções de pertinência para o incremento de tensão (saída). . . 62

5.7 Módulo de cálculo do erro e da variação do erro. . . 63

5.8 Estágio de Fuzzyficação-FF. . . 64

5.9 Estágio de inferência 1: Cálculo do valor mínimo entre funções de perti-nência. . . 65

5.10 Estágio de inferência 2: Cálculo do valor máximo entre as regras do con-trolador. . . 66

5.11 Estágio de Desfuzzyficação. . . 67

5.12 Módulo de saída do controlador (sinal de tensão enviado para a bomba). . 67

5.13 Superfície de resposta do controladorFuzzy-MATLAB. . . 68

5.14 Superfície de resposta do controladorFuzzy-FF. . . 68

5.15 Superfície de Erro (comparação de respostas entre os controlador Fuzzy-MATLAB eFuzzy-FF). . . 69

5.16 Sistema no Simulink para envio e obtenção dos dados do controlador Fuzzy-FF. . . 69

5.17 Resposta do controladorFuzzy-MATLAB (em vermelho) eFuzzy-FF (em azul) no controle do nível do tanque. . . 70

2.1 Principais blocos funcionaisFoundation Fieldbus. . . 20

2.2 Classificação dos valores dos carros. . . 24

2.3 Principais t-normas e t-conormas. . . 26

3.1 Tabela relativa a base de regras do exemplo. . . 39

3.2 Funções do bloco aritmético. . . 46

5.1 Funções de pertinência utilizadas na aplicação teste. . . 60

5.2 Regras do controladorFuzzy-FF. . . 62

A/D: Conversor de dados analógicos para digitais AG: Algoritmos genéticos

AI: Analog Input, Bloco FF de entrada analógica ARTH: Arithmetic, Bloco FF para cálculos aritméticos

BF: Blocos de função ou blocos funcionais, do inglês FB-Function blocks, são blocos com funções predefinidas, implementados como objetos desoftware.

CHAR: Characterizer, Bloco FF caracterizador de sinais

CLP: Ou PLC é um Circuito Lógico Programável, um computador especializado base-ado em microprocessbase-ador muito usbase-ado na indústria

COM: Component Object Modelé uma tecnologia introduzida pelaMicrosoftque encap-sula informações sobre programas, permitindo a interação entre diferentes partes dossoftware

D/A: Conversor de dados digitais para analógicos

DCOM: Distributed Component Object Modelé uma extensão da tecnologia COM para sistemas distribuídos (ambiente em rede)

DFI: Distributed Field Interface, é umLinking Deviceresponsável pelo controle da rede Foundation Fieldbusservindo também de ponteEthernet

FF: Foundation Fieldbus, um protocolo de rede industrial FI: Conversor do padrão FF para oloopde corrente

H1: Barramento de alimentação dos instrumentos por onde trafegam os dados digitais a uma taxa de 31.25 kbits/s

H2: Barramento de alimentação dos instrumentos por onde trafegam os dados digitais a uma taxa de 1 a 2,5 Mbps/s

HSE: High Speed Ethernet, Tipo de conexão com internet de alta velocidade (100Mbit/s até 1Gbit/s)

IF: Conversor deloopde corrente de para o padrão FF

gráfica desenvolvido pelaNational Instruments

LAN: Local Area Network, é um rede local de computadores

LAS: Link Active Scheduler é o dispositivo responsável por gerenciar as comunicações de uma rede FF

mA: miliampere, milésima parte do ampere que é a unidade de medição da corrente elétrica

OLE: Tecnologia utilizada para comunicação entre aplicativos, baseado no COM OPC: OLE for Process Control, é a tecnologia OLE utilizada em ambiente industrial, na

comunicação entre dispositivos

OSI: Open System Interconnection, é uma arquitetura para ligação entre computadores que possui 7 camadas de abstração

PID: Proporcional, Integrativo e Derivativo, tipo de controlador utilizado na indústria PN: Probe Node, mensagem do LAS para descoberta de novos dispositivos na rede

industrial

PR: Probe Response, resposta do dispositivo da rede à mensagem PN do LAS RNA: Redes Neurais Artificiais

RS232: Padrão de comunicação de dados de maneira serial

SDCD: Sistema Digital de Controle Distribuído, formado por vários módulos específicos (E/S, controle PID entre outros) interligados por uma rede de comunicação V: Unidade de tensão elétrica

Introdução

A automação industrial cresceu muito nos últimos anos. A necessidade de se produzir rápido e com qualidade desperdiçando o mínimo possível de recursos (matéria prima, energia, mão de obra) é o objetivo almejado por qualquer ramo da indústria. Isso é o grande diferencial na competição entre as diferentes empresas e pode determinar quem continua no ramo ou quem fecha suas portas. Por este motivo, grandes investimentos são realizados nessa área, produzindo dispositivos cada vez mais rápidos, precisos e robustos. Com o advento dos computadores, estes passaram a ser introduzidos nos processos in-dustriais, sendo como servidores de dados (entrada e saída automatizada de estoque, por exemplo) ou como dispositivos programáveis, tornando a cadeia produtiva cada vez mais autônoma, dependendo cada vez menos da intervenção humana. Estes sistemas computa-cionais também foram gradativamente sendo embarcados em dispositivos comuns como sensores e atuadores, dando-lhes a capacidade de processar as informações que recebem do processo em que atuam, sem que deixassem de cumprir as exigências de robustez, se-gurança e confiabilidade nos processos de medição e controle, tornando-os cada vez mais independentes. Desta forma, os instrumentos de campo se tornaram instrumentos "inte-ligentes", pois conseguem exercer muitas funções, além daquelas de monitorar ou atuar em determinada parte do processo, de forma autônoma, ou seja, depois de programados, eles podem cumprir suas tarefas sem grande necessidade da atuação do ser humano. Para que tudo isso seja possível, novas tecnologias, protocolos de comunicação,hardwares e softwareforam criados especificamente para este ramo da indústria.

Além dos instrumentos, a sua capacidade de comunicação também evoluiu. Se antes eles utilizavam, na sua maioria, comunicação através de sistemas pneumáticos ou atra-vés de fluxos de corrente, hoje em dia, graças aos sistemas embarcados nos dispositivos, eles já se comunicam de forma digital entre si, levando muito mais que apenas a infor-mação da variável do processo que estão medindo, mas também informações sobre o seu funcionamento, condições do sinal de comunicação ou do estado do sensor ou atuador entre outras. Este tipo de associação de equipamentos é denominado de rede industrial, existindo diferentes tipos de redes com diferentes tipos de protocolos.

vanta-gem é a capacidade de trocar informação e da criação de lógicas de controle complexas, pois quando ligados na mesma rede, vários sensores podem fornecer informações para um atuador realizar um controle mais preciso do processo. Como cada dispositivo possui seu própriohardware, eles trabalham de forma independente e simultânea.

O próximo passo, na escala desses sensores, atuadores e redes industriais, seria a de possuírem um nível maior de inteligência, onde fossem capazes de não só processar o dado para uso entre eles ou para um nível superior (que analisaria e tomaria decisões, nor-malmente um sistema supervisório controlado por um operador humano), mas também, fossem capazes de realizar uma análise baseada em algoritmos inteligentes e tomar suas próprias decisões. Essas novas funcionalidades devem ser implementadas utilizando as funcionalidades básicas, bem como ohardwareque cada dispositivo possui, de maneira a não torná-lo mais complexo ou mais caro.

