Sistema inteligente de controle e monitoramento de ambiente de laboratórios de análises químicas

Texto

(1)ARTEJOSE REVOREDO DA SILVA. Sistema Inteligente de Controle e Monitoramento de Ambiente de Laborat´ orios de An´ alises Qu´ımicas. Natal 2016.

(2) ARTEJOSE REVOREDO DA SILVA. Sistema Inteligente de Controle e Monitoramento de Ambiente de Laborat´ orios de An´ alises Qu´ımicas. Versão original. Disserta¸cão apresentada ao Instituto Metrópole Digital da Universidade Federal do Rio Grande do Norte - UFRN para obten¸caõ do t´ıtulo de Mestre em Engenharia de Software pelo Programa de Pós-Gradua¸caõ em Eng. de Software. ´ Area de concentra¸cão: Sistemas WEB. Engenharia de. Versão corrigida contendo as altera¸cões solicitadas pela comissão julgadora em 19 de Agosto de 2016. A versão original encontra-se em acervo reservado na Biblioteca Central Zila Mamede-UFRN.. Orientador: Prof. Dr. João Carlos Xavier J´ unior Coorientador: Prof. Dr. Ivanovitch Medeiros Dantas da Silva. Natal 2016.

(3) Catalogação da Publicação na Fonte Universidade Federal do Rio Grande do Norte - Sistema de Bibliotecas Biblioteca Central Zila Mamede / Setor de Informação e Referência Silva, ArtejoseRevoredoda. Sistema inteligente de controle e monitoramento de ambiente de laboratórios de análises químicas / ArtejoseRevoredo da Silva. 2016. 72f.: il. Dissertação (mestrado) - Universidade Federal do Rio Grande do Norte. Instituto Metrópole Digital.Natal, RN. Orientador: Prof. Dr. João Carlos Xavier Junior. Coorientador: Prof. Dr. Ivanovitch Medeiros Dantas da Silva 1. Rede de sensores Dissertação. 2. MicrocontroladorArduino- Dissertação. 3. Controle inteligente de ambientes- Dissertação. 4. Técnicas de aprendizado de máquinaDissertação. 5. Medidas para validação de agrupamentosDissertação. I. Xavier Junior, João Carlos. II. Silva,Ivanovitch Medeiros Dantas da. III. Título. RN/UF/BCZM CDU 004.73.

(4)

(5) Gostaria de agradecer primeiramente a Deus por não ter permitido que eu fraquejasse durante toda esta jornada. Ao meu professor orientador, Jo˜ ao Carlos Xavier J´ unior, que sempre esteve presente me apoiando e dando dicas. A minha esposa, Lilian Souza da Silva Revoredo, por todo apoio e compreensão dispensados durante todo o per´ıodo do curso, sem os quais jamais teria chegado até aqui. Ao meu filho Nicolas, pelos sorrisos e abra¸cos que alegravam intermináveis e cansativos dias de estudo. Aos meus pais, por me terem dado educa¸caõ, valores e por me terem ensinado a andar, e que muitas vezes, renunciaram aos seus sonhos para que eu pudesse realizar o meu, partilho a alegria deste momento..

(6) Agradecimentos Aos professores, funcionários e colegas do Curso de Programa de Pós-Gradua¸cão em Engenharia de Software do Instituto Metrópole Digital da Universidade Federal do Rio Grande do Norte, pela solicitude e solidariedade perante minhas dificuldades. Aos alunos da turma do Mestrado, principalmente aos da 1a Turma, pela paciência e companheirismo. ´ Ao Coordenador e Diretor do N´ ucleo de Processamento Primário e Reuso de Agua Produzida e Res´ıduos, Prof. Dr. Djalma Ribeiro, aonde me deu liberdade de fazer os experimentos no laboratórios dos anexos. Ao pessoal do Laboratório de Refino e Tecnologias Ambientais - LABTAM pelo apoio em tudo que precisei. Em especial a Rodrigo Melo, Rodolfo Luiz e Angelo pelo apoio, amizade, companheirismo e pelo aux´ılio nas ideias, análises e experimentos. Ao pessoal da Empresa incubada NatalMakers no IMD pelo apoio em tudo que precisei. Em especial a Bruno e a Jonathan Wanderley pelo apoio, amizade, companheirismo e pelo aux´ılio nas ideias e experimentos e a todos aqueles que de alguma maneira contribu´ıram para a realiza¸cão deste trabalho..

(7) “Quem conduz e arrasta o mundo não são as máquinas, mas as ideias.” (Victor Hugo).

(8) Resumo Os laboratórios de análises qu´ımicas, por se constitu´ırem em um conjunto de testes e procedimentos, usando produtos e equipamentos espec´ıficos para tratar dos resultados nas amostras que são testadas, estão sempre sujeitos aos fatores inerentes ao ambiente. Devido a esse fato, controlar fatores como a temperatura e a umidade relativa do ar é tarefa primordial, para que os processos desenvolvidos dentro de tais ambientes (laboratórios de análises qu´ımicas) possam ser repetidos de acordo com os parâmetros exigidos. Buscando propor mecanismos de controle para ambientes, mais especificamente para laboratórios de análises qu´ımicas, neste trabalho, apresentamos um sistema baseado em rede de sensores e reconhecimento de padrões para controle inteligente de ambientes. Nosso protótipo utiliza os próprios dados gerados pelos sensores distribu´ıdos pelo ambiente, para identificar um padrão de comportamento. Através da utiliza¸cão de algoritmos de aprendizado de máquina, identificam-se as classes contidas nos dados (agrupamento), treina-se e testa-se o sistema (algoritmos de classifica¸cão), para que o mesmo consiga generalizar o que foi aprendido. Por u ´ ltimo, criam-se regras de controle associadas as classes previamente identificadas, para controlar os aparelhos de ar condicionado, tanto o principal quanto o reserva, e mais o desumidificador. Dessa forma, o protótipo mantém temperatura e umidade estáveis de forma inteligente. Palavras-chaves: Rede de sensores. Microcontrolador Arduino. Controle Inteligente de ambientes. Técnicas de aprendizado de máquina. Medidas para Valida¸caõ de agrupamentos..

(9) Abstract In general, laboratories or labs are workplaces that provide controlled conditions for experiments and measurements to be performed. For this reason, controlling temperature and humidity is an important requirement that needs to be achieved in order to guarantee the reproducibility of processes carried out in labs. Aiming to propose efficient environmental controlling mechanisms, specifically for chemical analysis laboratories, we present in this work an intelligent environmental control system based on sensors network and pattern recognition. Our prototype uses its own data generated by sensors distributed in the environment to identify a pattern of behavior. Through the use of machine learning algorithms, the system identifies the classes within the data (clustering), does the training and testing procedures (classification), so that it can generalize what was learned. Finally, the rules are created in association with previously identified classes in order to control air conditioners, both the main and the spare ones, plus the dehumidifier. In this sense, the prototype keeps temperature and humidity stable and in an effective way. Keywords: Sensor Network. Arduino Microcontroller. Intelligent environmental control. Machine learning techniques. Measures for cluster validation..

(10) Lista de figuras Figura 1 – Dessecador padrão utilizado em laboratório. . . . . . . . . . . . . . . . 16 Figura 2 – Amostras aglomeradas causadas pela umidade.. . . . . . . . . . . . . . 16. Figura 3 – Plataforma Arduino. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 Figura 4 – Shield W5100. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 Figura 5 – ESP8266-E-12 e ESP-01. . . . . . . . . . . . . . . . . . . . . . . . . . . 22 Figura 6 – Ilustra¸caõ das formas de energia em um sensor. . . . . . . . . . . . . . 23 Figura 7 – Sensores mais utilizados para obten¸caõ de dados. . . . . . . . . . . . . 24 Figura 8 – Exemplo prático de Utiliza¸caõ do LM35. . . . . . . . . . . . . . . . . . 25 Figura 9 – Compara¸caõ de Sensibilidade LM35 x DHT-11 . . . . . . . . . . . . . . 25 Figura 10 – Arquitetura do Sistema. . . . . . . . . . . . . . . . . . . . . . . . . . . 39 Figura 11 – Pinagem do display LCD 16 x 2. . . . . . . . . . . . . . . . . . . . . . 40 Figura 12 – Liga¸cão do PCF8574 ao display e ao arduino. . . . . . . . . . . . . . .. 41. Figura 13 – Pinagem e encapsulamento do PCF8574. . . . . . . . . . . . . . . . . .. 41. Figura 14 – Diagrama de blocos e invólucro do CD4050. . . . . . . . . . . . . . . . 42 Figura 15 – Fluxograma do transmissor. . . . . . . . . . . . . . . . . . . . . . . . . 43 Figura 16 – Arquitetura do Transmissor. . . . . . . . . . . . . . . . . . . . . . . . . 44 Figura 17 – Circuito de liga¸caõ ao LCD utilizando o PCF8574. . . . . . . . . . . . 45 Figura 18 – Protótipo do transmissor já montado e funcionando. . . . . . . . . . . 45 Figura 19 – Fluxograma do Receptor 1. . . . . . . . . . . . . . . . . . . . . . . . . 46 Figura 20 – Protótipo do receptor principal já montado e funcionando. . . . . . . . 48 Figura 21 – Protótipo do receptor responsável pelo controle do desumidificador . . 50 Figura 22 – Distribui¸cão dos módulos pelo laboratório monitorado. . . . . . . . . . 50 Figura 23 – Tela mostrando a temperatura e umidade pela Média Ponderada. . . .. 51. Figura 24 – Tela mostrando a temperatura e umidade pelo Kalman. . . . . . . . . . 52 Figura 25 – Comportamento de todos os sensores. . . . . . . . . . . . . . . . . . . . 52 Figura 26 – Tela do App desenvolvido para android. . . . . . . . . . . . . . . . . . 53 Figura 27 – Configura¸cão de espa¸co f´ısico dos laboratórios. . . . . . . . . . . . . . . 55 Figura 28 – Mapa de temperatura. . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 Figura 29 – Varia¸caõ da Temperatura. . . . . . . . . . . . . . . . . . . . . . . . . . 57 Figura 30 – Varia¸caõ de Umidade em determinados horários. . . . . . . . . . . . . . 57 Figura 31 – Distribui¸cão dos sensores no Laboratório. . . . . . . . . . . . . . . . . . 58.

