[pt] Estudos sobre diagnóstico precoce de falhas em hidrogenadores vêm sendo realizados por várias empresas do setor elétrico brasileiro, visando o estabelecimento de uma nova estratégia de manutenção destas máquinas, de forma a reduzir custos de manutenção e operação, bem como aumentar a confiabilidade do sistema elétrico. Este trabalho tem por finalidade apresentar um Sistema Especialista para diagnóstico precoce de falhas eletromecânicas em hidrogenadores. O método de diagnóstico proposto baseia-se na análise de vibrações observadas no eixo da máquina. As informações de vibração são tratadas, essencialmente, através do seu aspectro de freqüência (Transformada de Fourier do sinal no tempo). Outras informações adicionais também são utilizadas pelo Sistema para o refinamento do diagnóstico final a ser obtido. O Sistema Especialista desenvolvido, denominado DIAGH, utiliza um Banco de Conhecimento que foi constituído a partir de informações heurísticas obtidas através de relatos de especialistas, que conseguiram estabelecer o relacionamento de certas freqüências encontradas em tais aspectros, com falhas ocorridas em hidrogenadores. O Sistema DIAGH foi testado, utilizando-se dados reais obtidos a partir de uma das unidades geradoras da usina de Porto Colômbia pertencentes à FURNAS Centrais Elétricas. / [en] Studies on early diagnosis of hydrogenerators failure have been developed in many Brazilian utilities, regarding the establishment of a new maintenance strategy for these machines. The objectives to be achieved are the reduction in operation and maintenance costs as well as the increase in the system reliability. This work aims at presenting an Expert System for the early diagnosis of eletromechanical failures in hydroelectrical generators. The proposed disagnostic method is based on the analysis of the vibrations observed on the mechine shaft. The measured shaft vibrations are represented in the frequency domain by using the Fast Fourier Tranform. Additional information is also used for the final diagnostic improvement. The Expert System built in this work, called DIAGH, uses a knowledge base which was formed from heuristic information of sécialists. This information is concerned with the relationship between the occurrence of certain frequencies and hydrogenerator faults. The DIAGH system was tested through rela data obtained from one of the generation units of Porto Colômbia Substation of FURNAS Centrais Elétricas.

[pt] O presente trabalho investiga a aplicação de um sistema híbrido baseado em Redes Neurais Artificiais (RNAs) e Sistemas Especialistas (SE) na detecção e diagnóstico de falhas em redes elétricas. A pesquisa consistiu de três partes principais:o estudo do problema da detecção e diagnóstico de falhas em redes elétricas; a modelagem e o desenvolvimento do sistema híbrido (RNAs e SE); e o estudo de casos. Na fase de estudo do problema, investigou-se a importância da detecção e do diagnóstico de falhas em redes elétricas, concentrando-se em sistemas elétricos dotados de grande quantidade de alarmes. Tais alarmes podem ocorrer simultaneamente. Conseqüentemente, os operadores de sistemas elétricos encontram dificuldades na identificação da falha e na tomada de decisão quanto à ação corretiva a ser adotada, cometendo, eventualmente, erros de diagnóstico. A investigação do problema também envolveu entrevistas com especialistas da área, visando não só de absorver conhecimento específico sobre o problema, como também delinear a melhor solução para resolvê-lo. A modelagem do sistema híbrido envolveu duas partes:a detecção das falhas, executada por um conjunto de RNAs; e o diagnóstico das falhas detectadas , realizado por um SE. Na detecção das falhas, um conjunto de quatro RNAs, cada uma especializada em um componente do sistema elétrico (gerador, transformador, barra e linha), tem a função de mapear grupos de alarmes acionados em falhas específicas. Trata-se, portanto, de um problema típico de classificação de padrões, onde cada rede neural é treinada usando-se o algoritmo de retropropagação. Os padrões de treinamento, fornecido por especialistas da área, consistem de combinações de 149 alarmes, para um total de 198 ocorrências (184 falhas simples mais 14 situações de operação normal). Após treinadas, as RNAs são testadas com amostras que refletem o estado dos alarmes em um certo período de funcionamento do sistema elétrico. As saídas das RNAs indicam, através de um código, a ocorrência de falhas ou o funcionamento normal do sistema elétrico, nesse período de observação. O SE, responsável pelo diagnóstico, recebe a saída numérica das RNAs, referente às falhas detectadas, e fornece ao operador informações importantes, tais como: quais alarmes foram acionados; quais equipamentos de proteção estão envolvidos na ocorrência; quais os motivos prováveis da ocorrência da falha; e, finalmente, sugere um conjunto de ações corretivas que podem ser tomadas pelo operador para solucionar o problema. Essas informações, não disponíveis diretamente na saída das RNAs, são obtidas através da aplicação de um conjunto específico de especialistas da área. O ambiente de simulação foi desenvolvido em plataforma PC. As RNAs foram implementadas em MatLab Vers: 4.2 e o SE, em Delphi Vers: 2.0. O estudo de casos empregou cerca de 1000 padrões de teste correspondentes ao estado dos 149 alarmes. Estes dados, fornecidos por especialistas do setor elétrico, foram obtidos através de adaptações de situações reais, adequadas ás dimensões do sistema elétrico adotado. Nos testes realizados, o sistema híbrido foi submetido a um conjunto de alarmes, afetados ou não por ruído, respondendo com sugestões quanto às ações corretivas que podem ser tomadas pelo operador. Foram realizados testes de falhas em geradores, tranformadores, barramentos e linhas de transmissão, envolvendo falhas simples e múltiplas no sistema elétrico. Com incidência de até 10% de ruído nos padrões de teste, o índice de acerto de detecção de falha é próxima de 100% e para taxas superiores a 20% o desempenho do sistema híbrido cai gradualmente. Segundo a avaliação de especialistas do setor elétrico, o sistema híbrido apresenta resposta rápida e segura, quando comparado com os processos tradicionais, / [en] This work examines the application of hybrid systems based on Artificial Neural Networks (ANN) and Expert Systems (ES) in detecting and diagnosing faults in Electrical Systems. The research consists of three main parts: the study of cases. In the study of problem, was examined, the importance of detecting and diagnosing faults in Electrical Systems concentrating