Alguns trabalhos visando desenvolver novas funcionalidades para estes instrumentos foram realizados pelo pessoal do laboratório de sistemas inteligentes da Universidade Federal do Rio Grande do Norte (LABSIS-UFRN) tentando assim aumentar o nível de inteligência dos dispositivos. Trabalhos como os de [Cagni et al. 2005], [Costa 2006], [Fernandes 2007] e [Silva 2006] visam dar condições a estes instrumentos de realizarem essas novas tarefas sem a necessidade de modificação de seushardwaresousoftwares, ou seja, utilizando as funções básicas nativas para criar novas aplicações.

Estes trabalhos se baseiam em algoritmos inteligentes como é o caso das redes neurais artificiais que trazem vários benefícios como a possibilidade de aprendizagem supervisi-onada ou não supervisisupervisi-onada, onde ela pode aprender através de informações coletadas do próprio funcionamento da planta industrial. A rede neural artificial ou RNA é, se-gundo a definição encontrada em [Haykin 2001], um processador maciçamente paralelo distribuído constituído de unidades de processamento simples, que tem a propensão na-tural para armazenar conhecimento experimental e torná-lo disponível para uso. Elas são unidades extremamente simples de serem implementadas, gastando pouquíssimos recur-sos computacionais, se tornando candidatas perfeitas para implementação de algoritmos inteligentes em sistemas embarcados onde os recursos computacionais são escassos. Sua maior complexidade esta no seu treinamento (ajuste dos pesos sinápticos), existindo uma quantidade enorme de algoritmos para tal finalidade, que pode ser realizado externamente à rede industrial e ter os seus resultados implantados posteriormente na configuração dos instrumentos.

ela é alta teria apenas uma possibilidade de respostas que é ou verdadeiro ou falso. Neste caso, a variável linguística alto começando a partir de 1.75cm faria a afirmação ser apenas verdadeira, o que na lógica Fuzzy, a resposta poderia ser de 75% verdadeira para alta e 25% verdadeira para outra variável linguística como estatura mediana.

Desta forma, a lógica Fuzzy é capaz de remover a limitação da lógica binária das máquinas, onde um dado só pode assumir dois valores (verdadeiro ou falso). Essa van-tagem permite a criação de regras mais simples (inferências), não havendo a necessidade de criar uma lógica mais complexa, especificando milhares de possibilidades com várias sentenças, como é o caso da lógica booleana. Isso para sistemas computacionais não só simplifica um conjunto de regras em um controlador, já que o operador não terá que criar uma variável linguística e uma regra para cada valor possível do conjunto de entrada e saída, como diminui o uso de recursos, nesse caso memória e processamento.

O primeiro a utilizar a lógicaFuzzyem um sistema computacional, mais precisamente em um controlador, foi Mamdani [Mamdani 1974], que aproveitou essas vantagens para criar um novo tipo de controlador baseado em regras de controle, onde poderia ser inserida a experiência do operador da planta. Isso se deve ao fato de que muitos processos são extremamente complexos para se gerar modelos matemáticos, existindo casos em que algumas variáveis do processo não podem ser medidas e nestes casos, a experiência de um operador que já tem o conhecimento empírico de como operar a planta, com suas particularidades, é de extremo valor.

Um controlador que se utiliza da lógicaFuzzytem suas entradas e saídas condiciona-das a uma base de regras do tipo se-então. Essas regras são bem explícitas e montacondiciona-das com base no conhecimento do operador do sistema onde será inserido o controlador, gerando a base de regras do sistema Fuzzy. Um exemplo disso seria o controle de nível de um tanque, onde o operador deseja manter o nível sempre próximo a metade do tanque. Para isso o operador utiliza uma válvula de controle que ao ser fechada ou aberta totalmente, impede ou permite a entrada de líquido respectivamente, sendo que a entrada de líquido com a válvula totalmente aberta ocorre com uma vazão superior à máxima de saída do tanque. O operador com a sua experiência adquirida, sabe que ao amanhecer, a vazão de saída do tanque aumenta e para manter o nível do tanque pela metade, é necessário abrir a válvula dando mais ou menos duas voltas na válvula e por volta do entardecer, a vazão de saída do tanque diminui, necessitando fechar a válvula com uma volta e meia e depois da meia noite, a vazão diminui novamente, necessitando fechar mais um pouco a válvula. Para passar esse conhecimento para o controlador, deve-se realizar o mapea-mento das variáveis de entrada e saída em variáveis linguísticas que correspondessem as ações tomadas pelo operador e criar regras para as situações desejadas ou esperadas.

que já tem um certo grau de utilização no ambiente industrial, permitindo a criação de ló-gicas de controle, análise de resultados, comunicação com diversos tipos de equipamentos entre outras funcionalidade [Instruments & Shiralkar 2007]. Devido a sua aplicabilidade e facilidade de utilização, pois utiliza a linguagem G que é uma linguagem totalmente gráfica permitindo programar sem a necessidade de verificar sintaxes de linhas de pro-grama, oLabVIEWse mostrou uma ótima opção para a implementação de ferramentas de auxílio na construção de novas técnicas no ambiente industrial.

No trabalho de [Ramalho 2009] oLabVIEW foi utilizado para desenvolver um pro-grama de configuração e reconfiguração de redes neurais aplicadas ao ambiente indus-trial Foundation Fieldbus e que, posteriormente, teve a ideia aplicada ao trabalho de [Machado 2009] na criação de um sistema Multiagente também para redes do tipo Foun-dation Fieldbusonde cada agente utilizava uma rede neural como seu núcleo.

1.1

Objetivo

Com base no exposto, este trabalho tem como objetivo principal: Aplicação de um controlador Fuzzy em redes industriais Foundation Fieldbus utilizando blocos funcionais padrões auxiliado por um software desenvolvido em LabVIEW.

Esse trabalho teve início em [Filho et al. 2009], onde foram realizados alguns testes das teorias apresentadas nesta dissertação, sendo implementado ao final um controlador simplificado, com poucas regras, devido a dificuldade de alocar e configurar toda a lógica do controlador. Além disso, os cálculos do erro e de sua variação (entradas do contro-lador) eram realizados externamente a rede Foundation Fieldbus (em um computador), sendo repassados os valores ao controlador através de placas de aquisição (placas de con-versão D/A).

Osoftwarede auxílio deve ser capaz de gerar as funções de pertinência, utilizadas na entrada do controlador, determinar a quantidade de blocos funcionais a serem utilizados a partir da base de regras e do tipo de saída escolhida como também configurar os principais parâmetros dos blocos, diminuindo a tarefa do operador. Como a alocação na rede dos blocos funcionais e a sua interligação (lógica de controle) são realizadas através de um software proprietário, essa função não pode ser realizada por esta ferramenta, cabendo ainda ao operador realizá-la.

Espera-se que este trabalho possa promover e facilitar (através da ferramenta desen-volvida) a configuração de tais controladores neste tipo de rede. Mesmo que no futuro a redeFoundations Fieldbusvenha a possuir blocos funcionais que desenvolvam a funcio-nalidade de controladoresFuzzy, esta ferramenta pode vir a ser adaptada para continuar permitindo essa facilidade configuração dos blocos funcionais relativos ao controlador.

1.2

Estrutura da Dissertação

O presente trabalho foi dividido em capítulos, totalizando com este 6 capítulos orga-nizados da seguinte forma:

Fundamentação teórica

Este capítulo abordará toda a fundamentação necessária para o entendimento do tra-balho, dando a noção sobre redes industriais, lógicaFuzzyeLabVIEW.

