8º CONGRESSO IBEROAMERICANO DE ENGENHARIA MECANICA
Cusco, 23 a 25 de Outubro de 2007
SISTEMA ESPECIALISTA, BASEADO EM REGRAS A PARTIR DA FMEA, PARA
AVALIAÇÃO DE SAÚDE DE EQUIPAMENTOS DE MALHAS INDUSTRIAIS
Tonaco Rosimarci Pacheco * Fernandes Luciana *, Álvares Alberto José *
* Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, Curso de Sistemas Mecatrônicos. Campus Universitário Darcy Ribeiro, 70910-900 – Asa Norte – Brasília – DF, Brasil.
*e-mail: (rosimarci@gmail.com, luciana.lpf@gmail.com, álvares@alvarestech.com)
RESUMO
O presente trabalho tem o objetivo de apresentar um sistema especialista que realiza a avaliação de saúde dos equipamentos da Planta Didática III da Smar usando a metodologia FMEA. O sistema permite a monitoração dos equipamentos, que estão presentes na Planta, com o intuito de avaliar a saúde dos mesmos. O objetivo da Planta Didática III da Smar é demonstrar a operação das diversas malhas de controle usando equipamento e ferramentas de configuração, em software, desenvolvidos para controle industrial. A Planta Didática II da Smar é monitorada e operada por um microcomputador do tipo PC e um software supervisório Assetview que efetua a aquisição de dados dos equipamentos. O sistema proposto comtém: a) uma base de regras, b)uma base de dados, c) um módulo de raciocínio do sistema especialista. O desenvolvimento do sistema permite verificar a facilidade de implementar sistemas especialistas. A FMEA (Failure Mode and Effect Analysis) foi confeccionado para determinar as possíveis causas, modos e efeitos de falhas nos equipamentos que compõem o sistema de aquecimento de água da Planta. Torna-se possível, então, com o FMEA, criar uma base de regras que será responsável por avaliar a saúde do equipamento – realizada por monitoração dos dispositivos Fieldbus – e indicar em que equipamento deve-se realizar manutenção. A base de regras está contida no sistema especialista.
INTRODUÇÃO
Manutenção é toda ação realizada em um equipamento, conjunto de peças, componentes, dispositivos, circuito ou estrutura que se esteja controlando, mantendo ou restaurando, a fim de que o mesmo permaneça em operação ou retorne a função requerida, ou seja, o conjunto de condições de funcionamento para o qual o equipamento foi projetado, fabricado ou instalado (Moubray, 2007). A literatura oferece algumas ferramentas de manutenção. Dentre elas pode-se citar:
• Manutenção Preditiva: manutenção baseada em condição (contínua e periódica), a partir das grandezas monitoradas por um sistema de supervisão e controle, complementada por informações de inspeções periódicas, para realizar o diagnóstico e o prognóstico de falhas.
O objetivo do presente trabalho é apresentar um Sistema Especialista que realize a manutenção preditiva dos equipamentos da Planta Didática responsáveis pelo processo de aquecimento da água presente na Planta. A Planta Didática utiliza instrumentação Fieldbus (Smar, 2006), a qual será utilizada para monitorar os equipamentos presentes na Planta, com o intuito de identificar alguma variação nas grandezas monitoradas pelos sensores e evitar que falhas ocorram nos equipamentos.
O FMEA (Failure Mode and Effect Analysis) foi confeccionado para determinar as possíveis causas, modos e efeitos de falhas nos equipamentos que compõem o sistema de aquecimento de água da Planta. Torna-se possível, então, com o FMEA, criar uma base de regras que será responsável por avaliar a saúde do equipamento – realizada por monitoração dos dispositivos Fieldbus – e indicar em que equipamento deve-se realizar manutenção. A base de regras está contida no sistema especialista.
O sistema especialista apresentado no trabalho avalia os valores das grandezas escalares monitoradas por dispositivos que medem temperatura, comparando-os com valores considerados ideais para o funcionamento da Planta definidos pelo programador. Com a monitoração pelos dispositivos sensores é possível saber quando há alguma alteração dos valores pré-definidos. Essa alteração de valores pode indicar algum problema em determinado equipamento, possibilitando prever uma falha neste equipamento. Isso acarreta menor tempo de parada para manutenção e, consequentemente, uma economia dos recursos.