in Electric Systems equipped with a large quantity of alarms. These alarms may occur simultaneously. Consequently, it is difficult for the electrical systems´operators to identify the faults and decide the corrective action to be adopted, resulting, eventually, in diagnosis erros. The analysis of the problem also involved some interviews with experts in the area, in order to absorb the specific knowledge about the problem, and design the best solution to solve it. The modeling of the Hybrid System involved two parts: the detection of faults, executed by a group of ANNs; and the diagnosis of the detected faults, fulfilled by the ES. In the detection module, a group of four ANNs, each one specialized in an electrical system component (generators, transformers, buses and transmission lines) maps groups of alarms in the specific faults. Therefore, this is a typical pattern classification problem, where each neural network is trained by using the error backpropagation algorithm. The training patterns, produced by experts in the area, consist of the combination of 149 alarms for a total of 184 simple faults and 14 normal operation situations. After training, the ANNs are tested with new samples of alarms, reflecting a certain configuration of the electrical system during the observation period. The ES module, responsible for the diagnosis, receives the ANNs outputs related to the detected faults, and provides to the operator important informations such as: Which alarms were started; the protective equipment involved in the occurrence; the problable reason for the occurrence of the faults; and finally, suggests the corrective action that the operator should perform in order to solve the problem. This information, not available in the ANNs outputs, can be obtained through the application of a set of production rules in a data base, containing the specific knowledge that were extracted from the experts in the area. The simulation environment was developed in a PC plataform. The ANNs, were implemented in MatLab Vers.4.2 and the ES in Delphi. The case studies, applied about 1000 test patterns corresponding to the situation of the 149 alarms. These data, provided by experts of the electrical sector, are adapted from real situations to the dimensions of the Electrical System adopted. In the tests performed, the Hybrid System is submitted to a group of alarms, affected or not by the noise, and reply with suggestions regarding corrective actions that can be adopted by the operator. Various tests were carried out in the generators, transformers, buses, and transmission lines involving simple and multiple faults in the Electrical Power System. With incidence of up to 10% of noise in the test pattern, the performance in detecting fault is near of 100% and for rates superior of 20%, decreases gradually. The evaluation of experts in the electrical sector shows that, the Hybrid System presents a quicker and safer answer, when compared with traditional processes, totally dependent on the human being.

[pt] O rastreamento ocular (eye-tracking) possibilita rastrear a posição e a direção do olhar de uma pessoa sobre algum tipo de estímulo (e.g., imagens ou vídeos). O uso desta tecnologia permite identificar eventos inerentes à visão humana, que contém informações implícitas capazes de revelar aspectos importantes sobre o comportamento de um indivíduo durante uma determinada tarefa. Porém, identificar essas informações requer um conjunto de habilidades para interpretar os dados de rastreamento ocular e relacioná-los com conhecimentos de domínios específicos. Nesse contexto, pode-se fazer grande proveito de sistemas inteligentes para agregar os conhecimentos e experiências de especialistas junto às respostas do dispositivo de rastreamento ocular. Dessa forma, o objetivo principal deste trabalho é propor uma metodologia para criar sistemas baseados em eye-tracking, para enriquecer o processo de avaliação de um indivíduo frente a uma determinada tarefa, resultando em um modelo para representar o conhecimento dos especialistas sobre aspectos subjetivos, visando automatizar esse processo avaliativo. Portanto, o presente trabalho toma como caso de uso a avaliação da relação entre comportamento visual e eficácia de indivíduos na resolução de testes inspirados em Matrizes Progressivas de Raven. Esses testes são comumente usados na psicologia para medir inteligência e a capacidade de raciocínio abstrato a partir da visualização de imagens. Optamos por utilizar uma abordagem baseada em regras fuzzy, por permitir armazenar conhecimento de forma mais transparente e legível aos usuários finais. As regras do modelo foram desenvolvidas e validadas com o auxílio de um especialista da área da psicologia. O sistema foi testado com dados extraídos de um grupo de usuários e apresentou resultados promissores. Os achados e modelos obtidos nessa pesquisa poderão ser utilizados como alicerce para o desenvolvimento de sistemas mais robustos. / [en] Eye-tracking makes it possible to track the position and direction of a person s gaze on some stimulus (e.g., images or videos). This technology allows us to identify events inherent to human vision, containing implicit information capable of revealing essential aspects of one s behavior during a given task. However, identifying these pieces of information is a complex task that requires a set of skills to interpret the eye-tracking data and relate it to domain-specific knowledge. In this context, one can use intelligent systems to couple the knowledge and experience of specialists with the responses from the eye-tracking device. Thus, the main objective of this work is to propose a methodology to create eye-tracking-based systems to improve the assessment of subjects during specific tasks, resulting in a model that can represent the specialist s knowledge over subjective aspects to automate this process. Therefore, the present work s use case is the evaluation of the relationship between visual behavior and efficiency in solving tests inspired by Raven s Progressive Matrices. Those tests are commonly used in psychology to measure intelligence and abstract reasoning through image visualization. We chose an approach based on fuzzy rules, as it allows us to represent knowledge in a more readable way to end-users. The model s rules were developed and validated alongside a specialist in psychology. The system was tested with data extracted from users and showed promising results. The findings and models obtained in this research may be used as a foundation for the development of more robust systems.