2.1

Redes industriais

No início da revolução industrial, todas as máquinas de uma indústria eram acionadas de forma manual, onde cada operador deveria ler as variáveis do processo no local, e então realizar o devido controle das máquinas de forma a garantir a finalização de sua parte na linha de produção.

Com o passar do tempo, a elevação dos custos dos insumos e o desenvolvimento de equipamentos e processos maiores e mais elaborados, impactando diretamente nas atividades de comissionamento, operação e manutenção, tornou necessária a utilização de formas de controle mais precisas. Começaram então a surgir os primeiros sistemas de automação baseados em engenhosos sistemas mecânicos capazes de automatizar algumas tarefas críticas e repetitivas das linhas de montagem [Duarte et al. 2003].

Por volta do final do século XVIII, James Watt desenvolveu um mecanismo capaz de regular o fluxo de vapor em máquinas, sendo considerado um dos primeiros sistemas de controle (com realimentação) utilizado na indústria [Maruyama 2004]. Esse mecanismo consistia de um eixo possuindo dois braços com esferas pesadas nas pontas. Esse eixo era ligado ao eixo da máquina a vapor de tal forma que quando a máquina estava funcionando, girava esse sistema. Devido à força centrífuga aplicada as esferas, estas impulsionavam o eixo fechando a tubulação por onde o fluxo de vapor passava, reduzindo a velocidade de rotação da máquina. A Figura 2.1 exibe o desenho desse sistema.

O problema destes dispositivos era que deveriam ser desenvolvidos particularmente para atuar em apenas um determinado problema, o que era bastante incomodo, já que não poderia ser utilizado para outra tarefa, além de necessitar de grande manutenção devido à utilização de partes mecânicas.

Uma malha de controle é formada basicamente por um transdutor, transmissor, um controlador e um atuador (Figura 2.2).

Figura 2.1: Máquina de Watt. [Maruyama 2004]

Figura 2.2: Malha de controle.

temperatura é medida por um sensor que pode fornecer um sinal elétrico correspondente (ou uma variação num sinal elétrico proveniente do transdutor) e o transdutor lê esse sinal (ou essa variação) e o converte para um sinal de corrente, pressão ou tensão. Normalmente

chama-se, erroneamente, de sensor o conjunto formando pelo sensor e transdutor, sendo

que o sensor é apenas uma parte do equipamento (a parte sensitiva do transdutor e no caso do exemplo do sensor de temperatura, poderia ser uma resistência que varia com o valor da temperatura).

que pode converter um sinal de corrente em pressão de 3 a 15 psi (padrão utilizado nas comunicações pneumáticas).

O controlador é o sistema que tem como objetivo manter uma determinada variável do processo em um valor desejado, onde esse valor é chamado de ponto de ajuste (ou no inglês, set-point). Ele recebe a informação do sensor e compara com o valor de ajuste, obtendo um erro caso a variável esteja fora deste valor de ajuste. Então ele envia para o atuador um sinal para tentar zerar esse erro ou, na pior das hipóteses, minimizá-lo.

O atuador é responsável pela modificação de alguma condição do processo que afeta direta ou indiretamente a variável a ser controlada. Essa atuação pode ser o fechamento de válvulas, ligar ou desligar equipamentos, aumentar ou diminuir a velocidade de motores entre outros tipos de ações [Rosário 2005] e [Ribeiro 1999].

Nos anos 20, os dispositivos mecânicos começaram a ser substituídos pelos eletro-mecânicos (relés e contatores), permitindo a criação de novas lógicas de controle, mais sofisticadas e complexas. O inconveniente deste sistema era o seu tamanho, pois quando a lógica se tornava muito complexa, os painéis de relés e contatores se tornavam demasi-adamente grandes e complexos. Alterar uma malha de controle não era uma ação trivial.

A partir da década de 1930, surgiram os instrumentos pneumáticos que permitiam a transmissão de informações sobre as variáveis do processo através de tubulações específi-cas até certas distâncias, permitindo que os operadores fiespecífi-cassem reunidos em uma mesma sala, a sala de controle [Gutierrez & Pan 2008]. Estes instrumentos trabalhavam basica-mente com sinais de pressão que variavam na casa de 3 a 15 psi para o monitoramento das variáveis (A Figura 2.3 a evolução dos sistemas de comunicação).

Figura 2.3: História dos sistemas de comunicação. [Oliveira 2005]

Nos anos 50 surgiu o transistor e a partir deles vários dispositivos eletrônicos digi-tais começaram a ser criados como é o caso dos computadores que se tornariam papel importante nos sistemas de controle das indústrias nas décadas seguintes.

ins-talação dos sistemas, bem como o tempo de transmissão dos sinais, naturalmente lentos nos sistemas pneumáticos, redução do ruído (já que os sistemas pneumáticos geram bas-tante ruído quando o ar é expelido para o meio ambiente), maior facilidade de implantação e manutenção e aumento de confiabilidade [Gutierrez & Pan 2008] e [Bordim 2006].

Ainda no começo da década de 60 surgiram os primeiros computadores que utilizavam a tecnologia do transistor. Estes computadores (mainframes), ainda eram gigantes, caros, de difícil manutenção e ocupavam grandes salas isoladas, onde poucas pessoas tinham acesso e podiam operá-los. Somente grandes empresas tinham condições de comprá-los e mantê-los para fins de aumentar a eficiência de algumas tarefas.

A utilização de computadores em ambientes industriais se dava na forma do controle digital direto (CDD), onde um computador agia como um controlador, recebendo os va-lores das variáveis do processo convertidas por placas de conversão A/D, recebendo os ajustes dos parâmetros de controle por parte dos operadores, gerando os cálculos de con-trole necessários e enviando de volta ao processo, por meio de placas de conversão D/A, o novo sinal de controle [Ribeiro 1999]. O grande inconveniente destes sistemas era a possibilidade de falha do computador, que acarretaria a falha catastrófica das malhas de controle do processo. Para que isso não ocorresse, eram utilizados sistemas de backup (um segundo computador ou controladores analógicos ligados ao processo que atuaria na falha do computador) o que torna essa alternativa muito onerosa.

Com o surgimento dos microprocessadores a partir da década de 70 devido à inte-gração cada vez maior dos componentes eletrônicos, surgiram também os microcompu-tadores e diversos outros equipamentos com processadores embutidos. Isso facilitou o surgimento dos sistemas de processamento distribuído, que permitem maior facilidade de desenvolvimento, operação, administração, confiabilidade, manutenção simplificada en-tre outros. Assim, o processamento deixava de ser gerado apenas em uma única máquina, passando a ser executado por um conjunto de máquinas, que poderia estar dispostas em uma mesma sala, ou em ambientes diferentes. Um dos sistemas criados nesse período e que é muito utilizado até os dias de hoje é o SDCD, sigla para Sistema Digital de Controle Distribuído.

Estes tipos de sistemas são separados em módulos onde cada módulo tem uma fun-ção específica. Um módulo para controle PID com linearizafun-ção de sinais não lineares, outro para gerar as telas necessárias para operação da planta, módulos para regulação do fluxo de informação entre outros [Ribeiro 1999]. A filosofia do SDCD tem como base a utilização de terminais remotos conectados aos dispositivos de campo e conectadas en-tre si a uma via de dados que por sua vez possui um elemento centralizador como um PC dedicado [Duarte et al. 2003]. Uma grande vantagem destes sistemas é o seu alto nível de redundância, já que podem existir diversos cartões de entrada e saída, redes de comunicação, estações de trabalho além dos próprios computadores dedicados.