O presente artigo está dividido da seguinte forma: a seção 2 fala sobre sistemas especialistas, a seção 3 apresenta a Planta Didática III da Smar. Não seção 4 é apresentado o FMEA da planta, bem como uma breve explicação do mesmo. A seção 5 explica a metodologia que será utilizada para o desenvolvimento do sistema, e a seção 6 apresenta a arquitetura do sistema proposto. Por fim serão apresentadas na seção 7 as conclusões e propostas para trabalhos futuros.
SISTEMAS ESPECIALISTAS
Sistemas Especialistas são sistemas que solucionam problemas que são resolvíveis apenas por pessoas que acumularam conhecimento exigido, peritos. O conhecimento que será adquirido pelo sistema é a fonte de raciocínio do mesmo (Russel and Norvig, 2003). Para representar esse conhecimento a literatura oferece várias linguagens de representação do conhecimento, tais como regras de produção, redes semânticas dentre outras. Nesse trabalho, será utilizada a regra de produção como linguagem de representação do conhecimento.
Um sistema especialista possui uma máquina de inferência que é responsável por processar o raciocínio. O processamento do raciocínio compreende a avaliação do problema novo de acordo com o conhecimento armazenado no sistema. Tal raciocínio é realizado pela máquina de inferência do sistema. Uma máquina de inferência pode ser implementada usando heurísticas próprias, entretanto, isso não é trivial. A literatura já oferece ferramentas para desenvolvimentos de sistemas inteligentes, sendo o Jess (Java Expert System Shell) uma delas (Friedman-Hill, 2003).
O Jess é uma biblioteca de funções feita na linguagem de programação Java e foi desenvolvida para a implementação de sistemas especialistas baseados em regras (Friedman-Hill, 2003). Um sistema baseado em regras possui uma base de regras, na qual o conhecimento é armazenado e a cada problema novo (ou entrada) realiza a consulta à base de regras para resolver a nova situação. A base de regras do sistema desenvolvido pode ser composta por milhares de regras. O processamento dessas regras pode se tornar ágil com o uso do Jess, pois este foi desenvolvido especificamente para essa função, de forma a otimizar o processamento inteligente. Para realizar o processamento inteligente existe uma classe, chamada “Rete”, que é responsável por fazer o trabalho da máquina de inferência do sistema especialista.
A base de regras é gerada em uma linguagem declarativa (conhecida como CLIPS). As linguagens declarativas são a forma mais próxima da linguagem natural, para a implementação de bases de regras e são utilizadas para solucionar problemas que envolvem controle, diagnóstico, predição, classificação e reconhecimento de padrões (Friedman-Hill, 2003).
A arquitetura de um sistema baseado em regras típico pode ser visualizada na figura 1, adaptada de (Friedman-Hill, 2003.
Figura 1: Arquitetura de um sistema especialista que utiliza o Jess, adaptado de (Friedman-Hill, 2003).
A máquina de inferência é responsável por receber da memória de trabalho, os fatos da base de regras e as entradas. Em seguida, realiza o teste das entradas de acordo com as regras fornecidas pelo programador e manda o resultado para a agenda, a qual enviará o mesmo para a máquina de execução. A máquina de execução é responsável por realizar o raciocínio que resolve o problema em questão (Friedman-Hill, 2003).
PLANTA DIDÁTICA III DA SMAR
O objetivo da Planta Didática SMAR é demonstrar a operação das diversas malhas de controle utilizando equipamentos e ferramentas de configuração, em software, desenvolvidos para aplicação em controle industrial. A Planta Didática é monitorada e operada de uma estação, constituída de um microcomputador do tipo PC e um software de supervisão, que efetua a aquisição de dados dos equipamentos e o apresenta por meio de animações de telas. Permite também atuar nos registros modificando valores internos dos equipamentos e nos modos operacionais das malhas de controle (Smar, 2003). A figura 2 apresenta a arquitetura da tecnologia Fieldbus, que é usada na Planta Didática, essa figura foi retirada de (Lages, 2006).