(11) Figura 32 – Gráfico mostrando a temperatura controlada no ambiente controlado. . 67 Figura 33 – Gráfico mostrando a umidade controlada no ambiente controlado. . . . 67.

(12) Lista de tabelas Tabela 1 – Alguns dados comparativos de vários tipos de Arduinos. . . . . . . . .. 21. Tabela 2 – Comparativo dos sensores DHT11 e LM35. . . . . . . . . . . . . . . . . 24 Tabela 3 – Resultados experimentais obtidos para o ´ındice Silhueta. . . . . . . . . 63 Tabela 4 – Resultados experimentais obtidos para o ´ındice DB. . . . . . . . . . . . 63 Tabela 5 – Resultados experimentais obtidos para os seis classificadores. . . . . . . 64 Tabela 6 – Valores da classe e varia¸co˜es de Temperatura e Umidade por classe. . . 65 Tabela 7 – A¸co˜es tomadas de acordo com a Classe. . . . . . . . . . . . . . . . . . 65.

(13) Lista de abreviaturas e siglas AD. ´ Arvore de decisão. AM. Aprendizado de Máquina. AVR. Microcontrolador RISC de chip u ńico. C.I. Circuito Integrados. CSBC. Congresso da Sociedade Brasileira de Computa¸cão. CLP. Controlador Lógico Programável. DB. Índice Davies-Bouldin. DHT11. Sensor de Umidade e Temperatura. IOT. Internet das coisas. LCD. Liquid Crystal Display. LM35. Sensor de precisão de Temperatura. MIT. Instituto de Tecnologia de Massachusetts. MLE. Maximum Likelihood Estimation. MP. Média Ponderada. NTC. Negative Temperature Coeficient. PSO. Particle Swarm Optimization. PTC. Positive Temperature Coeficient. Shields. Placas de expansão de hardware que encaixam na placa Ardu´ıno. SHT-15. Sensor relativo de Temperatura e Umidade. SMS. Short Message Service. SPI. Serial Peripheral Interface. SVM. Máquina de vetor de suporte.

(14) Sum´ ario. 1. Introdu¸ c˜ ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 1.1. Motiva¸c˜ ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15. 1.2. Justificativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17. 1.3. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18. 1.4. Principais Contribui¸ co ˜es de Trabalho . . . . . . . . . . . . 18. 1.5. Estrutura do Trabalho . . . . . . . . . . . . . . . . . . . . . . . 19. 2. Fundamenta¸ c˜ ao Te´ orica . . . . . . . . . . . . . . . . . . .. 2.1. Ardu´ıno . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20. 2.1.1. Shield W5100 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21. 2.1.2. ESP 8266 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22. 2.2. Sensores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23. 2.3. Fus˜ ao de Sensores . . . . . . . . . . . . . . . . . . . . . . . . . . . 25. 2.3.1. Filtro de Kalman . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27. 2.4. Aprendizado de M´ aquina . . . . . . . . . . . . . . . . . . . . . 28. 2.4.1. Algoritmos de Agrupamento . . . . . . . . . . . . . . . . . . . . 29. 2.4.2. Medidas para Valida¸ c˜ ao . . . . . . . . . . . . . . . . . . . . . . . 30. 2.4.3. Algoritmos de Classifica¸ c˜ ao . . . . . . . . . . . . . . . . . . . . . 31. 3. Trabalhos Relacionados . . . . . . . . . . . . . . . . . . . .. 3.1. Sistemas de Controle Simples . . . . . . . . . . . . . . . . . . 34. 3.1.1. Aplica¸c˜ oes Residenciais . . . . . . . . . . . . . . . . . . . . . . . . 34. 3.1.2. Aplica¸c˜ oes n˜ ao Residenciais . . . . . . . . . . . . . . . . . . . . . 35. 3.2. Sistemas de Controle Inteligente . . . . . . . . . . . . . . . . 37. 3.3. Discuss˜ ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38. 4. Desenvolvimento do Prot´ otipo. . . . . . . . . . . . . . .. 4.1. Contribui¸co ˜es para o desenvolvimento do prot´ otipo . . 40. 4.1.1. Expansor de portas entradas/sa´ıdas . . . . . . . . . . . . . . . 40. 4.1.2. Buffer n˜ ao-inversor CD4050 . . . . . . . . . . . . . . . . . . . . 42. 4.2. Transmissor de dados . . . . . . . . . . . . . . . . . . . . . . . . 42. 15. 20. 34. 39.

(15) 4.3. Receptor prim´ ario de controle . . . . . . . . . . . . . . . . . . 46. 4.4. Receptor de controle para o Ar-condicionado reserva . 49. 4.5. Receptor de controle do desumidificador . . . . . . . . . . 49. 4.6. Monitoramento Remoto . . . . . . . . . . . . . . . . . . . . . . 51. 5. Metodologia de Experimentos . . . . . . . . . . . . . . .. 5.1. Introdu¸c˜ ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54. 5.2. Distribui¸c˜ ao dos sensores . . . . . . . . . . . . . . . . . . . . . 55. 5.2.1. Testes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58. 5.3. Fase de Agrupamento dos Dados . . . . . . . . . . . . . . . . 59. 5.4. Fase de Classifica¸ c˜ ao dos Dados . . . . . . . . . . . . . . . . 60. 5.5. Monitoramento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60. 5.6. An´ alise dos Resultados . . . . . . . . . . . . . . . . . . . . . . . 62. 6. Conclus˜ ao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 6.1. Principais Contribui¸ co ˜es . . . . . . . . . . . . . . . . . . . . . . 66. 6.2. Benef´ıcios no ambiente controlado . . . . . . . . . . . . . . . 67. 6.3. Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . 68. Referˆ encias1 . . . . . . . . . . . . . . . . . . . . . . . . . . . .. 1. De acordo com a Associa¸c˜ ao Brasileira de Normas Técnicas. NBR 6023.. 54. 66. 69.

(16) 15. 1 Introdu¸ c˜ ao ´ comum encontrarmos grandes laboratórios de análises espalhados pelos vários E segmentos de nossa sociedade. Instalados em universidades ou mesmo em empresas p´ ublicas ou privadas, tais laboratórios processam diariamente os mais variados tipos de amostras, visando sempre identificar a presen¸ca de compostos qu´ımicos nos meios analisados. Além de trabalhoso e demorado, o processo de análise qu´ımica requer equipamentos potentes, pessoal qualificado, salas climatizadas, e acima de tudo, cuidados na prepara¸cão das amostras que serão analisadas. Aproveitando a evolu¸caõ das tecnologias, os laboratórios têm se modernizado, seja através da aquisi¸caõ de equipamentos espec´ıficos para o processamento das amostras ou de equipamentos que possam garantir um ambiente climatizado de acordo com padrões exigidos de temperatura e umidade. Dentre eles, podemos citar: os aparelhos de ar-condicionado, os desumidificadores de ar, entre outros. Além de equipamentos, os ambientes climatizados necessitam de dispositivos capazes de aferir continuadamente os n´ıveis de polui¸cão, a temperatura e a umidade do ambiente, o n´ıvel de metais pesados presentes na a´gua, entre outros. A utiliza¸cão mais abrangente de tais dispositivos (sensores) tem favorecido a consolida¸cão de várias áreas, entre elas podemos destacar a Internet das Coisas. Em um futuro muito breve a maioria dos dispositivos que nos cercam estarão conectados na Internet através de uma grande rede de sensores. Esse cenário irá provocar o surgimento de uma grande quantidade de dados. Esses por sua vez, precisarão ser processados para gerar informa¸cão u ´ til. Nesse contexto, surge uma nova e promissora área de pesquisa, a Ciência dos Dados. Essa nova frente de pesquisa irá impactar diretamente a industria e especificamente, a automa¸cão.. 1.1. Motiva¸c˜ ao Os laboratórios de análises qu´ımicas, por se constitu´ırem em um conjunto de. testes e procedimentos, usando produtos e equipamentos espec´ıficos para tratar dos resultados nas amostras que são testadas, estão sempre sujeitos aos fatores inerentes ao ambiente. Umidade e temperatura são exemplos de fatores inerentes ao ambiente que podem influenciar diretamente na qualidade das amostras. Em caso de amostras que são.