O SDCD foi desenvolvido na forma de um pacote proprietário fechado (Hardware + Software+ Rede de Comunicação) com recursos adaptados às peculiaridades de cada segmento da indústria, embutindo requisitos rigorosos de segurança, de gerenciamento de alarmes e de comunicação em tempo real. A Figura 2.4 mostra a arquitetura de um sistema digital de controle distribuído.

Figura 2.4: Sistema Digital de Controle Distribuído-SDCD. [Gutierrez & Pan 2008]

os dados referentes ao processo e que podem ser acessados de cada terminal interligado ao SDCD.

Outro dispositivo criado nessa época e utilizado também até os dias atuais foi o contro-lador lógico programável, ou como é mais conhecido, CLP ou PLC (sigla do inglês). De-senvolvido para suprir a necessidade da indústria automobilística da época, inicialmente ele foi criado com a finalidade de substituir os gigantes painéis de relé, temporizadores e os outros sistemas utilizados para realizar controle automático. Ele é um microcomputa-dor mais robusto, projetado para trabalhar no chão de fábrica, próximo aos equipamentos, mas com a desvantagem de possuir um conjunto de instruções reduzido se comparado a um computador de escritório.

Os primeiros CLPs trabalhavam apenas com lógica de controle digital, pois não pos-suíam interface de conversão analógica, sendo muito grandes e caros. Eles eram progra-mados via terminais (portáteis ou não) onde sua programação utilizava e ainda utiliza o diagrama deLadder de relés. Da mesma forma que os sistemas SDCDs, os CLPs se co-municavam com a sala de controle através de um barramento de dados e com sua rápida evolução, ele passou a ser integrado aos SDCDs para controle digital.

Desta forma, os sistemas SDCDs eram utilizados para controle contínuo e os CLPs para controle discreto, mas os avanços da eletrônica permitiram ao CLP alcançar outros níveis, ganhando cada vez mais funcionalidades, passando também a realizar controle contínuo e os SDCDs também incorporaram as funcionalidades de ligar e desligar equi-pamentos, lógicaLadder, blocos de função entre outras. Isso acabou levando a inevitável sobreposição de funções (Figura 2.5).

Figura 2.5: Convergência-CLPxSDCD. [Ribeiro 1999]

sensores e atuadores “inteligentes” [Bordim 2006]. Além disso, devido à grande integra-ção dos instrumentos, os transmissores passaram a incluir os transdutores e muitas vezes os próprios sensores, se tornando um instrumento completo, que realiza a medição e já en-via o valor sob algum tipo padrão. Estes instrumentos dotados de poder de processamento podem ser classificados em transmissoressmartou transmissoresintelligent.

Um transmissorsmarté um transmissor microprocessado com a capacidade de corri-gir erro de não linearidade do seu sensor primário através de interpolação dos dados de calibração mantidos na memória ou compensar efeitos de influência secundários sobre o sensor primário incorporando um segundo sensor adjacente ao primário e interpolando os dados de calibração dos dois sensores. Além disso ele é capaz de mudar sua calibração por uma mudança no programa que ele executa, sem a necessidade de uma atuação me-cânica no seu sensor, além de transmitir as medições do processo de forma digital sem afetar as linhas comuns de comunicação analógica.

Já um transmissorintelligent, além de herdar as funções do transmissorsmart, pode armazenar informações referentes ao transmissor em si e dados de aplicação e também pode gerenciar um sistema de comunicação que possibilita uma comunicação de duas vias (transmissor-receptor e vice-versa) sobre a mesma linha que trafega o sinal de medição, sendo possível realizar comunicação com qualquer equipamento ligado a rede [Ribeiro 1999].

Inicialmente as comunicações dos instrumentos eram ponto-a-ponto usando padrão

serial RS232C, mas esse padrão não se mostrou adequado para a utilização em ambiente industrial por ter um sinal de tensão referenciado ao terra, sendo então susceptível a ruído

e impedindo-o de ser utilizado para distâncias maiores que 15 m além de não permitir a utilização como barramento (utiliza comunicação apenas ponto-a-ponto).

Esse padrão foi substituído pelo RS422 e RS423 que utilizam tensão diferencial, o que os torna extremamente imunes a ruídos, mas ainda tinham o mesmo problema do

RS232 de não permitirem a interligação simultânea de vários equipamentos entre si. Foi desenvolvido então o padrão RS 485 que da mesma forma que o RS422 e 423, utilizava

tensão diferencial e permitia a ligação multiponto. Para uma rede aplicada a interligação de dispositivos a nível de chão de fábrica é utilizada a denominação de barramento de campo ouFieldbus. Essa evolução pode ser vista na Figura 2.6.

Figura 2.6: Tendência das ligações dos sensores e atuadores. [Stemmer 2001]

O nomeFieldbusé dado de forma genérica, mas na verdade as redes de chão de fábrica podem ser divididas em três tipos diferentes: redes de sensores ou Sensorbus, redes de dispositivos ouDevicebuse redes de instrumentação ouFieldbus(Figura 2.7).

As redes SENSORBUS são rede mais simples, que interligam sensores e atuadores

discretos de maneira rápida, transmitindo basicamente bits de informação. A única

preo-cupação desse tipo de rede é manter os custos tão baixos quanto os possíveis.

com-Figura 2.7: Tipos de redes de controle e automação. [Oliveira 2005]

plexos que os das redesSENSORBUS, cobrindo distâncias de até 500 m, com pacotes de dados no formato de bytes, conseguindo gerenciar mais equipamentos e dados.

As redesFIELDBUSsão redes com nível mais inteligente, onde os instrumentos lidam com variáveis mais complexas, pois eles possuem a capacidade de desempenhar funções de controle em loop (como PID), controle de fluxo e processos. As mensagens trocadas nessa rede já são no formato de pacotes de dados, por onde são trocadas informações analógicas, discretas, parâmetros, programas e informações de usuário [Bordim 2006] e [Duarte et al. 2003].

A existência de tantos protocolos em cada tipo de rede deve-se ao fato de que cada empresa tentou desenvolver o seu protocolo e torná-lo o modelo padrão a ser seguido, mas o mercado tratou de selecionar apenas os mais aptos. Até os dias de hoje ainda existe essa busca por um padrão universal, mas que está longe de acabar.

A rede utilizada para este trabalho é do terceiro nível (Fieldbus) e por este motivo, será alvo de uma abordagem mais extensa.

2.1.1

Rede Industrial

Foundation Fieldbus

(FF)

O termo Fieldbuspode ser explicado como sendo uma rede de trabalho local (uma LAN, sigla para Local Area Network) para instrumentos usados em processos e auto-mação de mão de obra com capacidade embutida para distribuir o controle de aplicação através da rede [Martins 2008].

con-trole e monitoração de processo e estações de operação através desoftwaressupervisórios [Machado 2009].

Em 1992, dois grandes grupos lideravam o mercado para soluções de interligação de instrumentos de campo:

• ISP (Interoperable Systems Project);

• WorldFIP (Factory Instrumentation Protocol);

Ambas possuíam diferentes visões de implementação das redesFieldbus, mas garan-tiam que iriam alterar seus produtos assim que a norma SP50 (norma desenvolvida por várias empresas da área de instrumentação industrial) estivesse formalizada. Em setem-bro de 1994, WorldFIP e ISP, juntaram-se criando aFieldbus Foundation, com o objetivo de acelerar o processo de normalização das redesFieldbus[Bordim 2006].