Figura 2: Arquitetura FieldBus, (Lages, 2006).
Na Planta, os valores de monitoração dos equipamentos podem estar armazenados em um Banco de Dados, ou podem ser acessados diretamente, via OPC (OLE for Process Control). Os equipamentos de fabricação Smar, podem ser acessados tanto via OPC como via banco de dados (Smar, 2003).
O objetivo do sistema especialista é monitorar os equipamentos da planta responsáveis por aquecer a água – tabela 1, verificando a saúde de cada um deles, com o intuito de alertar para possíveis falhas/faltas que poderão acontecer. Outro propósito é realizar a manutenção preditiva, que irá sugerir paradas para manutenção, de acordo com os problemas apresentados nos equipamentos. A figura 3 apresenta a Planta Didática III.
Teste Padrão Agenda (f1, f2) r1 … Máquina de Inferência Máquina de Execução (f1, f2) r1 … Memória de trabalho (Resistência de Imersão f1) Base de Regras ((defrule verify-temperature
"Verifica a temperatura da água dos dois tanques."
(Device
Figura 3: Planta Didática III da Smar.
FMEA DA PLANTA
O FMEA é uma ferramenta de gerenciamento de risco que tem por objetivo identificar os possíveis modos de falhas de um dado produto/processo e suas respectivas causas, bem como os efeitos dessas sobre o cliente (comprador, processo subseqüente, etc.) e, através de procedimentos apropriados, permite atuar sobre tais itens de forma a reduzir e/ou eliminar a chance de tais falhas virem a ocorrer. (Moreti and Bigatto, 2002).
Para a formação da base de regras do Sistema Especialista com vista à avaliação de saúde dos equipamentos, utilizamos dados obtidos através da confecção do FMEA de cada equipamento da Planta Didática. Com esses dados, pôde-se identificar as possíveis falhas de processo na Planta e propor regras de produção que comporiam a base de regras do sistema especialista. Essas regras ajudariam a identificar as falhas e a indicar os prováveis equipamentos responsáveis pelas falhas.
A malha de processo escolhida é aquela responsável por realizar o aquecimento da água circulante pela tubulação da Planta. Nessa malha, os equipamentos mais importantes são as resistências de imersão e o conversor estáticoA malha de aquecimento da água, com suas respectivas conexões e equipamentos, está disponível na figura 4.
Figura 4: Malha de processo que realiza o aquecimento da água da Planta.
As resistências ficam imersas em um tanque denominado tanque de aquecimento. Este tanque fica cheio de água, possibilitando o aquecimento da mesma por meio do aquecimento das resistências. O conversor estático é responsável por enviar o sinal de alimentação (fase) para as resistências. A alimentação de potência de é composta por 2 fases sendo uma delas o sinal neutro. Esse sinal é primeiramente transmitido para o Painel da Planta. A alimentação do painel só é permitida com a mudança do disjuntor monopolar D3 para a posição fechado. A partir desse painel, é enviado o sinal de fase e de neutro para a régua de borne RB-AL3, onde ocorre a distribuição do sinal de alimentação de modo a permitir o funcionamento do conversor e das resistências. Para que seja possível essa distribuição do sinal de alimentação o disjuntor bipolar D3 deve esta na posição fechado. Em condições ideais o conversor e as resistências estão ao mesmo instante alimentados.
A tabela 1 mostra o FMEA da malha de aquecimento, indicando para cada componente da malha, as possíveis falhas, causas de falhas e modos de falhas.
Tabela 1: FMEA da malha de aquecimento da Planta Didática.