(17) 16. testadas através de equipamentos com propriedades higroscópicas1 , estas precisam ser guardadas em dessecadores, para evitar que as mesmas absorvam a umidade do próprio ambiente. Como pode ser visto na Figura 1, um dessecador é um recipiente de vidro utilizado para o conte´ udo interno o mais isolado poss´ıvel do ambiente. Figura 1 – Dessecador padrão utilizado em laboratório.. Fonte: do próprio autor.. A altera¸cão da composi¸cão qu´ımica das amostras pode ser causada diretamente por fatores relacionados a` temperatura e umidade elevadas. Dependendo de seu estado de oxida¸caõ, as amostras podem perder totalmente a forma original de suas estruturas. Como exemplo, podemos citar os fármacos2 , que possuem na sua fórmula alguns tipos de o´xidos. A altera¸cão dos mesmos pode resultar no aumento ou diminui¸cão do efeito produzido pela inala¸cão deste fármaco, ou até mesmo na perda da sua eficácia no que diz respeito ao seu objetivo principal, que é de curar. Além da altera¸cão na estrutura das amostras, temperatura e umidade elevadas podem causar também a aglomera¸caõ das mesmas, como pode ser visto na Figura 2, dificultando assim o estudo através do microscópio. Figura 2 – Amostras aglomeradas causadas pela umidade.. Fonte: do próprio autor. 1 2. Relativo a higroscopia, propriedade que determinados materiais possuem de absorver água. Deriva do termo grego ph´ arn, tanto pode significar veneno como remédio..

(18) 17. 1.2. Justificativa Dentre os muitos laboratórios que se tem conhecimento, seja através de visitas. técnicas ou da pesquisa realizada através de sites, observou-se que a grande maioria deles tem dificuldade para garantir o bom funcionamento dos equipamentos utilizados nas análises qu´ımicas. Por se tratar de equipamentos muito precisos, custosos e delicados, estes, na maioria das vezes, exigem condi¸co˜es apropriadas para funcionarem. Temperatura e umidade são alguns fatores que precisam ser monitorados e controlados a todo tempo, pois podem variar no decorrer do processo de análise. Qualquer varia¸caõ de tais fatores pode comprometer o resultado final da análise, como também pode acarretar o mau funcionamento dos equipamentos. Em casos extremos, tal varia¸caõ pode até ocasionar a paralisa¸cão dos mesmos. A paralisa¸cão dos equipamentos sempre acarreta atraso na programa¸cão do laboratório, visto que o mesmo recebe demanda de vários setores e departamentos, como é o caso dos laboratórios da UFRN. Nesse caso, as análises precisam ser reagendadas, o que pode influenciar até mesmo nas pesquisas desenvolvidas no aˆmbito da institui¸caõ. Além da interrup¸caõ nos processos de análise qu´ımica, a perda das amostras (compostos qu´ımicos) e a quebra de equipamentos são problemas sérios que demandam recursos financeiros a serem empregados na recupera¸caõ dos equipamentos ou na aquisi¸caõ de novos compostos qu´ımicos. Visando oferecer uma ferramenta apropriada para o monitoramento e controle de ambientes, este trabalho se destina a desenvolver um sistema inteligente de controle e monitoramento. Para tal, foi escolhido um dos laboratórios de análises qu´ımicas localizado no N´ ucleo de Processamento Primário e Reuso de água Produzida e Res´ıduos (Nupprar) da UFRN. Esta ferramenta oferece mecanismo de aquisi¸cão de dados de temperatura e umidade através da utiliza¸cão de microprocessadores (Arduino) e sensores. Além disso, utiliza um processo de tomada de decisão baseado em aprendizado de máquina para executar a¸co˜es de controle voltadas aos aparelhos de ar-condicionado e desumidificadores. Dessa forma, a ferramenta garante que os fatores inerentes ao ambiente, neste caso a temperatura e a umidade, estejam sempre sobre controle..

(19) 18. 1.3. Objetivos O Objetivo principal deste trabalho consiste no desenvolvimento de um sistema. de controle inteligente de ambientes baseado em rede de sensores. Para tal, escolheu-se um dos laboratórios de análises qu´ımicas da UFRN para ser o caso de uso. O sistema foi idealizado para capturar os dados de temperatura e umidade provenientes de vários sensores espalhados pelo ambiente a ser controlado, e tomar decisões de controle a partir de padrões previamente aprendidos. Para o desenvolvimento do sistema em questão, foram especificados alguns objetivos espec´ıficos a serem atingidos, tais como: • Fazer um levantamento dos mais variados tipos de sensores para aferi¸caõ de temperatura e umidade; • Implementar mecanismos de aferi¸cão baseados em microprocessadores (Arduino) e sensores; • Estudar os algoritmos de agrupamentos mais conhecidos da literatura; • Avaliar o desempenho dos algoritmos de agrupamentos; • Estudar os algoritmos de classifica¸caõ mais conhecidos da literatura; • Avaliar o desempenho dos algoritmos de classifica¸cão; • Desenvolver as a¸co˜es de controle baseadas no aprendizado feito sobre os dados; • Testar e avaliar o desempenho do protótipo em situa¸co˜es experimentais; • Comparar o desempenho do protótipo com outros sistemas, principalmente os sistemas de controle clássicos.. 1.4. Principais Contribui¸ co ˜es de Trabalho Este trabalho, por meio do desenvolvimento do sistema intitulado Rede de Sensores. para Controle Inteligente de Ambientes (RSCIA), apresenta contribui¸cões nas áreas de Redes de Sensores e Aprendizado de Máquina. Como resultado da contribui¸cão em ambas as a´reas, tivemos um artigo aceito para publica¸caõ no VIII Simpósio Brasileiro de Computa¸caõ Ub´ıqua e Pervasiva, evento promovido pelo Congresso da Sociedade Brasileira de Computa¸caõ (CSBC)..

(20) 19. 1.5. Estrutura do Trabalho O presente trabalho esta divido em 5 Cap´ıtulos, ficando o restante do documento. estruturado da seguinte forma: • O Cap´ıtulo 2 apresenta uma fundamenta¸caõ teórica, procurando esclarecer no¸co˜es e conceitos necessários ao entendimento do restante do trabalho. • O Cap´ıtulo 3 apresenta um estudo sobre os trabalhos relacionados, separando-os em dois grupos: trabalhos que usam automa¸cão residencial e trabalhos que usam automa¸caõ Industrial. • O Cap´ıtulo 4 apresenta o desenvolvimento do protótipo. • O Cap´ıtulo 5 apresenta a Metodologia de Experimentos. • O Cap´ıtulo 6 apresenta as considera¸cões finais e projetos futuros..

(21) 20. 2 Fundamenta¸ c˜ ao Te´ orica Este cap´ıtulo aborda todos os conceitos que serão tratados no decorrer deste trabalho, detalhando especialmente alguns itens relacionados a microprocessadores e sensores, assim como os conceitos relacionados à Aprendizado de Máquina. Dentre eles, abordaremos principalmente os algoritmos de agrupamento e de classifica¸cão utilizados em nosso estudo.. 2.1. Ardu´ıno ´ um ambiente de prototipagem eletrônica de hardware livre (open source) e de E. placa u ´ nica, projetada com um microcontrolador Atmel AVR com suporte de entrada e sa´ıda embutido com uma linguagem de programa¸cão padrão. O projeto Arduino, iniciado na Itália, em 2005, era voltado para intera¸cão de projetos escolares de forma a ter um or¸camento menor que outros sistemas de prototipagem dispon´ıveis naquela época. Atualmente, seu hardware é feito através de um microcontrolador Atmel AVR. Este hardware, como pode ser visto na Figura 3, pode ser comercializado completo com o microcontrolador ou por pe¸cas, onde precisamos somente gravar o microcontrolador e colocar na placa espec´ıfica de desenvolvimento. Figura 3 – Plataforma Arduino.. Fonte: google.com.br.. A plataforma Arduino permite que pessoas que não estão familiarizadas com as linguagens de programa¸cão, possam mesmo assim, desenvolver seus protótipos. Ela possui um editor de códigos que pode carregar programas, anexando já as bibliotecas.