O protocolo Foundation Fieldbus, ou FF, foi elaborado pela Fieldbus Foundation e tem como principal ideia, interligar todos os dispositivos de campo em uma rede, per-mitindo assim que tais instrumentos possam compartilhar informações de controle além de permitir a monitoração e intervenção, se necessário, do funcionamento do processo através desoftwares supervisórios. Estessoftwarestêm, como principais características, a possibilidade de adquirir dados do processo como medições de sensores e estados de atuadores e exibi-los em uma tela com diferentes elementos gráficos que auxiliam o en-tendimento, por parte do operador, de qual variável pertence a que dispositivo na planta industrial.

Outra característica trazida pelo FF é que as estratégias de controle saem de um ele-mento central (como é o caso de outros tipos de rede industrial que utilizam um CLP como unidade de centralização das decisões de controle) e passam a ser distribuídas ao longo dos dispositivos de campo. Isso se torna possível graças à ideia da utilização de blocos funcionais para a configuração dos instrumentos e, mesmo sendo uma rede parecida com uma LAN, ela possui maiores vantagens como o determinismo nas comunicações entre os dispositivos, o que permite sistemas de controle mais robustos e seguros, sem que haja a necessidade do usuário se preocupar com atrasos nas comunicações dos instrumentos e com falhas em malhas de controle geradas por eles [Martins 2008].

Um dos benefícios deste novo protocolo é o seu custo de implantação, pois nessa tecnologia, a transmissão dos dados é realizada de forma digital e serial por um par de fios. Esse par de fios é o mesmo utilizado na alimentação dos dispositivos, o que diminui significativamente a quantidade de equipamentos de campo auxiliares, como é o caso dos subsistemas de entrada e saída, CLPs, fontes de alimentação e quantidade de cabos. A Figura 2.8 exibe a simplificação da rede com este tipo de protocolo.

Figura 2.8: Simplificação das redes. [Martins 2008]

O protocolo FF é um protocolo aberto, ou seja, todas as empresas que desejarem fabri-car equipamentos com este protocolo têm acesso ao seu funcionamento, permitindo que existam diversos fabricantes de equipamentos e que os usuários finais (as indústrias) pos-sam escolher com quais fabricantes irão trabalhar. Como os dispositivos podem pertencer a diferentes fabricantes, foi necessária a padronização das funções a serem executadas pelos instrumentos nesse protocolo. Isso foi conseguido pela utilização dos blocos de função (BF ou em inglês FB-Function Blocks) que são blocos de funções pré-definidas e implementadas emsoftware(objetos desoftware) que realizam desde funções simples de captura de dados dos sensores até tarefas mais complexas como controle de processo.

Com relação ao seu funcionamento, o protocolo FF pode ser dividido em três camadas: • A camada física

• A pilha de comunicação • A camada aplicação

Ele foi baseado no modelo OSI de comunicação com a diferença que o protocolo FF é mais simplificado, não possuindo as camadas 3, 4, 5 e 6, já que a camada equivalente a camada 7 do modelo OSI mapeia diretamente a camada de especificação de mensagens na camada delinkda dados. A Figura 2.9 mostra o que foi explicado.

Figura 2.9: Comparação OSIxFF. [Martins 2008]

de 1 a 2,5 Mbps, sendo que este não foi realmente implementado na indústria, além da existência do barramento HSE (High Speed Ethernet) de alta velocidade (100 Mbps) que é utilizado com osLinking Devices para se comunicar com o barramento H1. A Figura 2.10 ilustra a configuração de uma rede.

A camada de link de dados (2a camada) é responsável pelo gerenciamento das co-municações na rede. Ela realiza tal função através de um programa que agenda todas as comunicações de forma determinística chamado delink active scheduler(LAS ou em uma tradução literal, agendador delinkativo). Esse programa encontra-se dentro de dis-positivos dotados da capacidade extra de processamento e memória, chamados de Link Mastersou mestres de link. Os outros dispositivos que não possuem tal capacidade são chamados de dispositivos básicos. Além destes dois tipos de instrumentos, existe também osLinking Devicesque são instrumentos que além de possuir a capacidade de seremLink Masterspossuem a funcionalidade de interligar os segmentos H1.

Quando a rede industrial inicia seu funcionamento, o LAS monta uma lista com todos os instrumentos que estão na rede e o tempo em que esses instrumentos executarão suas funções e divulgarão seus dados. Esse processo chama-se escalonamento e determina quando os blocos de função dos instrumentos serão executados e quando ocorrerão as comunicações. Isso garante o determinismo da rede, proporcionando ao usuário saber de quanto em quanto tempo um dado será atualizado numa malha de controle ou em qualquer outro tipo de lógica alocada nos instrumentos [Martins 2008].

Figura 2.10: Estrutura de uma rede FF.

esta lista, determinando quando cada instrumento deverá transmitir seus dados. O

proto-colo Foundation Fieldbustrabalha com o esquema depublish/subscriber(esquema

pro-dutor/consumidor), onde cada dispositivo pode publicar seus dados na rede e aqueles que os necessitam, realizam a sua leitura, existindo dois tipos de comunicações na rede, a síncrona e a assíncrona.

A comunicação síncrona é a que leva em consideração a ordem de publicação dos dados, de acordo com o agendamento realizado pelo LAS. A comunicação Assíncrona

é realizada entre as comunicações síncronas, pois, quando um instrumento está

proces-sando a informação recebida da rede, esta fi ca ociosa, então o LAS permite que outros

instrumentos possam utilizá-la para enviar pacotes de dados, como por exemplo, pacotes

de monitoração de funcionamento dos dispositivos, de confi guração, entre outros.

Ao terminar a transmissão de todos os pacotes de todos os instrumentos, o LAS

ve-rifi ca se existem novos dispositivos na rede enviando, para outros endereços da rede, pacotes PN (Probe Node) e existindo novos dispositivos, estes deverão responder com um pacote PR (Probe Response), fazendo com que o LAS os adicione na Live List.

Termi-nando essas tarefas o LAS reinicia a função de percorrer a lista vital [Duarte et al. 2003]. Esse ciclo, realizado pelo LAS que percorre a lista vital, executando o escalonamento das comunicações e esperando a execução das funções de cada instrumento, se chama

macro ciclo e é de suma importância a determinação do tempo deste ciclo na criação das

execução de uma ação pelo atuador).

As funções do agendador delink(LAS) basicamente são:

• Percorrer a lista vital e determinar que instrumento irá transmitir seus dados em que tempo.

• Manter a lista vital, verifi cando a existência de novos dispositivos ou a remoção de algum.

• Sincronização do relógio dos dispositivos, para que eles possam se comunicar no tempo certo.

• Envio do sinal de passagem, onde cada dispositivo pode enviar dados entre as

co-municações agendadas no macro ciclo (coco-municações assíncronas).

A camada de aplicação do usuário não é defi nida no modelo OSI, mas foi defi nida no

protocolo FF e é onde o usuário pode desenvolver as suas lógicas de controle e

monitora-ção.

Ela é um dos aspectos mais importantes deste protocolo, sendo baseada nos blocos funcionais, permite a criação de diversas lógicas e a interoperabilidade de instrumentos e lógicas.

