Sistema inteligente para gerenciamento de elevadores
prediais.
Daniel Paiva Fernades1, Yasmin Bacha Castro1 1Universidade Federal de Itajubá (UNIFEI).
{ daniel.paivafernandes@gmail.com, yasmin95bacha@hotmail.com }
Resumo. Esse artigo propõe um sistema inteligente para gerenciamento do tráfego de elevadores prediais. O principal objetivo é a comparação de um método comum e um método inteligente para o controle dos elevadores. Esse método inteligente, por sua vez, é um sistema de inferência fuzzy.
Abstract. The present article proposal is to introduce am intelligent management system for elevators traffic control. The main subject is to compare common and intelligent methods of elevator control. This intelligent method, on your turn, is a fuzzy inference system.
1. INTRODUÇÃO
Existe uma tendência crescente pela busca de soluções da vida moderna que demandem maior comodidade e ao mesmo tempo garanta sustentabilidade. O fator sustentabilidade de justifica não só pela necessidade preservação do meio ambiente natural ou artificial, mas também pela otimização no uso eficiente recursos naturais, dentre os quais o aproveitamento energético.
Prédios são responsáveis pelo consumo de 42% do total de eletricidade gerada no Brasil. Neste cenário, os edifícios comerciais utilizam 11% do consumo energético, enquanto que os residenciais consomem 23% e os prédios públicos 8% [NOYA et al 2013].
Em nosso país, existem em média 200.000 elevadores em operação. Considerando o consumo de um elevador médio de 10HP, o que equivale à 75 lâmpadas de 100W para fins de comparação, o funcionamento de todo sistema de elevação predial consome mais de um décimo da energia produzida pela hidrelétrica de Itaipú (INFOLEV).
Diante deste cenário, e considerando a necessidade de racionamento de energia elétrica e a importância de otimização de mecanismos que proporcionem conforto e comodidade de forma sustentável, necessário se faz o desenvolvimento de um sistema capaz de reduzir o consumo de energia elétrica e atender rapidamente aos usuários pela gestão inteligente dos serviços de elevação predial.
2. INFORMAÇÕES SOBRE O DOMÍNIO DO PROBLEMA
Para implementação do sistema convencional de elevadores, foram levantadas as características do funcionamento do elevador predial definido como modelo. Para tanto, foi definido que o sistema modelo simularia um prédio de 10 (dez) andares com 2 (dois) elevadores.
Um elevador predial residencial opera, normalmente, à uma velocidade média de 10 m/s. Considerando que existe ainda a variação de aceleração e frenagem quando transita de um estado (parado) para outro (em movimento), para fins de simulação foi adotada a velocidade média de 1 m/s. Foi considerado ainda que cada andar possui 3 metros de altura.
Há ainda o tempo entre abertura e fechamento das portas. O tempo médio para abertura das portas, passagem do usuário para entrar ou sair e fechamento das portas é de em média 10 segundos.
3. MODELAGEM E IMPLEMENTAÇÃO DO SISTEMA
3.1. IMPLEMENTAÇÃO DO MODELO CONVENCIONAL
Para implementação do projeto, foi utilizada a IDE Eclipse. A linguagem adotada foi o Java. Após a implementação do código, o projeto foi compilado para testes da Interface Gráfica do Usuário. O resultado pode ser constatado pelas imagens abaixo:
Figura 1 - Elevador 1 parado e Elevador 2 descendo Figura 2 - Elevador 1 parado e Elevador 2 chegou ao destino
Os elevadores são representados pelos quadrados coloridos. Enquanto parados sua coloração é verde (ocioso), se em movimento sua coloração muda para amarelo (em uso) e quando chegam ao seu destino sua coloração muda para azul (concluído). A
coluna do meio da interface gráfica representa os botões externos constantes em cada servidão comum dos andares do prédio.
Quando o elevador é chamado pelo botão externo e chega à sua origem, uma janela do simulador é aberta para representar a interface do painel de controle interno do elevador, onde o usuário selecionará o andar de destino, conforme imagem à seguir.
Figura 3 - Painel de controle interno do elevador
Para fins de automatização do teste do projeto, foi implementada uma função para gerar chamadas aleatórias. A escolha do modo manual ou aleatório é feita no início da execução do programa.
3.2. IMPLEMENTAÇÃO DO BANCO DE DADOS
Para viabilizar a contagem de tempo entre chamadas e reunir os dados necessários para avaliação do desempenho do sistema convencional de elevadores representado pelo simulador implementado, foi associado um banco de dados ao projeto. O SBD adotado foi o PostegreSQL, versão 9.3. O modelo conceitual do banco de dados construído pode ser representado pelo Diagrama de Entidade-Relacionamento abaixo:
Figura 5 - Modelo ER do BD SimuladorElevador
3.3. RESULTADOS
Com base em toda construção apresentada, o sistema gerou 1.000 chamadas randômicas, registrando o desempenho dos elevadores. Os dados extraídos foram organizados numa tabela organizada em 5 atributos (Id, data, hora de início, hora final,
piso inicial, piso final e respectivo elevador) e 1.000 tuplas. A execução do algoritmo gerou o total de 11 horas e 01 segundos de trabalho. O quadro resumo abaixo representa o tempo mínimo, tempo máximo, média, mediana e moda por quantidade de andares percorridos (tempo em formato HH:MM:SS). Estes valores podem ser traduzidos pelo seguinte gráfico.