(22) 21. de determinados componentes ou criar programas do zero, podendo também executar programas por linha de comando, facilitando a visualiza¸caõ do que está acontecendo. Na Tabela 1 podemos observar a compara¸caõ de alguns arduinos que são vendidos no mercado atualmente. Tabela 1 – Alguns dados comparativos de vários tipos de Arduinos. Compara¸c˜ ao de Alguns Arduinos no Mercado Arduinos UNO MEGA LEONARDO Pro Mini Microcontrolador ATmega328 ATmega2560 ATmega32U4 ATMega328p Tensão 5V 5V 5V 5V Pinos Digitais 14 54 20 14 Pinos Analógicos 6 16 12 8 Memória Flash 32 Kb 8 Kb 32 Kb 32 Kb EEPROM 1 Kb 4 Kb 1 Kb 1 Kb Clock 16Mhz 16 MHz 16 Mhz 16 Mhz Fonte: google.com.. O ambiente pode ser totalmente estendido com a utiliza¸cão de bibliotecas, que podem ser fornecidas para uso do próprio dispositivo, como também para a utiliza¸cão de componentes externos, como sensores ou outros. No caso de um sensor, geralmente, o fabricante fornece uma biblioteca para ser utilizado com o dispositivo. Contudo, nada impede do próprio usuário criar sua própria biblioteca.. 2.1.1. Shield W5100 Outra vantagem do Arduino, é a existência de vários shields. Os shields são placas. de circuito que podem ser conectadas ao Arduino, encaixando-se perfeitamente por cima dele, e expandindo suas capacidades. A capacidade de expansão possibilita uma infinidade de aplica¸co˜es de maneira simples e rápida. O Ethernet Shield da Arduino, mais conhecido como Arduino Ethernet Shield W5100, permite que uma placa Arduino conecte-se a internet, como pode ser visto na Figura 4. A Conexão do Ethernet Shield W5100 se dá por meio da utiliza¸caõ do barramento SPI, através dos pinos 10, 11, 12 e 13 do Arduino Uno e também do pino 10, que faz a sele¸caõ para ativar o cartão de memória ou utilizar o Shield para a Internet..

(23) 22. Figura 4 – Shield W5100.. Fonte: google.com.br.. 2.1.2. ESP 8266 O ESP8266 é um módulo utilizado (ou não com o arduino) para a utiliza¸cão de. redes Wi-Fi, com o grande crescimento da IOT, vemos mais ainda a necessidade de se ter mais objetos e módulos conectados com a internet, e com o tempo surgindo módulos cada vez menores e mais práticos para usos cada vez mais diversificados, um destes módulos é o ESP8266, aonde podemos destacar dois modelos, O ESP8266-E-12 com 9 Portas e o ESP-01 com duas portas, fabricado pela empresa Espressif1 , Figura 5. Figura 5 – ESP8266-E-12 e ESP-01.. Fonte: google.com.br.. Um dos cuidados importantes a se tomar quanto ao funcionamento dos ESPs de forma independente (sem estar conectado a alimenta¸cão do Arduino), é sua tensão de trabalho, cuja tensão de funcionamento é de 3,3 Volts, tornando estes módulos incompat´ıveis para funcionar diretamente com o Arduino, há não ser que o arduino utilizado trabalhe com 3,3 volts, para estes casos será necessário realizar uma pequena adapta¸caõ das tensões 1. https://espressif.com.

(24) 23. utilizando conversores ou Buffer não-inversores para adequar a tensão trabalhada e não correr o risco de queimar os mesmos. Uma das vantagens de se usar o ESP, está na sua flexibilidade e seu tamanho reduzido.. 2.2. Sensores De acordo com Daniel Thomazini e Pedro Urbano Braga (THOMAZINI; ALBU-. QUERQUE, 2009), os sensores podem ser definidos como componentes eletrônicos que sofrem varia¸cão de grandeza elétrica (como por exemplo, resistência, corrente e tensão elétrica) a partir de uma outra grandeza f´ısica (temperatura, umidade, luz, movimento, etc) contando que haja uma liga¸caõ conhecida entre a varia¸caõ elétrica e a grandeza f´ısica, como pode ser visto na Figura 6. Figura 6 – Ilustra¸caõ das formas de energia em um sensor.. Fonte: Sensores Industriais, Thomazini, 2007.. De acordo com Jefro (JEROENDOGGEN; BERRAZI, 2014), existe uma gama muito grande de sensores de temperatura que podem ser utilizados para se trabalhar com microcontroladores. As empresas tentam estender este leque de op¸cões, e ainda disponibilizam bibliotecas necessárias para a utiliza¸cão desses sensores juntamente com microcontrolador do dispositivo Arduino, como pode ser visto na Figura 7. A larga utiliza¸caõ de sensores em a´reas, tais como, robótica e mecatrônica, tem contribu´ıdo consideravelmente para a sua populariza¸cão. Além disso, a facilidade de uso também é fator preponderante para que sua utiliza¸caõ cres¸ca, principalmente na a´rea industrial (BANZI, 2008). Os sensores mais comuns são os sensores de temperatura (KURNIAWAN, 2015), entre eles podemos citar os termistores PTC e o NTC aonde o PTC trabalha com a.

(25) 24. Figura 7 – Sensores mais utilizados para obten¸caõ de dados.. Fonte: do próprio autor.. vari¸caõ de resistência de forma diretamente proporcional, ou seja, sua resistência elétrica aumenta com o aumento da temperatura e o NTC é inversamente proporcional, aonde sua resistência elétrica diminui com o aumento da temperatura, temos também o LM35, onde o seu funcionamento consiste em uma tensão de entrada de 4 a 20 Volts e sua sa´ıda de sinal tem 10mV por grau Celsius e o DHT11. O DHT11 por sua vez, possui a vantagem de oferecer dois sensores dentro do mesmo invólucro. Um sensor de temperatura termistor do tipo NTC e outro de umidade HR202. Contudo, em se tratando de precisão analógica, o que apresentou resultados mais satisfatórios foi o LM35. O DHT11, produzido pela empresa japonesa AOSONG2 , apresentou um erro de precisão superior ao LM35. A justificativa é devido a utiliza¸caõ de um termistor no DHT11 o qual provoca atrasos na resposta de leitura. Outras informa¸cões sobre a precisão dos sensores LM35 e DHT11 são descritas na Tabela 2. Em nosso trabalho, usaremos o sensor DHT11 apenas como sensor de umidade. Tabela 2 – Comparativo dos sensores DHT11 e LM35. Vcc Faixa de Medi¸caõ Temperatura Precisão da Temperatura Faixa de Medi¸caõ Umidade Precisão da Umidade Intervalo entre medi¸cões. DHT11 3 a 5,5 Vdc 0 a 50 +-2 20 a 80 % HR 5 % HR 1s. LM35 4 a 30 Vdc -55 a 150 0,5 1s. Fonte: Getting Started with Arduino and Go, 2015 2. http://www.aosong.com/en/home/index.asp.

(26) 25. Como já foi informado acima, o sensor de temperatura a ser utilizado em nosso trabalho será o LM35. Tal sensor é produzido pela Texas Instruments3 .O LM35 possui 3 pinos, na Figura 8, podemos ver um exemplo prático de utiliza¸cão deste sensor. Figura 8 – Exemplo prático de Utiliza¸caõ do LM35.. Fonte: google.com.. Estes sensores foram escolhidos também para atender os requisitos do problema, onde o meio analisado está na seguinte condi¸caõ: 0 < t < 50C. Na figura 9 temos a compara¸caõ de sensibilidade encontrada no LM35 e no DHT11 onde foi feito um teste de aumento de temperatura e resfriamento dos mesmos, podemos observar uma resposta rápida do LM35 e rela¸cão ao DHT11. Figura 9 – Compara¸caõ de Sensibilidade LM35 x DHT-11. Fonte: do próprio autor.. 2.3. Fus˜ ao de Sensores A fusão de dados provenientes de m´ ultiplas origens tem sido largamente estudada,. e aplicada em diferentes a´reas, tais como: medicina, seguran¸ca p´ ublica e ind´ ustria (sistema 3. http://www.ti.com.

