Proposta de uma ontologia para tratamento de divergência de dados na aplicação de fusão de sensores em plantas industriais

Detalhes bibliográficos
Autor(a) principal: Freitas, Alvaro Luis Pianalto de
Data de Publicação: 2017
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da FURG (RI FURG)
Texto Completo: http://repositorio.furg.br/handle/1/9857
Resumo: Os atuais perfis de consumo impõem às indústrias de manufatura um grande desafio, que é manterem-se competitivas dentro de uma concorrência acirrada pela preferência de clientes ávidos por novos produtos. Entre as soluções necessárias para esta realidade está o aumento do nível de automação nas linhas de produção, de modo a torna-las flexíveis, ágeis e rápidas na sua configuração/reconfiguração, seguras e também confiáveis na execução e controle dos processos produtivos. Outro fator a ser considerado é o aumento do número de componentes das plantas industriais, assim como a quantidade de informações por eles geradas, sendo que grande parte dessas informações são originadas por sensores, hoje difundidos em larga escala, sendo comumente empregados em conjunto para medir um mesmo fenômeno de um processo produtivo. Neste tipo de aplicação exige-se a fusão dos dados medidos a fim de fornecer uma única informação, precisa e confiável ao sistema de controle da planta. Esse panorama traz um crescimento do nível de complexidade da planta em si, como também dos sistemas de software responsáveis pelo seu controle. Sendo assim, neste trabalho é proposta uma ontologia com a finalidade de representar o conhecimento sobre os componentes de plantas industriais que fazem parte da estrutura física onde a fusão de sensores é empregada. Além disso, outra finalidade é a identificação das divergências de dados entre sensores quando utilizados de forma combinada no controle de processos industriais. Este conhecimento, que é agregado as capacidades dedutivas de um motor de inferência semântica, pode ser usado no apoio aos sistemas supervisão e controle de automação empregados nas indústrias. Para isso, juntamente com a ontologia foram desenvolvidas regras semânticas que asseguraram o funcionamento lógico das restrições no domínio estudado. Como resultado, esta ontologia é capaz de informar automaticamente ao usuário a existência de fusão de sensores, bem como identificar as possíveis divergências de valores nas medições dos sensores envolvidos neste tipo de aplicação.
id FURG_464e57af043c2d2d7965063913403cd9
oai_identifier_str oai:repositorio.furg.br:1/9857
network_acronym_str FURG
network_name_str Repositório Institucional da FURG (RI FURG)
repository_id_str
spelling Freitas, Alvaro Luis Pianalto deGonçalves, Eder Mateus Nunes2021-12-15T12:12:56Z2021-12-15T12:12:56Z2017FREITAS, Alvaro Luis Pianalto de. Proposta de uma ontologia para tratamento de divergência de dados na aplicação de fusão de sensores em plantas industriais. 2017. 104 f. Dissertação (Mestrado em Engenharia da Computação) – Centro de Ciências Computacionais, Universidade Federal do Rio Grande, Rio Grande, 2017.http://repositorio.furg.br/handle/1/9857Os atuais perfis de consumo impõem às indústrias de manufatura um grande desafio, que é manterem-se competitivas dentro de uma concorrência acirrada pela preferência de clientes ávidos por novos produtos. Entre as soluções necessárias para esta realidade está o aumento do nível de automação nas linhas de produção, de modo a torna-las flexíveis, ágeis e rápidas na sua configuração/reconfiguração, seguras e também confiáveis na execução e controle dos processos produtivos. Outro fator a ser considerado é o aumento do número de componentes das plantas industriais, assim como a quantidade de informações por eles geradas, sendo que grande parte dessas informações são originadas por sensores, hoje difundidos em larga escala, sendo comumente empregados em conjunto para medir um mesmo fenômeno de um processo produtivo. Neste tipo de aplicação exige-se a fusão dos dados medidos a fim de fornecer uma única informação, precisa e confiável ao sistema de controle da planta. Esse panorama traz um crescimento do nível de complexidade da planta em si, como também dos sistemas de software responsáveis pelo seu controle. Sendo assim, neste trabalho é proposta uma ontologia com a finalidade de representar o conhecimento sobre os componentes de plantas industriais que fazem parte da estrutura física onde a fusão de sensores é empregada. Além disso, outra finalidade é a identificação das divergências de dados entre sensores quando utilizados