Blocos Funcionais

A Figura 2.11 mostra como é formada esta camada.

Figura 2.11: Arquitetura e organização do FF. [Martins et al. 2008]

Os blocos funcionais ou blocos de função são blocos com funções pré-definidas en-capsuladas em um objeto desoftware. Eles são totalmente transparentes para o usuário, que não tem acesso ao seu funcionamento (o código fonte do bloco). Cada bloco é dotado

de entradas, saídas e parâmetros internos que podem ser ajustados pelo usuário.

recurso), Transducer Blocks (blocos transdutores) e Function Blocks (blocos de função) [Duarte et al. 2003].

Os blocos de recursos descrevem as características físicas do instrumento como ID do fornecedor, versão do dispositivo, capacidade de memória, data de revisão entre outras. Eles podem ser visualizados, mas não podem fazer parte das lógicas de controle efetuadas pelo usuário nem serem escalonados para a execução pelo LAS.

Os blocos transdutores são os blocos que interligam os blocos de função aos sensores e ou atuadores do instrumento, realizando a tarefa de conformar os sinais vindos do sensor (ou que vão para o atuador) para a escala padrão do instrumento, podendo trabalhar em velocidade superior a dos blocos de função. Da mesma forma que os blocos de recursos, eles não podem ser visualizados, fazer parte das lógicas de controle criadas pelo usuá-rio nem ser escalonado para a execução, mas podem até ter alguns de seus parâmetros modificados (no caso de calibração do sensor, por exemplo).

Os blocos de função são os blocos que permitem a criação de lógicas de controle por parte do usuário. Cada bloco realiza uma função diferente, possuindo uma ou mais entradas e saídas e são devidamente escalonados pelo LAS, determinando seu tempo de execução em um macro ciclo.

Existem diversos blocos de função, pois cada fabricante pode criar seus próprios blo-cos sob as normas do protocolo, mas as especificação do protocolo FF define os principais blocos que devem existir de forma a permitir a utilização das funcionalidades básicas em uma planta industrial. A Tabela 2.1 exibe alguns exemplos de blocos bem como aqueles que são utilizados neste trabalho.

Sigla Descrição do bloco

AI Analog Input (Entrada analógica). AO Analog Output (Saída analógica).

ARTH Arithmetic (Aritmético).

CHAR Signal Characterizer (Caracterizador de sinais).

CT Constant (Constante).

DI Discrete Input (Entrada discreta). DO Discrete Output (Saída discreta). ISEL Input Selector (Seletor de entrada).

PID Proportional/Integral/Derivative (Proporcional/Intergral/Derivativo). Tabela 2.1: Principais blocos funcionaisFoundation Fieldbus.

[Smar 2005]

Linking Device

por possui a implementação do LAS. Da mesma forma que os dispositivos de campo, ela também deve ser configurada através de blocos funcionais, podendo inclusive participar das malhas de controle, possuindo uma capacidade maior de memória para alocação dos blocos funcionais.

Cada instrumento de campo pode armazenar no máximo 20 blocos funcionais, en-quanto a DFI pode armazenar até 100 blocos, sendo útil para a criação de lógicas de con-trole grandes e complexas. Como trabalha comobridgeHSE, tem seu próprio endereço IP e utiliza, como sistema de comunicação neste nível, o OPC, sendo então responsável por encapsular os dados de comunicação dos dispositivos de campo em datagramas ethernet 100BaseT sobre protocolos UDP e IP.

OPC

Por causa do crescente aumento de fabricantes de dispositivos industriais surgiu o problema da desconexão dos sistemas dentro de uma mesma empresa. Equipamentos di-ferentes trabalham comdriversde comunicação diferentes, necessitando que o software supervisório possuísse cadadriverde cada dispositivo que iria monitorar no chão de fá-brica (Figura 2.12), o que implica em um grande esforço humano na programação de cada driverpara cada dispositivo, o que muitas vezes não era realizado, levando o usuário final (o dono da empresa ou o projetista/engenheiro responsável) a comprar equipamentos e softwares de uma mesma empresa, mesmo que estes não atendessem às suas expectati-vas, só para garantir a compatibilidade e transferência de dados entre os dispositivos e o softwaresupervisório.

Figura 2.12: Modelo antigo com umdriverpara cada dispositivo.

for Process Control ou OLE para Controle de Processos. Baseado nas tecnologias Mi-crosoft OLE COM (Component Objetc Model) e DCOM (Distributed Component Object Model), o OPC é um conjunto comum de interfaces, métodos e propriedades de comuni-cação, agregados dentro de uma especificação padronizada e aberta para acesso público [Puda n.d.].

AMicrosoft teve a ideia de criar um sistema que permitisse o compartilhamento de dados entre softwares diferentes de maneira mais prática, utilizando objetos. Cada ob-jeto seria como uma instância do próprio software, que poderia ser chamado de dentro de outro programa, acessando métodos do objeto referente a funcionalidades dosoftware instanciado ou mesmo, dados dele. Essa é a ideia por trás do OLE COM. Um exemplo disso é quando se cria uma tabela Excel dentro do Word, onde a tabela do Excel abre uma pequena janela onde o próprio Excel é visto em execução, com todas as suas funcionali-dades, mas estando dentro do software Word. O que realmente acontece neste caso é que o usuário criou um objeto Excel dentro do Word e pode manipulá-lo como se estivesse realmente dentro do Excel.

O DCOM é apenas uma extensão do COM, mas agora sendo utilizado em um am-biente de rede, quando os objetos estão distribuídos em máquinas diferentes. Como essa tecnologia gerou bons resultados para os sistemas operacionais daMicrosoft, ela começou a ser estuda e adaptada para os sistemas industriais, surgindo assim o OPC. Com o OPC, as diferentes empresas necessitam agora apenas criar seus dispositivos e seus servidores OPC e com isso, os sistemas supervisórios passaram a ser clientes OPC, desaparecendo a necessidade de se criardriverspara cada instrumento de campo. A Figura 2.13 exempli-fica isto.

Figura 2.13: Simplificação proporcionada pelo OPC.

ou em rede e um ou vários clientes OPC (os sistemas supervisórios) que requisitam tais dados. Essa é a forma que a DFI trabalha. Junto com o dispositivo é fornecido o seu softwarede configuração (e de configuração de blocos funcionais dos instrumentos) que já tem seu servidor OPC. Esse servidor, depois de instalado na máquina, faz a leitura dos dados da(s) rede(s) ligada(s) à DFI (leitura dos sensores, posição dos atuadores, alarmes e etc.) e disponibiliza para qualquer cliente OPC que se conecte a ele.

Isso permite a escolha de qualquersoftwaresupervisório que trabalhe com tal tecno-logia (a maioria senão todos os supervisórios encontrados nos dias hoje), levando apenas em consideração as funcionalidades de cada um (facilidade de utilização, interface grá-fica, nível de segurança entre outras).

2.2

Lógica

Fuzzy

O termo lógica foi criado por Aristóteles, com contribuições de Platão e Sócrates, filósofos gregos, que de forma contínua desenvolveram este princípio. Sócrates propôs uma forma de se investigar o pensamento, que foi utilizado por Platão, seu discípulo, em diálogos para defender seu mestre e, posteriormente, Aristóteles desenvolveu as regras para o pensamento. Estes estudos no campo da lógica continuaram até os dias de hoje, com notáveis contribuições. Uma delas foi a do matemático inglês Boole, no século XIX, que estudou e empregou com sucesso as ideias algébricas no domínio da lógica, definindo uma matemática abstrata [Weber & Klein 2003].