(27) 26. de monitoramento e controle) (LUO; KAY, 1995). Os sensores têm sido utilizados como fonte de dados para a grande maioria das aplica¸cões citadas. Além disso, eles podem apresentar caracter´ısticas semelhantes ou diferentes. Por essa razão, é importante fundir tais dados oriundos de vários sensores. A fusão de dados oriundos de vários sensores envolve a combina¸cão dos mesmos, buscando sempre obter informa¸cões u ´teis que não são obtidas pelos sensores individuais, principalmente em termos de confiabilidade e exatidão. Dessa forma, a fusão de sensores permite, que o sistema no qual os sensores são utilizados, se torne mais tolerante a falhas, e que provenha novas informa¸co˜es, diferentemente daquelas obtidas pelos sensores de forma individual [FACELI, 2004]. Algoritmos de fusão de dados podem ser classificados em algoritmos de fusão de dados redundantes ou de dados complementares. No primeiro tipo, a fusão reduz a incerteza e acrescenta robustez ao sistema. No segundo tipo, os sensores possuem caracter´ısticas distintas, o que permite a discrimina¸cão de situa¸cões amb´ıguas. Em nosso trabalho, utilizamos apenas os métodos para fusão de dados redundantes. Dentre os métodos de fusão de dados redundantes, podemos citar os seguintes: 1. Média Ponderada (MP) (JOSHI; SANDERSON, 1999b): é o método mais simples e intuitivo de fundir dados redundantes. Consiste no cálculo da média ponderada dos dados redundantes oriundos de um conjunto de sensores. Nesse método, é atribu´ıdo pesos distintos de acordo com a localiza¸caõ de cada sensor, e a informa¸caõ resultante é a combina¸caõ dos dados através da MP. 2. Filtro de Kalman (Kalman filter) (JOSHI; SANDERSON, 1999a): é um método que utiliza medi¸cões de grandezas realizadas ao longo do tempo para gerar resultados mais próximos dos valores reais das grandezas medidas. Ele tende a suavizar a influência de ru´ıdos e outras incertezas nas medi¸co˜es realizadas. 3. Inferência Bayesiana (KLEIN; MOESCHBERGER, 2003): é uma técnica estat´ıstica que se baseia na regra de Bayes. Ele utiliza conhecimento prévio sobre o ambiente para fazer inferências sobre o que está sendo observado. 4. Máxima verossimilhan¸ca (maximum-likelihood estimation- MLE): é um método para estimar os parâmetros de um modelo estat´ıstico. Assim, a partir de um conjunto de dados e dado um modelo estat´ıstico, a estimativa por máxima verossimilhan¸ca estima valores para os diferentes parâmetros do modelo..

(28) 27. Em nosso trabalho, utilizamos dois métodos de fusão para os dados provenientes dos sensores de temperatura e umidade. O primeiro deles foi a Média Ponderada. Os pesos utilizados na MP estavam diretamente ligados a proximidade dos sensores em rela¸caõ aos equipamentos de análises. Quanto menor a proximidade dos sensores, maior os pesos. O segundo foi o filtro de Kalman, utilizado para eliminar ru´ıdos de leitura.. 2.3.1. Filtro de Kalman O filtro de Kalman é um conjunto de equa¸cões matemáticas que constitui um. processo recursivo eficiente de estima¸cão, uma vez que o erro quadrático é minimizado. Através da observa¸cão da variável denominada “variável de observa¸cão” outra variável, não observável, denominada “variável de estado” pode ser estimada eficientemente. Podem ser estimados os estados passados, o estado presente e mesmo previstos os estados futuros (FACELI et al., 2011). O modelo do Filtro de Kalman é descrito de acordo com as equa¸co˜es abaixo:  S = A s + B u + γ t t t−1 t t t Z = C s + δ t. t t. (1). t. onde s <n é o vetor de estados; µ <l é o vetor das entradas de controle; z <n é o vetor de medi¸cões; a matriz n x n, A, é a matriz de transi¸cões de estados; B, n x l, é a matriz de coeficientes de entrada; a matriz C, m x n, é a matriz de observa¸cão; γ <n representa o vetor de ru´ıdos do processo e δ <n o vetor de erros de medi¸caõ. Os ´ındices t e t − 1 representam os instantes de tempo atual e anterior respectivamente. O funcionamento do filtro realiza a predi¸cão e atualiza¸cão de acordo com as propriedades estat´ısticas do ru´ıdo. As equa¸co˜es abaixo descrevem as fases de predi¸caõ (2) e atualiza¸caõ (3) para o filtro.   µ =A µ +B u t t t−1 t t−1 P = A P A T + R t t t t−1 t  P P   Kt = t CtT (Ct t CtT )−1   µt = µt + Kt (zt − Ct µt )   P P   = (I − K C ) t. t. t. t. (2). (3).

(29) 28. onde st é o vetor de estados no tempo t por sua média µt e covariância Σt . As matrizes R, n x n, e Q, l x l, são as matrizes de coveriancia dos ru´ıdos de processo (γ) e medi¸cão (δ) respectivamente, e a matriz K, n x m significa o ganho do sistema.. 2.4. Aprendizado de M´ aquina AM é o nome dado ao processo de indu¸caõ de uma hipótese ou aproxima¸caõ de uma. fun¸caõ a partir da experiência passada. Um exemplo simples disto, pode ser verificado na descoberta de uma hipótese na forma de uma regra ou um conjunto de regras para definir quais clientes de um supermercado devem receber propaganda sobre um novo produto, baseado tão somente nas compras passadas destes clientes (FACELI et al., 2011). Em AM, computadores são programados para aprender com a experiência passada. Para tal, empregam um princ´ıpio de inferência denominado de indu¸caõ, no qual se obtêm conclusões genéricas a partir de um conjunto particular de exemplos. Assim, algoritmos de AM aprendem a induzir uma fun¸cão ou hipótese capaz de resolver um problema a partir de dados que representam instâncias do problema a ser resolvido. Esses dados formam um conjunto, simplesmente denominado de conjunto de dados. Algoritmos de AM têm sido largamente utilizados em diversas tarefas, que podem ser organizadas de acordo com diferentes critérios. Um deles diz respeito ao paradigma de aprendizado a ser adotado com a tarefa. De acordo com esse critério, as tarefas de aprendizado podem ser divididas em: preditivas, descritivas e por refor¸co. Em tarefas de previsão, o objetivo é encontrar uma fun¸caõ (hipótese) que a partir dos dados de treinamento possa ser utilizada para prever um rótulo ou valor que caracterize um novo modelo. Para isso, cada objeto deve possuir atributos de entrada e sa´ıda (chamado de rótulo). Os algoritmos ou métodos de AM utilizados nessa tarefa seguem o paradigma de aprendizado supervisionado. O termo supervisionado vem da simula¸cão da presen¸ca de um supervisor, que conhece a sa´ıda (rótulo) desejada para cada exemplo. As tarefas supervisionadas se distinguem pelo tipo dos rótulos dos dados: discreto, no caso da classifica¸caõ; e cont´ınuo, no caso da regressão. Em tarefas de descri¸cão, a meta é explorar ou descrever um conjunto de dados. Os algoritmos de AM utilizados nessas tarefas não fazem uso do atributo de sa´ıda. Por isso, seguem ao paradigma de aprendizado não supervisionado (sem a presen¸ca de um supervisor). Uma tarefa descritiva de agrupamento de dados, por exemplo, tem por objetivo.

(30) 29. encontrar grupos de objetos semelhantes no conjunto de dados. As tarefas descritivas são divididas em: agrupamento, em que os dados são agrupados de acordo com a sua similaridade; sumariza¸cão, cujo objetivo é encontrar uma descri¸cão simples e compacta para o conjunto de dados; e associa¸cão, que consiste em encontrar padrões frequentes de associa¸caõ entre os atributos de um conjunto de dados. Em nosso trabalho utilizamos algoritmos de agrupamento e de classifica¸cão para extrair conhecimento dos dados oriundos dos sensores de temperatura e umidade.. 2.4.1. Algoritmos de Agrupamento Existe uma grande diversidade de algoritmos de agrupamento que podem ser en-. contrados na literatura (XU; WUNSCH II, 2005). Cada um desses algoritmos possuem caracter´ısticas e finalidades diferentes. Nesta subse¸cão serão apresentados todos os algoritmos utilizados na fase de agrupamento (ver se¸cão 4.3) deste trabalho. Nesta fase (agrupamento) serão geradas parti¸co˜es oriundas de cada algoritmos, depois serão validadas de acordo com alguns ´ındices de valida¸cão, e por u ´ ltimo, as melhores parti¸cões serão utilizadas na fase de classifica¸caõ. • k-Médias: o algoritmo k-Médias é comummente utilizado em tarefas de agrupamento, principalmente por de fácil implementa¸caõ. Ele se baseia na ideia de centroides, onde o centroide representa a instância média de um grupo, ou seja, a instância que é a média de todas as outras dentro de um mesmo grupo. Normalmente, a escolha inicial dos centroides é feita aleatoriamente. Os elementos são agrupados em k grupos com base em alguma medida de similaridade. Geralmente, é utilizado a distância Euclidiana. Além disso, é necessário definir o valor de k, ou seja, o n´ umero de grupos. • Expectância Máxima: o algoritmo Expectância Máxima, do inglês ExpectationMaximization - EM, é uma técnica usada para estimar fun¸co˜es de máxima verossimilhan¸ca a partir de dados incompletos, de modo que se os dados estão incompletos, pode-se utilizar os casos em que foram observadas as variáveis para aprender a predizer seus valores quando não observados(FACELI et al., 2011). O procedimento usando pelo EM para estimar os parâmetros (médias e desvios padrão) do modelo é semelhante ao de escolha dos centroides do algoritmo k-Médias (FACELI et al., 2011)..