de forma combinada no controle de processos industriais. Este conhecimento, que é agregado as capacidades dedutivas de um motor de inferência semântica, pode ser usado no apoio aos sistemas supervisão e controle de automação empregados nas indústrias. Para isso, juntamente com a ontologia foram desenvolvidas regras semânticas que asseguraram o funcionamento lógico das restrições no domínio estudado. Como resultado, esta ontologia é capaz de informar automaticamente ao usuário a existência de fusão de sensores, bem como identificar as possíveis divergências de valores nas medições dos sensores envolvidos neste tipo de aplicação.The current consumption profiles impose manufacturing industries a great challenge, which is to remain competitive within a fierce competition for the preference of customers eager for new products. Among the solutions necessary for this reality is the increase of the level of automation in the production lines, in order to make them flexible, agile and fast in their configuration / reconfiguration, safe and also reliable in the execution and control of the productive processes. Another factor to be considered is the increase in the number of components of industrial plants, as well as the amount of information generated by them, and a great part of this information is originated by sensors, which are now widely used and are commonly used to measure the same phenomenon of a productive process. In this type of application it is necessary to merge the measured data in order to provide a single, accurate and reliable information to the plant control system. This scenario brings a growth of the level of complexity of the plant itself, as well as of the software systems responsible for its control. Thus, in this work an ontology is proposed with the purpose of representing the knowledge about the components of industrial plants that are part of the physical structure where the fusion of sensors is used. In addition, another purpose is to identify the divergences of data between sensors when used in combination in the control of industrial processes. This knowledge, which aggregates the deductive capabilities of a semantic inference engine, can be used to support automation supervision and control systems employed in industries. For this, together with the ontology were developed semantic rules that ensured the logical operation of the constraints in the studied domain. As a result, this ontology is able to automatically inform the user the existence of sensor fusion, as well as to identify the possible divergences of values in the sensor measurements involved in this type of application.porOntologiaAutomaçãoFusão de sensoresOntologyAutomationSensor fusionProposta de uma ontologia para tratamento de divergência de dados na aplicação de fusão de sensores em plantas industriaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da FURG (RI FURG)instname:Universidade Federal do Rio Grande (FURG)instacron:FURGLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.furg.br/bitstream/1/9857/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52open accessORIGINAL0000011917.pdf0000011917.pdfapplication/pdf2494116https://repositorio.furg.br/bitstream/1/9857/1/0000011917.pdffd512e29a032e7701c31df155b6a5215MD51open access1/98572021-12-15 09:12:56.311open accessoai:repositorio.furg.br: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Repositório InstitucionalPUBhttps://repositorio.furg.br/oai/request || http://200.19.254.174/oai/requestopendoar:2021-12-15T12:12:56Repositório Institucional da FURG (RI FURG) - Universidade Federal do Rio Grande (FURG)false
dc.title.pt_BR.fl_str_mv Proposta de uma ontologia para tratamento de divergência de dados na aplicação de fusão de sensores em plantas industriais
title Proposta de uma ontologia para tratamento de divergência de dados na aplicação de fusão de sensores em plantas industriais
spellingShingle Proposta de uma ontologia para tratamento de divergência de dados na aplicação de fusão de sensores em plantas industriais
Freitas, Alvaro Luis Pianalto de
Ontologia
Automação
Fusão de sensores
Ontology
Automation
Sensor fusion
title_short Proposta de uma ontologia para tratamento de divergência de dados na aplicação de fusão de sensores em plantas industriais
title_full Proposta de uma ontologia para tratamento de divergência de dados na aplicação de fusão de sensores em plantas industriais
title_fullStr Proposta de uma ontologia para tratamento de divergência de dados na aplicação de fusão de sensores em plantas industriais