Falha básica no disjuntor
Falha básica no disjuntor
Nâo se consegue desligar a alimentação de fase e neutro para a régua de borne RB-AL3 manualmente Não há funcionamento do conversor estático e das resistências - não há
alimentação fase e de neutro. Disjuntor Monopolar
D3
Permite conduzir o sinal de alimentação entre alimentação de potência da Alimentação do Painel e a régua de borne
RB-AL3
Conexão curto-circuitada
Conexão em aberto Conversor estático
Falha básica no Borne R Falha básica no borne R1
Não há alimentação de fase no conversor estático Não há alimentação de neutro para as
resistências de imersão O conversor não funciona - não há alimentação de fase para o
conversor estático Conexão 1-2 curto-circuitada
Conexão 3-4 curto-circuitada
E utilizado para alimentar as resistências de imersão responsáveis por aquecer a
água
Borne R em aberto Borne R1 em aberto
Não há alimentação para resistências
Não há alimentação para o conversor estático e para as resistências de
imersão. Falha no disjuntor monofásico D3;
O disjuntor monofásico está na posição ABERTO Não existe alimentação para o
painel
Modo de Falha (porque falhou) Efeito de falha (O que acontece quando falha)
Não há aquecimento da água na Planta Didática
Não há alimentação no conversor
Função do Componente
Componente Falha Funcional
Disjuntor Bipolar D3
Permite conduzir o sinal de alimentação entre a régua de borne e o conversor estático e entre a régua de borne e os
bornes da régua de borne (controle de alimentação das
resistências) Régua de Borne
RB-AL3
Permite conduzir o sinal de alimentação entre o Painel e o
disjuntor bipolar
Alimentação do Painel
É responsável por alimentar o Conversor Estático e as resistências de aquecimento Resistências de Imersão Borne 1 aberto Provocam o aquecimento da água do tanque
Queima das resistências
Alimentação das resistências com o nível de água no tanque abaixo
do recomendado Falha no circuito de alimentação
das resistências Fim da vida útil
Sobrecarga de alimentação Resistências sem sinal de
alimentação
Não há alimentação para resistências Não há alimentação no conversor
Falha básica no disjuntor
Falha básica no disjuntor Falha básica no disjuntor
Falha básica no disjuntor Conexões mal ajustadas; Falha
básica do dipositivo
As resistências não funcionam - não há alimentação de fase para o
conversor estático Não se consegue desligar a alimentação de neutro para as
resistências manualmente Não se consegue desligar a alimentação de fase para o conversor
manualmente Borne 2 aberto Borne 3 aberto Borne 4 aberto Conexão 3-4 em aberto Conexão 1-2 em aberto METODOLOGIA
A metodologia escolhida para o desenvolvimento do sistema especialista foi o modelo CBM. O modelo OSA-CBM (Open System Architecture for Condition Based Maintenance) será utilizado como referência para o desenvolvimento do sistema de manutenção inteligente baseado em condição. Maiores detalhes sobre o modelo podem ser encontrados no site http://www.osacbm.org.
A arquitetura OSA-CBM consiste em sete camadas (fig. 5). A noção de uma arquitetura estendida em camadas usada aqui é consistente com o conceito usado em (Álvares, et. al 2006). Uma camada é vista como uma coleção de tarefas semelhantes ou funções em níveis diferentes de abstração.
As camadas hierárquicas representam uma transição lógica ou um fluxo da saída dos sensores para a camada de tomada de decisão, através das camadas intermediárias. A camada de apresentação é uma exceção dentro da arquitetura, pois permite comunicação ponto-a-ponto entre esta camada e qualquer outra.
O módulo sensor é responsável por adquirir do sistema os dados necessários para o processamento da informação relativo aos equipamentos conversor estático e resistência de imersão. Tais dados são disponibilizados pelos valores de leitura dos dois sensores de temperatura da água da Planta. Uma vez que não há leitura diretas provenientes de sensores para os equipamentos listados no FMEA, deve-se realizar uma avaliação indireta da saúde dos equipamentos da planta. Uma vez adquiridos os dados necessários, o módulo responsável pela manipulação dos mesmos executará a tarefa de pré-processamento (conversão de valores contínuos para valores discretos, por exemplo), extração das características importantes para o processo de raciocínio e posterior geração da base de dados com base nas informações conseguidas nas etapas anteriores (Álvares, et. al 2006). O módulo responsável por monitorar as condições, visa alertar para possíveis variações que possam causar danos ao processo. Essa monitoração é feita usando regras de produção. Um exemplo de regras de produção pode ser visto na figura 8.