(31) 30. • Hierárquico Aglomerativo: os algoritmos de agrupamento hierárquicos geram uma sequência de parti¸cões aninhadas, semelhante a uma estrutura hierarquia do tipo a´rvore (FACELI et al., 2011). Há dois tipos de algoritmos: os divisivos e os aglomerativos. Na primeira, os objetos são alocados em um u ´ nico grupo, sendo divididos sucessivamente até o n´ umero de grupos escolhido previamente. Já no outro tipo, inicialmente, cada objeto representa um grupo, sendo aglomerados até o n´ umero de grupos desejado.. 2.4.2. Medidas para Valida¸ c˜ ao Como forma de validar as parti¸co˜es criadas a partir da utiliza¸caõ dos algoritmos de. agrupamentos citados na subse¸cão anterior, utilizou-se os ´ındices Davies-Bouldin (DB) e Silhueta (HALKIDI; BATISTAKIS; VAZIRGIANNIS, 2002). • Índice Davies-Bouldin (DB):: esta medida calcula a compacticidade dos grupos formados, através da dispersão intra-grupos e entre os grupos; • Silhueta: esta medida mede a qualidade dos clusters com base na proximidade entre as instâncias de um cluster e na distância das instâncias de um cluster com rela¸caõ aos outros clusters. As silhuetas mostram quais instâncias estão bem situados dentro dos seus clusters e quais não estão. Podem ser calculadas para agrupamentos gerados por meio do uso de medidas de similaridade ou de medidas de dissimilaridade (distâncias). DB: dado uma parti¸cão C = {C1 , C2 , ..., Ck }, o ´ındice DB pode ser definido da seguinte forma: k. 1X DB(C) = max k i=1 j=1,...,k|j6=i. . ∆(Ci ) + ∆(Cj ) δ(Ci , Cj ). (4). em que k é o n´ umero de clusters; ∆(Ci ) é a distância intra-cluster para o cluster i e δ(Ci , Cj ) é a distância entre os centroides dos clusters Ci e Cj .. ∆(Ci ) =. 1 X (x − zi )2 |Ci | x∈C i. em que x é uma instância de i e zi é o centroide do grupo i.. (5).

(32) 31. Silhueta: a medida de silhueta é calculada para cada instância que faz parte de um agrupamento. As silhuetas medem a qualidade dos clusters com base na proximidade entre as instâncias de um cluster e na distância das instâncias de um cluster com rela¸caõ aos outros clusters. As silhuetas mostram quais instâncias estão bem situados dentro dos seus clusters e quais não estão. Podem ser calculadas para agrupamentos gerados por meio do uso de medidas de similaridade ou de medidas de dissimilaridade (distâncias). Seja a(xi ), a distância média da instância xi em rela¸caõ a todas as outras instâncias do cluster Ci ; d(xi , Cj ), a distância média da instância xi em rela¸cão as instâncias do cluster Cj ; e b(xi ), a menor distância média de xi em rela¸caõ a todos os demais clusters, pode ser defina como sendo:. b(xi ) = lim d(xi , Cj ) Ci 6=Cj. (6). Desse modo, a silhueta de uma instância, s(xi ), pode ser definida como sendo:. s(xi ) =. 2.4.3.    1−  . a(xi ) , b(xi ). a(xi ) < b(xi ). 0, a(xi ) = b(xi )     b(xi ) − 1, a(x ) > b(x ) i i a(xi ). (7). Algoritmos de Classifica¸ c˜ ao Os algoritmos de classifica¸cão, também chamados de algoritmos preditivos, são. aplicados em problemas onde as instâncias de uma base de dados, representados por um conjunto de atributos, precisam ser enquadrados em um conjunto pré-definidos de poss´ıveis rótulos (classes). Há um bom n´ umero de algoritmos de classifica¸cão propostos na literatura. Os algoritmos utilizados neste trabalho são descritos a seguir. Cada um deles possuem caracter´ısticas e finalidades diferentes. Nesta subse¸cão serão apresentados todos os algoritmos de aprendizado de máquina supervisionado utilizados na fase de ´ classifica¸caõ (ver se¸co˜es 4.4 e 4.6), que são: k-Nearest-Neighbor, Arvore de decisão, Rede Neural, Máquinas de vetores de suporte e Naive Bayes. • k-Nearest-Neighbor (k -NN): o algoritmo k -NN, também conhecido como k vizinho mais próximo, é um método baseado em instância que classifica uma instância.

(33) 32. de teste baseada na classe referente as instâncias mais próximas pertencentes ao conjunto de treinamento. Este método utiliza uma medida de distância, geralmente a Distância Euclidiana, para calcular a distância entre uma nova instância do conjunto de teste, em rela¸caõ a todas as instâncias pertencentes ao conjunto de treinamento. A nova instância receberá a classe referente as instâncias mais próximas pertencentes ao conjunto de treinamento (MITCHELL, 1997).. dE (A, B) =. p (a1 − b1 )2 + a2 − b2 )2 + · · · + (an − bn )2. (8). ´ • Arvore de decisão (AD): esse algoritmo utiliza a técnica de dividir para conquistar na solu¸cão de problemas de classifica¸cão. Seu funcionamento consiste em, dado um conjunto de treinamento, gerar uma árvore de decisão como sa´ıda. Essa árvore será utilizada para classificar as instâncias de teste. Em cada etapa do algoritmo, enquanto o critério de parada não for atingido, um dos atributos é selecionado para que uma regra seja criada, retornando um novo nó para a´rvore, resolvendo parte do problema e abrangendo um subespa¸co das instâncias em questão (BERRY; LINOFF, 2004). • Rede Neural Artificial: o funcionamento das redes neurais artificiais é baseado no sistema nervoso. O objetivo das RNAs é simular a capacidade de aprendizado do cérebro humano na aquisi¸cão de conhecimento (HAYKIN, 2001). Uma RNA é composta por neurônios artificiais que estão conectados em camadas. Os neurônios podem estar organizados em três camadas: de entrada, escondida e de sa´ıda. O Multilayer Perceptron (MLP) é um dos tipos de RNAs mais conhecidos na literatura (BERRY; LINOFF, 2004). • Máquina de vetor de suporte (SVM): o algoritmo SVM é embasado na teoria de aprendizado estat´ıstico, que permite a obten¸caõ de classificadores com boa capacidade de generaliza¸cão. Ele utiliza como entrada os dados dispon´ıveis para treinamento e a partir desses dados utiliza-se o princ´ıpio da indu¸cão para inferir uma fun¸cão que minimize o erro sobre os dados de treinamento, visando gerar um menor erro sobre novos dados (LORENA; CARVALHO, 2007)..

(34) 33. • Naive bayes (NB): é um algoritmo probabil´ıstico que é baseado no teorema de Bayes, originado na Estat´ıstica. Para que esse método funcione corretamente é necessário garantir que os dados sejam independentes entre si. Ele funciona baseado na ideia de calcular a probabilidade de um evento A acontecer dada a ocorrência de um outro evento B (MITCHELL, 1997)..

(35) 34. 3 Trabalhos Relacionados Antes de analisarmos os trabalhos diretamente relacionados à a nossa proposta, é importante ressaltar a importância dos sistemas de controle e monitoramento, também chamados de sistemas de supervisão e aquisi¸cão de dados. Tais sistemas utilizam um software desenvolvido para monitorar e supervisionar os dispositivos de controle conectados através de controladores (drivers) espec´ıficos. Além desse grupo de sistemas, há também o grupo de sistemas que utilizam algum processo inteligente na tomada de decisão. Nesse contexto, tais sistemas realizam o monitoramento de ambientes através de dispositivos diversos, que por sua vez, servem de entrada para o processo inteligente de controle ou de tomada de decisão. Note que há uma diferen¸ca substancial entre ambos os sistemas citados, principalmente no que se refere a controle inteligente. No primeiro grupo, os sistemas fazem a aquisi¸cão e a supervisão de dados, e podem se basear em regras simples para realizar o controle das a¸cões. Já o segundo grupo, realiza o controle das a¸cões através de modelos aplicados sobre os dados adquiridos. Ou seja, no segundo caso, busca-se sempre uma forma de generalizar o conhecimento adquirido para qualquer nova instância.. 3.1. Sistemas de Controle Simples Nessa se¸cão serão descritos alguns trabalhos que se enquadram fortemente no. primeiro grupo supracitado. Em sua grande maioria, os trabalhos fazem uso de Arduino para efetuar os controles sobre qualquer atuador (dispositivo).. 3.1.1. Aplica¸c˜ oes Residenciais A automa¸cão residencial tem se tornado um dos grandes objetivos por de traz do. uso de Arduino, como forma de controlar certos dispositivos. No trabalho de (CAMPOS, 2014), por exemplo, os autores fazem uso de um celular para enviar comandos para abrir e fechar um portão elétrico, ou para ligar ou desligar as luzes de uma residência. Em um outro trabalho, (MESQUITA JOSE C. G. NETO, 2014), o controle de dispositivos localizados em uma residência eram executados através de um módulo web..