Dessa forma, afirmações lógicas passaram a utilizar formalismo matemático, sendo calculadas de forma algébrica e obtendo resultados bem definidos para afirmações (ver-dadeiro ou falso, alto ou baixo, quente ou frio, pertence ou não pertence a um conjunto). A álgebra booleana é binária, pois reduz as afirmações a apenas verdadeiro ou falso, ou no caso de sistemas computacionais, 1 ou 0 relativos aos bits. Isso também reduz à utilização dos conectivos OU, E e NEGAÇÃO com diversos circuitos lógicos que implementam tais conectivos, chamados de portas lógicas.

Mas em alguns tipos de problemas, ter apenas duas possibilidades (verdadeiro ou falso, por exemplo) não satisfaz completamente a resposta do problema. Valores interme-diários a estes dois seriam respostas melhores, sendo que no caso dos sistemas computa-cionais isso levaria a utilização de circuitos analógicos para conseguir valores entre 1 e 0, levando a aumentar a complexidade dos circuitos em geral.

As afirmações para as quais não se pode ter muita certeza necessitam de uma modela-gem diferenciada. Pode-se dizer que ira chover hoje, mas posso afirmar isto com um grau de certeza de 0.8, por exemplo, tomando como base que a certeza completa é grau 1.0. Este tipo de situação é um modelo de lógicaFuzzy. A lógicaFuzzyopera com propostas que podem ser verdadeiras com grau de certeza de 0 a 1 [Weber & Klein 2003].

suas próprias palavras, apresentassem “sentimentos matemáticos humanísticos” [Weber & Klein 2003].

Um objetivo da lógica Fuzzy é fazer computadores “pensarem” como pessoas. Ela pode lidar com a incerteza intrínseca ao pensamento humano e da linguagem natural e reconhecer que ela é naturalmente diferente da aleatoriedade. Usando algoritmos com ló-gicaFuzzypode-se permitir que máquinas compreendam e respondam conceitos humanos vagos como quente, frio, grande, pequeno e etc. podendo também prover uma abordagem relativamente simples de se chegar a conclusões definidas a partir de informações impre-cisas [Ibrahim 2004]. Por exemplo, o conjunto de pessoas que tem dinheiro para comprar um carro à vista é bem definido, sem ambiguidades, pois cada pessoa deverá possuir uma quantidade igual ou superior ao valor do carro para comprá-lo. Logo, se o conjunto A de pessoas que podem comprar um carro à vista esta contido no conjunto universo U de todas as pessoas que possuem renda, podemos definir a função característica (função na lógica tradicional que relaciona os elementos com o conjunto) de um indivíduo x∈U como:

γA(x) =

(

1 se x∈A

0 caso contrário (2.1)

Neste caso a função característicaγ(.) sempre assumirá os valores 0 ou 1, mas quando A é um conjunto Fuzzye x é um objeto relevante, a proposição "x é membro de A"não é necessariamente verdadeira ou falsa, como requerido numa lógica de dois valores, mas pode ser somente verdadeira para algum grau, o grau para o qual x é atualmente um membro de A. Desta forma, está função passa a ser chamada de função de pertinência, denotada como µ(.), que mostra o grau com que uma variável se relaciona com o con-junto. É muito comum, mas não necessário, expressar graus de funções de pertinência em conjuntosFuzzy, bem como os graus de verdade associados as proposições, por números no conjunto fechado [0,1][Klir & Yuan 1995].

Um exemplo de conjunto nebuloso seria o das pessoas que acham caro ou barato os preços de um carro popular (que deve ser, por exemplo, em torno de R$ 23.000). A variável agora seria o preço e ela poderia assumir os seguintes valores:

P=p0 (muito barato), p1(barato), p2(normal), p3(caro) e p4(muito caro) (2.2) Ao se entrevistar pessoas na rua poderia-se obter a Tabela 2.2 abaixo:

P Valor

linguístico Preços dos carros

p0 Muito

Barato 19.000 19.000 20.000 21.000

p1 Barato 20.000 21.000 22.000 23.000

p2 Normal 22.000 22.000 23.000 24.000

p3 Caro 23.000 24.000 25.000 26.000

p4 Muito caro 25.000 26.000 26.000 27.000

Montando-se as curvas das funções de pertinência obteríamos a Figura 2.14.

Figura 2.14: Funções de pertinência para o exemplo do carro.

Os conjuntosFuzzyfacilitam a transição gradual entre estados e, consequentemente,

possuem a capacidade natural para expressar e tratar incertezas de observações e medi-ções, o que os conjuntos definidos (crisp) não podem fazer. Embora os conjuntos

defini-dos estejam matematicamente corretos, eles são irrealistas frente a medições com erros [Klir & Yuan 1995]. A Figura 2.15 ilustra a diferença entre conjuntosFuzzye Defi nidos (com seus respectivos valores linguísticos).

Figura 2.15: ConjuntosFuzzyx Conjuntos definidos.

[Klir & Yuan 1995]

Pode-se perceber que se a variável se aproximar da fronteira de decisão entre dois determinados conjuntos (por exemplo, entre os conjuntosLOW eMEDIUM), no caso dos

entre um conjunto e outro. Já no caso dos conjuntos Fuzzy, uma pequena variação na medição não afetaria o sistema, já que o que iria se alterar seriam apenas os graus de verdade para as duas funções, mas elas continuariam sendo verdade.

As variáveis linguísticas vistas na Tabela 2.2 são elementos simbólicos utilizados para descrever o conhecimento, pois a lógicaFuzzyas utiliza no lugar de variáveis numéricas. Elas são associadas a conjuntos Fuzzy (ou funções de pertinência) relacionando a es-ses termos linguísticos, os graus de pertinência, possibilitando um significado numérico [Weber & Klein 2003].

Utilizando-se da ideia de termos linguísticos, pode-se definir sentenças lógicas con-dicionais do tipo “Se premissa então conclusão”. Continuando no exemplo dos preços do carro popular, digamos que os valores linguísticos relativos ao preço são as entradas do processo de compra de um carro e a saída seria as variáveis linguísticas relativas ao interesse na compra, denotado por I. Então, um exemplo de uma sentença seria:

Se (P é barato) então (I é alto) (2.3) Na lógica tradicional as operações lógicas realizadas com conjuntos (criando sen-tenças compostas para as premissas, por exemplo) utilizam operadores lógicos como E (Intersecção), OU (União) e NEGAÇÃO (complemento). Como na lógicaFuzzy, os con-juntos são nebulosos, foram definidas novas formas de realizar estas operações, que são basicamente divididas em duas classes: As normas (usadas para intersecção) e as t-conormas (usadas para a união). As principais t-normas e t-t-conormas são exibidas na Tabela 2.3 e de forma gráfica, sobre conjuntos com funções de pertinência triangular, na Figura 2.16.

t-norma t-conorma Nome

min(a,b) max(a,b) Zadeh

a.b a+b-ab Probabilística

max(a+b-1,0) min(a+b,1) Lukasiewicz

  

 

a se b=1 b se a=1 0 senão     

a se b=0 b se a=0 1 senão

Weber

Tabela 2.3: Principais t-normas e t-conormas. [Sandri & Correa 1999]

A NEGAÇÃO ou complemento é dada pelo principal operador: A=1-A.