A avaliação da saúde do equipamento ocorre através da extração das características de cada equipamento e posterior detecção de anomalias e diagnósticos dos mesmos. Para tanto, deve-se criar um conjunto de regras (ver figura 8) de produção que seja capaz de expressar e avaliar a saúde atual do equipamento, evitando, desta forma, uma possível falha/falta. Em seguida, um prognóstico é sugerido a partir das informações dos módulos anteriores. Este pode ser baseado em modelos pré-estabelecidos ou feito considerando as características encontradas na avaliação de condição/saúde. Uma vez sugerido o prognóstico, pode-se iniciar a etapa de tomada de decisão. Nesse módulo o sistema inteligente apresenta algumas sugestões para a solução do problema, cabe ao usuário tomar a decisão mais aplicada. Para permitir a comunicação entre homem e máquina, uma interface intuitiva será elabora. Isto visa facilitar o entendimento do processo que estará sendo executado pelo sistema inteligente (Álvares, et. al 2006).
Sistema Planta Didática Malha de aquecimento da água do tanque Aquisição de Dados Sensores de temperatura TIT-31 e TIT-32 Fieldbus Foundation da Smar Interface Homem-Máquina Manipulação Dos Dados Aquisição de Dados com OPC e SQL Grandezas escalares obtidas com os sensores de temperatura. Monitoração de Condição Regras de Produção Avaliação de Saúde Extração de características específicas dos componentes Detecção de anomalias e diagnóstico
Figura 5: Arquitetura OSA-CBM e suas 7 camadas.
Definidas as funções do sistema utilizando as sete camadas do modelo OSA-CIM, pode-se definir os módulos das camadas para o problema que será apresentado posteriormente nesse trabalho (Álvares, et. al 2006).
O sistema especialista apresentado no presente trabalho, não atende todas as camadas da arquitetura OSA-CBM, ele tem o objetivo de atuar nas camadas do módulo sensor, processamento de sinal monitoração de condição e avaliação de saúde. Vale ressaltar que a tecnologia Fieldbus já implementa o módulo sensor e o processamento de sinal.
Figura 6: Adaptação das 7 camadas OSA-CIM para o sistema inteligente proposto.
ARQUITETURA DO SISTEMA PROPOSTO
De forma geral, a figura 6, apresentada na seção anterior, mostra a arquitetura do sistema proposto. O processamento do sistema acontece da seguinte forma: o módulo responsável pelo processamento inteligente recebe as entradas dos sensores, que são armazenadas na memória de trabalho, tais entradas podem seriam adquiridas através da comunicação OPC. Esse módulo é responsável por todo o raciocínio do sistema, ele testa todas as entradas com o conhecimento que foi armazenado, e esse conhecimento compreende a base de regras. A figura 7 abaixo lista as etapas de desenvolvimento do sistema.
Figura 7: Etapas de desenvolvimento do sistema inteligente.
Definir TAG a ser monitorado
Conexão OPC Gerar base de dados a usando FMEA
Implementar processamento inteligente
A base de regras, que será utilizada no sistema, deve ser gerada na sintaxe aceita pelo Jess, essa sintaxe segue os padrões do CLIPS (Giarratano, 1998) (linguagem declarativa utilizada para o desenvolvimento de sistemas inteligentes, a base de regras é um arquivo do CLIPS, com extensão .clp). Assim, o Jess será capaz de carregar as regras e realizar o processo de inferência que fornecerá a solução mais provável. Um exemplo de regras, feito em Jess, pode ser observado na figura 8.
Para se verificar se que está havendo um aquecimento da água presente na Planta Didática, utilizam-se dois sensores Fieldbus de temperatura: TT 302. Para diferenciação dos valores de leitura de cada um, o sensor localizado no tanque 1 (tanque em que as resistências estão presentes) foi nomeado de TIT-31, e o sensor localizado no tanque de mistura (onde ocorre mistura da água quente com a água fria, tanque 2) foi nomeado de TIT-32. Esse padrão de nomeação é proveniente dos fabricantes. Os sensores fornecem dados de muitas outras variáveis, além daquelas de leitura da temperatura da água, tornando-se, necessário, selecionar as mais interessantes para a implementação do sistema aqui proposto. Dentre as selecionadas estão 31_TRD1.PRIMARY.VALUE.VALUE e TIT-32_TRD1.PRIMARY.VALUE.VALUE, que fornecem, respectivamente, os valores da temperatura da água do tanque 1 e da água no tanque 2; e 31_TRD1.PRIMARY.VALUE.STATUS e TIT-32_TRD1.PRIMARY.VALUE.STATUS, as quais fornecem, respectivamente, os valores de qualidade da leitura efetuada, indicando se houve, por exemplo, falha na conexão, o que torna inválido o dado lido.