(36) 35. A mesma ideia foi seguida em (SILVA, 2013). Porém, sensores de movimento e câmeras foram introduzidos como forma de incrementar o monitoramento da residência. Na mesma linha do trabalho anterior, no trabalho de (AZEVEDO, 2012), o autor propõem uma solu¸caõ para a automa¸caõ residencial com Arduino e Ethernet Shield (transmissão de dados), fazendo o controle do mesmo via IPAD ou Iphone. Em um outro trabalho (GUIMARãES, 2015), os autores apresentam um sistema de automa¸caõ residencial baseado em Arduino com o objetivo de monitorar a temperatura do referido ambiente. O monitoramento é feito através de um módulo web, que executa os controle de ligar e desligar os equipamentos conectados ao Arduino. Em (YUSSOFF, 2010), os autores monitoram a temperatura do ambiente através vários sensores distribu´ıdos pelos vários cômodos do mesmo. O módulo de monitoramento permite monitorar os cômodos, assim como ligar ou desligar aparelhos de ar-condicionados. Mesmo em residencias é poss´ıvel aplicar as caracter´ısticas de uma rede de sensores. Em (SEEWALD, 2014), foram utilizados vários sensores (de temperatura, de presen¸ca, de gás e de luminosidade) para abastecer com dados um sistema de monitoramento via web e via aplicativo Android (dispositivo móvel). Finalmente, em (FERREIRA, 2014), os autores apresentaram um protótipo capaz de remotamente controlar e monitorar o estado de diferentes dispositivos espalhados por um determinado ambiente. Nesse trabalho, eles utilizaram os conceitos de Internet das Coisas (IoT, do inglês Internet of Things), e para tal foi desenvolvido um middleware capaz tratar as requisi¸co˜es dos diversos dispositivos. ´ importante salientar, que todos os trabalhos apresentados nessa subse¸caõ, são na E verdade sistemas de monitoramento residencial. Eles fazem uso de um ou mais sensores (de mesmo tipo ou não) para a partir dos dados adquiridos, executar as a¸co˜es de controle de forma manual, ligando ou desligando aparelhos.. 3.1.2. Aplica¸c˜ oes n˜ ao Residenciais No trabalho de (CAVALCANTI, 2012), os autores utilizam um Arduino acoplado. a um modem GSM/GPRS, com o intuito de receber comandos via SMS. Dessa forma, pode-se controlar um determinado disjuntor, ligando ou desligando. Além de receber comandos, o Arduino manda informa¸caõ sobre o estado atual do referido dispositivo, além.

(37) 36. da tensão que passa pelo mesmo. Ou seja, o módulo de controle recebe informa¸co˜es sobre a tensão e sobre o estado do dispositivo, podendo desligá-lo ou ligá-lo. Uma rede de sensores pode fornecer dados relevantes sobre um determinado dom´ınio. Em (BERGMANN N. W.; WALLACE, 2010) por exemplo, o autor desenvolveu uma rede de sensores sem fio de baixo custo, que foi aplicada a um ambiente marinho. A ideia era manter a temperatura dos tanques controlada através dos dados coletados pelos sensores distribu´ıdos nos tanques. Além dos Arduinos como microcontroladores, também foi utilizado um módulo XBee para transmissão via rádio frequência. Em outros casos, não apenas a temperatura precisa ser monitorada, mas outros fatores. No trabalho de (BELEM, 2011) por exemplo, foi desenvolvido um protótipo composto de sensores de umidade e temperatura com o objetivo de obter dados suficientes para realiza¸caõ de um controle mais r´ıgido da condi¸co˜es térmicas dentro de um aviário. O sensor utilizado no trabalho foi o SHT15 (sensor de umidade e temperatura), que coletava os dados dentro de um per´ıodo especificado. Dessa forma, baseado no monitoramento, o granjeiro seria sempre alertado sobre as mudan¸cas de térmicas, e poderia a partir da´ı, tomas as a¸co˜es cab´ıveis para manter o ambiente dentro dos padrões normais e necessários para o crescimento das aves. Em (CRUZ, 2013), o autor utilizou sensores sem fio para capturar dados de temperatura e movimento, que alimentavam o módulo controlador. Este por sua vez, controlava os aparelhos de ar-condicionado via infra-vermelho diminuindo ou aumentando a temperatura do ambiente. Dessa forma, o sistema de controle e monitoramento permitia um melhor uso da energia elétrica, visto que podia ligar ou desligar aparelhos, ou mesmo aumentar ou diminuir a temperatura dos mesmo. Com esse mesmo intuito, o trabalho de (CUNHA, 2013) também busca o uso eficiente de aparelhos de ar-condicionado espalhados por ambientes dos mais variados. A diferen¸ca entre ambos os trabalhos está na quantidade de aparelhos que se deseja controlar. Em (BARROCA et al., 2013), é descrito um sistema de monitoramento e controle baseado em rede de sensores sem fio para uso na constru¸caõ civil. O objetivo é fornecer uma ferramenta capaz de controlar a temperatura e umidade no interior de uma estrutura de concreto. Para tal, foram utilizados sensores SHT15 (temperatura e umidade), juntamente com Arduino. Já um outro trabalho (ABRAHAM; LI, 2014), que também utiliza uma rede sem fio de sensores focou somente no controle da qualidade do ar em ambientes fechados. O objetivo principal deste trabalho era apresentar um sistema de baixo custo.

(38) 37. que supervisionasse a qualidade do ar interior através do uso de Arduino, módulos XBee e uma rede de micros sensores de gás. Os trabalhos apresentados nessa subse¸caõ foram aplicados aos mais variados tipos de ambientes. Contudo, o controle implementado estava sempre associado a interven¸cão humana através de um aplicativo (web ou móvel) ou a regras básicas implementadas no próprio aplicativo. Em nenhum dos trabalhos houve controle inteligente através de técnicas ou modelos que pudessem generalizar o que foi aprendido sobre os dados coletados.. 3.2. Sistemas de Controle Inteligente Nessa se¸cão, discutimos trabalhos que fazem uso de rede de sensores com ou. sem fio, e que utilizam algum mecanismo capaz de prover inteligência. Dentre esses trabalhos, podemos citar os seguintes: (VERA-REPULLO et al., 2015), (SANTOS, 2013) e (YUWONO et al., 2015). O primeiro trabalho (VERA-REPULLO et al., 2015), utiliza sensores para capturar dados de temperatura, umidade e solo. A partir de tais dados, aplica algumas regras pré-definidas para controlar a quantidade e dura¸cão da irriga¸cão de vegetais. O segundo segue a mesma linha de implementa¸cão de controle contido no primeiro (utiliza¸cão de regras). Nele (SANTOS, 2013), o autor propõem a utiliza¸caõ de uma rede de sensores para controle de temperatura e umidade em uma estufa. De acordo com a medi¸co˜es, regras são aplicadas para determinar o tempo de utiliza¸caõ de uma bomba d’água. No trabalho de (KAYSSI, 2013), o mesmo faz uso de um microcontrolador Arduino que se comunica com uma aplica¸cão Android, o mesmo faz uso de uma rede de Zigbee sem fio e tecnologias X10 com fio, tornando-se assim um sistema h´ıbrido de custo-eficiente. Fazendo controle de eventos por meio de tempos programados para serem acionados sob condi¸cões espec´ıficas, e isto pode ter um grande papel na redu¸cão da energia total consumida por alguns aparelhos. Já no trabalho de (G.PRATHYUSHA, 2015), utilizaram lógica fuzzy junto com o microcontrolador arduino para controlar a temperatura e verificar a mudan¸ca da mesma até atingir a temperatura desejada através de um sistema com implementa¸caõ de software distorcido e com o controlador PID, de modo a obter o melhor processo de resposta dos sensores..

(39) 38. Por u ´ ltimo, no trabalho de (YUWONO et al., 2015), os autores utilizam sele¸cão não supervisionada de atributos e um algoritmo de agrupamento inspirado no Enxame de Part´ıculas, do inglês Particle Swarm Optimization (PSO), para deteçcão automática de falhas e diagnóstico em sistemas de ventila¸caõ e de ar condicionado.. 3.3. Discuss˜ ao Nesta se¸cão enfatizamos alguns pontos importantes mostrados ao longo deste. cap´ıtulo. Primeiramente, vale ressaltar que a grande maioria dos sistemas de monitoramento e controle mostrados aqui, não possuem mecanismos inteligentes de controlar as a¸cões dentro de um determinado ambiente. Segundo, dentre os trabalhos relatados, apenas um faz uso de técnicas de aprendizado de máquina combinado com técnicas de otimiza¸caõ para deteçcaõ inteligente de falhas em sistemas de ventila¸caõ. Diante do exposto, este trabalho visa fornecer uma ferramenta capaz de controlar de forma inteligente os aparelhos de ar-condicionado e desumidificador dentro de um ambiente. Para tal, o mesmo faz uso de técnicas de aprendizado de máquina supervisionado e não supervisionado..