2.2.1

Controlador

Fuzzy

Figura 2.16: Principais t-normas e t-conormas. [Sandri & Correa 1999]

ou transformada Z. Para isso, cada parte do processo a ser modelado deve ser conhecida para que a modelagem possa ser a mais fiel possível. Isso muitas vezes não é possível, pois muitas variáveis do mundo real, que influenciam direta ou indiretamente o processo, não podem ser quantificadas e outras são totalmente desconhecidas ou mesmo, a modelagem completa do sistema leva à equações extremamente grandes e complexas. Um exemplo disso é a temperatura em um processo, que pode variar de uma área para outra por causa da presença ou ausência de proteção contra o sol nestes locais e que muitas vezes não é considerada no modelo.

Por estes e outros motivos que modelos de processos são na maioria das vezes repre-sentações mais simplificadas, que possam levar o projetista a uma análise do processo o mais próximo possível do real, mas no final, a própria experiência dos operadores do processo é que permite a sintonia fina dos controladores. Os operadores, analisando o processo durante dias, meses ou até anos, acabam por descobrir determinadas particulari-dades do seu funcionamento (variações com chuva, sol, vento, calor, frio, estações do ano e etc.) e baseados nessas analises determinam a melhor sintonia para os controladores.

A ideia básica em controle Fuzzy é modelar as ações a partir de conhecimento es-pecialista, ao contrário de modelar o processo em si. Esta abordagem é diferente dos métodos convencionais de controle de processos, onde os mesmos são desenvolvidos via modelagem matemática [Pagliosa 2003].

As técnicas de controladores nebulosos originaram-se com os trabalhos propostos por Mamdani [Mamdani 1974], que após inúmeras tentativas frustradas de controlar uma máquina a vapor com tipos distintos de controladores, inclusive o PID (Proporcional, Integrativo e Derivativo), somente conseguiu fazê-lo através da aplicação do raciocínio Fuzzy[Weber & Klein 2003].

Figura 2.17: Estrutura do controladorFuzzy.

Funções de pertinência

Para iniciar a criação do controlador Fuzzy, é necessário antes montar os conjuntos Fuzzy (as funções de pertinência) que serão utilizadas tanto na entrada do controlador (estágio de Fuzzyficação) quanto na saída do controlador (estágio de Desfuzzyficação). Para isso é levantado primeiramente as variáveis linguísticas que serão utilizadas, sendo depois divididos os conjuntos relativos a estas variáveis.

Existem diversos métodos encontrados na literatura, como por exemplo, em [Klir & Yuan 1995], são definidos dois métodos de construção das funções de pertinência: o método direto e o método indireto. No método direto, o especialista é quem deve informar todos os dados das funções de pertinência (quem são os valores que representam cada função e o grau de pertinência, dentro da função, de cada um deles) de forma a defini-las explicitamente. Já no método indireto, as informações fornecidas pelos especialistas são mais simples, como a comparação entre os elementos dentro do conjunto, e partir destas informações são calculados os graus relativos a cada variável.

Base de regras

Como vista na Figura 2.17 a base de regras é utilizada na segunda fase do controla-dor, pois a partir dela é que podem ser realizados os cálculos referentes às entradas do controlador.

Essa base de regras também é montada através do conhecimento do especialista, que no caso de uma indústria, pode ser um operador da planta, um engenheiro ou qualquer outra pessoa que esteja ligada diretamente com o processo e que possua grande conheci-mento teórico e empírico de seu funcionaconheci-mento. Ele determina qual ação deve ser tomada para determinada entrada, mapeando a entrada, que seria uma variável linguística, numa saída, outra variável linguística.

A base de regras é montada utilizando sentenças condicionais com a seguinte estru-tura:

Se <premissas> Então <conclusão> (2.4) Um exemplo desse tipo de regra para o controle de freio de um carro para não bater num objeto a frente seria:

A quantidade de regras varia de um controlador para outro (com a quantidade de en-tradas e saídas), mas deve existir uma quantidade suficiente de forma que possa abranger todas as possíveis combinações das entradas e saídas, pois do contrário, pode acontecer uma combinação de entradas em que o controlador não saberá exatamente o que fazer. Outra coisa que deve ser analisada é a consistência das regras que não devem conter con-tradições, ou seja, uma regra mandando abrir uma válvula para um determinado conjunto de entradas e outra regra mandando fechar a mesma válvula com o mesmo conjunto de entradas.

Estágio de Fuzzyficação

O estágio de Fuzzyficação é o primeiro estágio do controladorFuzzye é responsável por normalizar as variáveis de entrada no universo de discurso (universo do problema), identificando a qual ou quais conjuntosFuzzyelas pertencem, atribuindo o grau respec-tivo de cada pertinência (o µ(.)). Os conjuntos Fuzzy, representados pelas funções de pertinência, devem ser ajustados sobre o universo de discurso de maneira a cobri-lo com-pletamente.

Existem várias funções de pertinência, mas as mais utilizadas são as de forma trian-gular, trapezoidal, gaussiana e sino como exibidas na Figura 2.18.

O valor da pertinência é obtido pelo mapeamento x-y da função de pertinência, ou seja, o eixo x corresponde ao universo de entrada do sistema e o eixo y, indica o grau de correspondência com o conjunto nebuloso, que será utilizado nos próximos estágios do controlador. Um exemplo disso pode ser visto na Figura 2.19.

Estágio de inferência

Neste estágio, as entradas são analisadas para gerar o conjunto nebuloso de saída com seu respectivo grau de compatibilidade. Na literatura existem dois modelos de controlador que são muito utilizados: o proposto por Mamdani [Mamdani 1974] e o proposto por Takagi e Sugeno [Takagi & Sugeno 1985].

No modelo de Mamdani, de posse dos dados (oµ(.) de cada regra ativada), o sistema de inferência determina o grau de compatibilidade da premissa das regras contidas na base de regras. Neste caso o grau de compatibilidade da regra é calculado usando a t-norma descrita por Zadeh [Zadeh 1965], ou seja, é utilizado o min no caso de um “e” entre as cláusulas da premissa.

Após isso, determinam-se quais regras foram ativadas (através da base de regras) e aplica-se, à função de pertinência de saída, o grau obtido nas premissas, restando unir todas as conclusões (os conjuntos nebulosos de saída ativados e seus respectivos graus de compatibilidade) em um único conjunto nebuloso de saída (CS). Neste cálculo utiliza-se a t-conorma também de Zadeh (o max para o “ou”) entre os valores de cada regra.

Figura 2.18: Principais funções de pertinência. [Pagliosa 2003]

Figura 2.19: Exemplo de obtenção do grau de pertinência.

estritamente monotônica para gerar a sua conclusão. Essa função é uma combinação

linear das entradas onde cada parâmetro é uma constante.

Com isso, cada regra obtém uma resposta definida para o conjunto de entradas, res-tando apenas gerar a interpolação que nada mais é do que uma media aritmética

ponde-rada, onde os pesos são os próprios graus de compatibilidade das entradas em cada regra [Sandri & Correa 1999]. As Figuras 2.20 e 2.21 ilustram esses dois tipos de controladores.

Figura 2.20: Inferência através de Mamdani. [Sandri & Correa 1999]

Figura 2.21: Inferência através de Takagi e Sugeno. [Sandri & Correa 1999]

Estágio de Desfuzzyfi cação

O estágio de desfuzzyfi cação existe apenas em controladores como o proposto por