title_full_unstemmed Proposta de uma ontologia para tratamento de divergência de dados na aplicação de fusão de sensores em plantas industriais
title_sort Proposta de uma ontologia para tratamento de divergência de dados na aplicação de fusão de sensores em plantas industriais
author Freitas, Alvaro Luis Pianalto de
author_facet Freitas, Alvaro Luis Pianalto de
author_role author
dc.contributor.author.fl_str_mv Freitas, Alvaro Luis Pianalto de
dc.contributor.advisor1.fl_str_mv Gonçalves, Eder Mateus Nunes
contributor_str_mv Gonçalves, Eder Mateus Nunes
dc.subject.por.fl_str_mv Ontologia
Automação
Fusão de sensores
Ontology
Automation
Sensor fusion
topic Ontologia
Automação
Fusão de sensores
Ontology
Automation
Sensor fusion
description Os atuais perfis de consumo impõem às indústrias de manufatura um grande desafio, que é manterem-se competitivas dentro de uma concorrência acirrada pela preferência de clientes ávidos por novos produtos. Entre as soluções necessárias para esta realidade está o aumento do nível de automação nas linhas de produção, de modo a torna-las flexíveis, ágeis e rápidas na sua configuração/reconfiguração, seguras e também confiáveis na execução e controle dos processos produtivos. Outro fator a ser considerado é o aumento do número de componentes das plantas industriais, assim como a quantidade de informações por eles geradas, sendo que grande parte dessas informações são originadas por sensores, hoje difundidos em larga escala, sendo comumente empregados em conjunto para medir um mesmo fenômeno de um processo produtivo. Neste tipo de aplicação exige-se a fusão dos dados medidos a fim de fornecer uma única informação, precisa e confiável ao sistema de controle da planta. Esse panorama traz um crescimento do nível de complexidade da planta em si, como também dos sistemas de software responsáveis pelo seu controle. Sendo assim, neste trabalho é proposta uma ontologia com a finalidade de representar o conhecimento sobre os componentes de plantas industriais que fazem parte da estrutura física onde a fusão de sensores é empregada. Além disso, outra finalidade é a identificação das divergências de dados entre sensores quando utilizados de forma combinada no controle de processos industriais. Este conhecimento, que é agregado as capacidades dedutivas de um motor de inferência semântica, pode ser usado no apoio aos sistemas supervisão e controle de automação empregados nas indústrias. Para isso, juntamente com a ontologia foram desenvolvidas regras semânticas que asseguraram o funcionamento lógico das restrições no domínio estudado. Como resultado, esta ontologia é capaz de informar automaticamente ao usuário a existência de fusão de sensores, bem como identificar as possíveis divergências de valores nas medições dos sensores envolvidos neste tipo de aplicação.
publishDate 2017
dc.date.issued.fl_str_mv 2017
dc.date.accessioned.fl_str_mv 2021-12-15T12:12:56Z
dc.date.available.fl_str_mv 2021-12-15T12:12:56Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv FREITAS, Alvaro Luis Pianalto de. Proposta de uma ontologia para tratamento de divergência de dados na aplicação de fusão de sensores em plantas industriais. 2017. 104 f. Dissertação (Mestrado em Engenharia da Computação) – Centro de Ciências Computacionais, Universidade Federal do Rio Grande, Rio Grande, 2017.
dc.identifier.uri.fl_str_mv http://repositorio.furg.br/handle/1/9857
identifier_str_mv FREITAS, Alvaro Luis Pianalto de. Proposta de uma ontologia para tratamento de divergência de dados na aplicação de fusão de sensores em plantas industriais. 2017. 104 f. Dissertação (Mestrado em Engenharia da Computação) – Centro de Ciências Computacionais, Universidade Federal do Rio Grande, Rio Grande, 2017.
url http://repositorio.furg.br/handle/1/9857
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da FURG (RI FURG)
instname:Universidade Federal do Rio Grande (FURG)
instacron:FURG
instname_str Universidade Federal do Rio Grande (FURG)
instacron_str FURG
institution FURG
reponame_str Repositório Institucional da FURG (RI FURG)
collection Repositório Institucional da FURG (RI FURG)
bitstream.url.fl_str_mv https://repositorio.furg.br/bitstream/1/9857/2/license.txt
https://repositorio.furg.br/bitstream/1/9857/1/0000011917.pdf
bitstream.checksum.fl_str_mv 8a4605be74aa9ea9d79846c1fba20a33
fd512e29a032e7701c31df155b6a5215
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da FURG (RI FURG) - Universidade Federal do Rio Grande (FURG)
repository.mail.fl_str_mv
_version_ 1798313638142935040