O valor de temperatura que a água do tanque deve atingir foi definido na Planta como 40°C. Desta forma, para que esteja realmente ocorrendo um problema de aquecimento na planta os valores de leitura dos sensores de temperatura FieldBus (tanque de aquecimento (tanque 1) e tanque de mistura (tanque 2) devem indicar, ambos, que a temperatura da água está inferior a 35°C (temperatura razoável, pois a água deve ser aquecida a uma temperatura de 40°C). Além disso, os valores da qualidade de leitura devem ser confiáveis (GOOD 2 ou 3). Se forem 0 (BAD) ou 1 (UNCERTAIN) deve estar ocorrendo uma falha de leitura ou de transmissão do dado lido pelo sensor. A figura 10 mostra uma tabela de leitura dos dados dos sensores, obtida por conexão OPC, indicando o nome da variável e o seu respectivo valor.
Figura 8: Exemplo de regras de produção feitas para o Jess.
Os TAGs TIT-31_TRD1.PRIMARY.VALUE.STATUS e TIT-32_TRD1.PRIMARY.VALUE.STATUS indicam o status do sinal, esse valor não é o mesmo que está definido nas regras, entretanto os significado é equivalente. Essa diferença acontece porque os valores de leitura para a variável STATUS são formados por uma seqüência de bits. O valor mostrado na tabela é um valor decimal. Para a obtenção do valor desejado (0,1,2 ou 3), deve-se transformar o valor decimal em um valor binário. Os dois dígitos mais significativos, transformados em decimal, indicam o STATUS da leitura realizada pelo sensor.
Uma vez que comunicação OPC tenha sido executada com sucesso, o módulo responsável pelo processamento inteligente fará a avaliação da saúde dos equipamentos.
Para executar essa avaliação a base de regras será consultada. A base de regras contém fatos a respeito das condições de trabalho dos equipamentos, indicando os equipamentos que podem estar com defeito (no presente trabalho foi utilizado o TAG referente à temperatura da água). Um processo conhecido como “fire the rules” será executado, este consiste em avaliar as entradas de acordo com os fatos contidos na base de regras. Executado esse processo, o sistema terá condições de fornecer a saúde do equipamento que estará sendo analisado.
Para fornecer as condições de saúde dos equipamentos, o módulo de processamento inteligente precisará executar cinco passos, que podem ser vistos na figura 9:
import gov.sandia.jess.example.pricing.model.*) (deftemplate Device (declare (from-class Device))) (deftemplate Warning (declare (from-class Warning))) ;; Now define the rules themselves. Each rule matches a set ;; of conditions and actions.
(defrule verify-temperature
"Verifica a temperatura da água dos dois tanques." (Device {TIT-31_TRD1.PRIMARY.VALUE.VALUE < 35}) and
(Device {TIT-31_TRD1.PRIMARY.VALUE.STATUS = 2 | TIT-31_TRD1.PRIMARY.VALUE.STATUS = 3}) and
(Device {TIT-32_TRD1.PRIMARY.VALUE.VALUE < 35}) and
(Device {TIT-32_TRD1.PRIMARY.VALUE.STATUS = 2 | TIT-32_TRD1.PRIMARY.VALUE.STATUS = 3}) =>
add (new Warning "Possíveis equipamentos com falha:\ Resistência de Imersão;\ Conversor Estático.")))
Figura 9: Passos para a execução do processamento inteligente.