(40) 39. 4 Desenvolvimento do Prot´ otipo. Visando um melhor desenvolvimento do protótipo, dividimos este cap´ıtulo em 6 etapas. Na primeira etapa, se encontra as contribui¸co˜es do autor, onde o mesmo descreve alguns circuitos que ajudarão no desenvolvimento do protótipo, como o aumento de portas do arduino e a estabiliza¸caõ da voltagem do ESP8266 (que vai trabalhar de forma independente, sem receber a voltagem do microntrolador). Já segunda etapa realizou-se o desenho e a constru¸cão do transmissor de dados. Na terceira etapa foi desenvolvido o receptor primário de controle. Na quarta etapa, foi constru´ıdo o segundo receptor de controle para o Ar-condicionado reserva, na etapa seguinte foi planejado a constru¸caõ do terceiro receptor, responsável pelo controle do desumidificador e na sexta etapa é descrito o sistema de monitoramento remoto. Com isso, conseguimos chegar na seguinte arquitetura do sistema, conforme pode ser visto na Figura 10. Figura 10 – Arquitetura do Sistema.. Fonte: do próprio autor..

(41) 40. 4.1. Contribui¸co ˜es para o desenvolvimento do prot´ otipo Uma das grandes contribui¸cões realizadas no desenvolvimento do protótipo foi o. desenvolvimento de uma placa para conexão via I2C utilizando o C.I PCF8574, já existem um módulo pronto para conexão I2C para display, mas esta contribui¸caõ se dá na forma de se criar módulos para a cria¸caõ de uma placa uńica se depender de módulos independentes. Assim como o desenvolvimento também de um circuito para a alimenta¸cão e troca de dados do ESP, com estes circuitos podemos trabalhar de forma independente sem precisar de uma placa de prototipagem para arduino.. 4.1.1. Expansor de portas entradas/sa´ıdas Com a grande evolu¸caõ de microprocessadores voltados a kits de aprendizagem e de. aplica¸co˜es de sistemas automatizados, surgiu a necessidade de evoluir microprocessadores com mais portas de entrada e sa´ıda, assim como aumentar a memória dos mesmos e a cria¸cão de expansores de portas de entrada e sa´ıda para aumentar a capacidade de dos microprocessadores que possuem limita¸caõ de n´ umero de portas IO. No comércio existem vários C.I que efetuam esta fun¸cão, dentre eles, destacamos o 74HC595 (registrador de deslocamento de 8 bits) e o PCF8574 (expansor de portas entradas/sa´ıdas de 8bits), neste projeto estaremos utilizando o PCF8574 para controlar um LCD 16x2, conforme visto na figura 11. Figura 11 – Pinagem do display LCD 16 x 2.. Fonte: google.com..

(42) 41. A vantagem de se utilizar o PCF8574, está na utiliza¸caõ de duas portas do arduino (serial clock(SCL) e serial data(SDA)) e utiliza a interface de I2C1 . Com isso, é poss´ıvel expandir as portas de um microcontrolador utilizando apenas essas duas portas para 8 portas. Por u´ltimo, deve-se configurar o endere¸camento do dispositivo que vai se comunicar com o arduino. Utilizando o Fritzing2 como ambiente gráfico que mostra em modo virtual como seria uma montagem f´ısica em protoboard, temos na Figura 12,a liga¸caõ do PCF8574 ao display e ao arduino e na Figura 13 sua pinagem e seu encapsulamento. Figura 12 – Liga¸caõ do PCF8574 ao display e ao arduino.. Fonte: do próprio autor.. Figura 13 – Pinagem e encapsulamento do PCF8574.. Fonte: do próprio autor. 1 2. Protocolo de comunica¸c˜ ao utilizado em sistemas embarcados fritzing.org.

(43) 42. 4.1.2. Buffer n˜ ao-inversor CD4050 O circuito integrado CD4050 é um integrado com 6 buffers não-inversores, fazendo. a conversão para o n´ıvel lógico de alta para baixa e fazendo como referência a alimenta¸caõ do mesmo. A grande vantagem de se usar este circuito integrado está na liga¸caõ do arduino com outros periféricos que exijam outros tipos de alimenta¸cão, como por exemplo 3,3v, utilizando ele como um conversor de n´ıvel lógico entre Arduino e o ESP8266, como exemplo. Os pinos tem correspondência; entra alta e sai baixa. Na Figura 14 vemos o diagrama de blocos com a rela¸cão dos pinos e seu invólucro. Figura 14 – Diagrama de blocos e invólucro do CD4050.. Fonte: do próprio autor.. O CD4050 será utilizado para alimentar o ESP8266, cuja tensão de trabalho e voltagem das portas digitais é de 3,3V. Lembrando que o próprio Ardu´ıno tem uma sa´ıda de alimenta¸caõ de 3,3V, este recurso é apresentado como um método viável de alimenta¸caõ independente, aonde não precisamos de uma liga¸caõ direta com o Ardu´ıno.. 4.2. Transmissor de dados O transmissor de dados, parte superior da Figura 10, é composto por um Ardu´ıno. UNO e um Shield W5100, que coletam dados provenientes dos cinco sensores LM35 (Temperatura) e dos cinco sensores DHT11 (Umidade) espalhados pelo laboratório. Ainda dentro do próprio microcontrolador, implementamos dois métodos de fusão de dados redundantes, que são os seguintes: Kalman e Média Ponderada. Este módulo também é responsável por enviar os dados dos dez (10) sensores para um banco de dados MYSQL, assim como os dados de temperatura e umidade processados através da utiliza¸cão dos métodos supracitados. Por u ´ ltimo, podemos notar a interface.

(44) 43. para visualiza¸cão das informa¸cões, que auxilia no monitoramento do próprio ambiente (laboratório). As funcionalidades implementadas são as seguintes: • Display para a visualiza¸caõ das informa¸co˜es referentes a temperatura e umidade no laboratório (poss´ıvel escolher entre Kalman e Média Ponderada); • Led Indicador de envio de dados (pisca conforme envia os dados para o servidor); • Led indicador de falta de Internet (acende acusando a falta de conexão); • Led indicador de situa¸caõ cr´ıtica (acende quando temperatura e umidade alcan¸cam os valores cr´ıticos descritos nas Classes: Calor1, Calor2 ou Perigo); • Led LIGADO, indicador que o equipamento se encontra ligado. Para facilitar o entendimento do funcionamento do transmissor, usaremos o fluxograma abaixo, representado na Figura 15. Figura 15 – Fluxograma do transmissor.. Fonte: do próprio autor.. O primeiro passo é conectar o Shield Internet, caso haja conexão, os cinco pares de sensores serão lidos. Caso não haja, o led indicador de falta de conexão será aceso. Passo.

(45) 44. dois, processar os dados dos sensores, usando para isso os métodos Kalman ou Média Ponderada, e mostrar no display de visualiza¸cão. Passo três, efetuar a classifica¸cão dos dados recém coletados (nova instancia), e caso seja necessário, acender led referente a situa¸caõ cr´ıtica. Passo quatro, enviar os dados para o banco de dados. Por u ´ltimo, repetir os passos descritos. Foi projetado o circuito eletrônico como descrito na Figura 16. Figura 16 – Arquitetura do Transmissor.. Fonte: do próprio autor.. A importância deste circuito, está na distribui¸caõ dos sensores nas portas do arduino e liga¸cão dos leds indicadores e sa´ıda para a liga¸cão do relé responsável pelo controle do equipamento controlado no laboratório, pois podemos observar, que pela quantidade de sensores utilizados (num total de 10 sensores), acabamos limitando o n´ umero de portas do Arduino, este é o motivo de utilizarmos o integrado expansor de portas PCF8574, onde conseguimos comunicar um LCD 16 x 2 com apenas duas portas (serial clock(SCL) e serial.

(46) 45. data(SDA)) do Arduino, conforme pode ser visto na Figura 17. Com estes procedimentos, conseguimos estabelecer uma comunica¸cão I2C entre o arduino e o LCD, facilitando a utiliza¸cão do mesmo com a ajuda de endere¸camento fornecido pelo PCF8574. Todo o circuito do transmissor foi montado numa Caixa/Gabinete Plástico PATOLA PB-209 82x170x178mm. na Figura 18 temos o protótipo já em pleno funcionamento no laboratório controlado. Figura 17 – Circuito de liga¸cão ao LCD utilizando o PCF8574.. Fonte: do próprio autor.. Figura 18 – Protótipo do transmissor já montado e funcionando.. Fonte: do próprio autor..

(47) 46. 4.3. Receptor prim´ ario de controle O Receptor de controle primário consiste num Ardu´ıno mega que controla um. Shield GSM/GPRS e um ESP8266. Este módulo de controle é responsável por receber as informa¸co˜es oriundas do servidor. Dependendo do valor da classe, ele pode executar a¸co˜es distintas, tais como: Controle do Ar-condicionado principal via infra-vermelho, controle do Desumidificador e envio de SMSs. Para facilitar o entendimento do funcionamento do receptor primário, usaremos o fluxograma representado na Figura 19. Figura 19 – Fluxograma do Receptor 1.. Fonte: do próprio autor.. Temos assim os seguintes passos:.