4. IMPLEMENTAÇÃO DO CONTROLE DO ELEVADOR USANDO
LÓGICA FUZZY
Uma vez construído o algoritmo convencional, e com base nos resultados extraídos da simulação, a próxima etapa foi o aproveitamento da estrutura do projeto para criação do sistema especialista baseado em lógica fuzzy.
Tendo em vista que o projeto foi construído utilizando a linguagem JAVA, foi utilizado a biblioteca de sistemas fuzzy “JFuzzyLogic” para otimização dos resultados. Basicamente a aplicação disponível em <http://jfuzzylogic.sourceforge.net>, teve sua biblioteca importada ao projeto original.
Esta ferramenta possui uma interface gráfica que permite a visualização dos gráficos de entrada que serão tratados pelo sistema fuzzy para que sejam geradas as saídas do simulador.
Cabe destacar, porém, que na lógica clássica, uma sentença somente seria inferida caso todas as suas condições fossem verdadeiras. Isto ocorre de forma diferente nos sistemas de inferência fuzzy, pois as premissas assumem graus de verdade. Isto se reflete no resultado do processamento da sentença. Portanto, quanto maiores os graus de inclusão das variáveis de entrada, maior será o grau de inclusão da variável de saída no
conjunto correspondente.
O método de defuzzificação utilizado é o método do centro de gravidade: é o método
00:00:00 00:00:43 00:01:26 00:02:10 00:02:53 1 2 3 4 5 6 7 8
Algoritmo convencional do elevador
mais utilizado, e se baseia no cálculo do centro de gravidade da função de associação. No método do centro de gravidade, calcula-se a área da curva da variável lingüistica de saída produzida pela máquina de inferência, e acha-se o índice correspondente que divide esta área a metade.
O gráfico que represente os resultados da execução destes é o seguinte:
5. COMPARATIVO
6. CONCLUSÕES
Uma vez cruzados os dados, concluímos que:
O tempo mínimo nos dois cenários, como de se esperar, não possuem diferenças sensíveis, uma vez que o no melhor caso, não havendo concorrência em qualquer das situações, o tempo mínimo é a abertura e fechamento das portas do elevador acrescido de três segundos por andar percorrido.
Quanto ao tempo máximo de espera da chamada, o algoritmo que usa o método inteligente demonstrou ser, em média, 23,31% mais eficiente o algoritmo convencional. O tempo médio de espera do algoritmo inteligente é em média 16,21% mais eficiente.
00:00:00 00:00:43 00:01:26 00:02:10
1 2 3 4 5 6 7 8
Algoritmo Fuzzy do elevador
Mínimo Máximo Média Mediana Modo
09:11:01 11:01:36 00:00:00 02:24:00 04:48:00 07:12:00 09:36:00 12:00:00
Tempo de Operação
Fuzzy ConvencionalEnquanto o algoritmo convencional atendeu as chamadas simuladas em 11h01m36s, o algoritmo inteligente executou a mesma tarefa em 09h11m01s. Ou seja, houve uma economia de 01h50m35s, uma eficiência de 16,64% em relação ao algoritmo convencional.
Segue o Quadro Resumo das conclusões apresentadas:
Andares percorridos Min (%) Max (%) Méd (%) 1 0,00 17,86 10,00 2 0,00 21,74 16,13 3 0,00 21,88 17,07 4 4,35 23,46 21,15 5 0,00 25,25 21,88 6 0,00 26,27 16,18 7 0,00 24,06 13,51 8 6,98 25,97 13,79 MÉDIAS 1,41 23,31 16,21
Tabela 1 - Quadro Resumo de comparativo de eficência
7. REFERÊNCIAS
COPPIN, B. (2013) “Inteligência Artificial”. Rio de Janeiro: LTC.
INFOLEV ELEVADORES & INFORMÁTICA LTDA “Consumo de Energia Elétrica em Elevadores”. Disponível em <www.elevadores ressi.com.br/energia.doc> Acessado em 16/03/2015.
NOYA, M., SEROA, A. e ABREU, W. (2013) “Eficiência Energética, Sustentabilidade e Conforto Ambiental: Benefícios da Habitação Social Bioclimática”. Rio de Janeiro: IX Congresso Nacional de Excelência em Gestão.
RUSSELL, S., NORVIG, P. (2004) “Inteligência Artificial: tradução da segunda edição”. Rio de Janeiro: Elsevier.
SIIKONEN, M.L., LEPPALA, J. (1991). “Elevator Traffic Pattern Recognition.” In: Proccedings of 4th International Conference on Fuzzy System Association, pp. 195-198, Brussels, Belgium.