O resultado será um objeto na memória de trabalho, que corresponderá, ao equipamento que pode estar com defeito. As regras apresentadas na figura 8 foram elaboradas para as condições descritas nos parágrafos acima. A leitura dos sensores é realizada pela comunicação OPC e tais dados são fornecidos à máquina de inferência do Jess para serem avaliados de acordo com as regras apresentadas na figura 8. O objetivo é descobrir os equipamentos que apresentam defeito. O resultado será uma lista de equipamentos que podem estar apresentando falhas. Nesse exemplo, as condições de funcionamento estão dentro da faixa aceitável, que é maior que 35ºC, como pode ser visto na figura 8. O valor do TAG referente ao status, indica que o status do dado é confiável e pode ser considerado.
CONCLUSÕES E TRABALHOS FUTUROS
O desenvolvimento do sistema, até o atual momento, permitiu verificar a facilidade de implementar sistemas especialistas usando a biblioteca do Jess, pois esta oferece todas as classes e funções necessárias para o mecanismo de inferência. O desenvolvedor deve gerar a base de regras na linguagem entendida pelo Jess, sendo, que no presente trabalho, a base de regras foi gerada a partir do conhecimento adquirido com a elaboração do FMEA. A partir da base de regras e da máquina de inferência devidamente definida, o sistema executará o raciocínio.
Ampliando o sistema proposto obtido com a utilização de uma planta de processos didática, pode-se obter um sistema que seja passível de ser implementado em indústrias de grande porte, onde a regras poderiam chegar a milhares. O novo sistema auxiliaria na diminuição do tempo de manutenção, na medida em que indicaria os prováveis equipamentos avariados, evitando que o técnico de manutenção ficasse analisando cada equipamento na procura de defeitos.
Uma proposta para trabalhos futuros é aumentar a base de regras para aumentar a capacidade de raciocínio, desenvolver o módulo de comunicação OPC e a comunicação com o banco de dados, o qual contém as informações de saúde dos dispositivos sensores Fieldbus. A utilização dessa informação traria mais confiabilidade às leituras realizadas pelos sensores Fieldbus, pois, para validação dos dados lidos pelos sensores, seria fundamental, validar o sensor Fieldbus como saudável.
REFERÊNCIAS
1.. A. J. Álvares; E. A. Siméon; R. P. Tonaco Sistema de Manutenção Baseada Em Condição Para Usina
Hidrelétrica de Balbina, Congresso de Computación Aplicada, CAIP. Assunción, Paraguai, 2007.
M. Deitel, P. J. Deitel Java: Como Programar. 4ª ed. Editora Bookman, 2003
2. FRIEDMAN-HILL, E. Jess in Action: Rule-Based Systems in Java. 1ª ed. Editora Manning. Greenwich, CT 2003.
3. J. Giarratano CLIPS: User’s Guide. Versão 6.10, 1998.
4. W. F. Lages FieldBus Foundation: dedicated to a single international fieldbus. Slides de aula, 2006.
5. J. MoubrayRCM II: Manutenção centrada em confiabilidade. Grã Bretanha: Biddles Ltd.,Guilford and King's Lynn, 2000. Edição Brasileira.
6. S.Russel; P.Norvig Inteligência Artificial. 2ª ed. Editora Campus, 2003 7.SMAR (2006). Manual de operação Planta Didática III. 127 p.
8. SMAR (2001). Equipamentos de Campo série 302 Foundation. Manual de instalação, operação e manutenção. 42 p.
9. D. C.Moreti; B.V.Bigatto Aplicação do FMEA: estudo de caso em uma empresa do setor de transporte de cargas. 10. OPC Foundation (1998). OPC Overview, disponível em http://www.opcfoundation.org/ (25 may. 2007)
11. C.Emmanouilidis; E.Jantunen; J.Macintyre Flexible software for condition monitoring, incorporating novelty
detection and diagnostics. Computers in Industry, Article in Press, 2006. Disponível em:
www.elsevier.com/locate/compind.
12. F. E.Ciarapica; G.Giacchetta Managing the condition-based maintenance of a combined-cycle power plant:
An approach using soft computing techniques. Journal of Loss Preventions in the process industries. 2006.
Disponível em: www.elsivier.com/locate/jlp.
Criar instância da classe “Rete”
Reiniciar a “engine” para novo processo de inferência
Carregar arquivo de
