O desafio para a área de monitoramento de processos, em indústrias químicas, ainda é a etapa de detecção, com a necessidade de desenvolvimento de sistemas confiáveis. Pode-se resumir que um sistema é confiável, ao ser capaz de detectar as situações anormais, de modo precoce, e, ao mesmo tempo, de minimizar a geração de alarmes falsos. Ao se ter um sistema confiável, pode-se empregá-lo para auxiliar o operador, de fábricas, no processo de tomada de decisões. O objetivo deste estudo é apresentar uma metodologia, baseada na técnica, modelo oculto de Markov (HMM, acrônimo de ?Hidden Markov Model?), para se detectar situações anormais em caldeiras de recuperação química. As aplicações de maior sucesso de HMM são na área de reconhecimento de fala. Pode-se citar como aspectos positivos: o raciocínio probabilístico, a modelagem explícita, e a identificação a partir de dados históricos. Fez-se duas aplicações. O primeiro estudo de caso é no ?benchmark? de um sistema de evaporação múltiplo efeito de uma fábrica de produção de açúcar. Identificou-se um HMM, característico de operação normal, para se detectar cinco situações anormais no atuador responsável por regular o fluxo de xarope de açúcar para o primeiro evaporador. A detecção, para as três situações abruptas, é imediata, uma vez que o HMM foi capaz de detectar alterações, abruptas, no sinal da variável monitorada. Em relação às duas situações incipientes, foi possível detectá-las ainda em estágio inicial; ao ser o valor de f (vetor responsável por representar a intensidade de um evento anormal, com o tempo), no instante da detecção, próximo a zero, igual a 2,8% e 2,1%, respectivamente. O segundo estudo de caso é em uma caldeira de recuperação química, de uma fábrica de produção de celulose, no Brasil. O objetivo é monitorar o acúmulo de depósitos de cinzas sobre os equipamentos da sessão de transferência de calor convectivo, através de medições de perda de carga. Este é um dos principais desafios para se aumentar a eficiência operacional deste equipamento. Após a identificação de um HMM característico de perda de carga alta, pôde-se verificar a sua capacidade de informar o estado atual e, por consequência, a tendência do sistema, de modo similar à um preditor. Pôde-se demonstrar também a utilidade de se definir limites de controle, com o objetivo de se ter a informação sobre a distância entre o estado atual e os níveis de alarme de perda de carga. / The greatest challenge faced by the area of process monitoring in chemical industries still resides in the fault detection task, which aims at developing reliable systems. One may say that a system is reliable if it is able to perform early fault detection and, at the same time, to reduce the generation of false alarms. Once there is a reliable system available, it can be employed to help operators, in factories, in the decisionmaking process. The aim of this study is presenting a methodology, based on the Hidden Markov Model (HMM) technique, suggesting its use in the detection of abnormal situations in chemical recovery boilers. The most successful applications of HMM are in the area of speech recognition. Some of its advantages are: probabilistic reasoning, explicit modeling and the identification based on process history data. This study discusses two applications. The first one is on a benchmark of a multiple evaporation system in a sugar factory. A HMM representative of the normal operation was identified, in order to detect five abnormal situations at the actuator responsible for controlling the syrup flow to the first evaporator. The detection result for the three abrupt situations was immediate, since the HMM was capable of detecting the statistical changes on the signal of the monitored variable as soon as they occurred. Regarding to the two incipient situations, the detection was done at an early stage. For both events, the value of vector f (responsible for representing the strength of an abnormal event over time), at the time it occurred, was near zero, equal to 2.8 and 2.1%, respectively. The second case study deals with the application of HMM in a chemical recovery boiler, belonging to a cellulose mill, in Brazil. The aim is monitoring the accumulation of ash deposits over the equipments of the convective heat transfer section, through pressure drop measures. This is one of the main challenges to be overcome nowadays, bearing in mind the interest that exists in increasing the operational efficiency of this equipment. Initially, a HMM for high values of pressure drop was identified. With this model, it was possible to check its capacity to inform the current state, and consequently, the tendency of the system (similarly as a predictor). It was also possible to show the utility of defining control limits, in order to inform the operator the relative distance between the current state of the system and the alarm levels of pressure drop.

Made available in DSpace on 2016-12-23T14:33:33Z (GMT). No. of bitstreams: 1 Diss ITM 1.pdf: 288787 bytes, checksum: 7ec6ca50c8c58631a8efb146dc08e482 (MD5) Previous issue date: 2013-01-25 / Aplicações sensíveis ao contexto usam informações contextuais para customizar serviços de acordo com as situações e as necessidades dos seus usuários. Um dos desafios associados ao desenvolvimento deste tipo de aplicação está em especificar os modelos conceituais que representam as situações de interesse da aplicação. O objetivo desta dissertação é propor uma metodologia orientada a modelos para auxiliar o desenvolvimento de aplicações sensíveis ao contexto, com foco na especificação e detecção de situações contextuais. Para atingir este objetivo, o trabalho propõe uma linguagem gráfica de modelagem de situações, chamada SML (Situation Modeling Language), que permite especificar diferentes tipos de situação considerando aspectos como composição de situações e inferência temporal. A fim de permitir a detecção de situações, os modelos descritos em SML podem ser utilizados para gerar uma implementação baseada em regras que observa contexto e controla o ciclo de vida das situações de interesse da aplicação. O trabalho descreve como os elementos especificados em SML são transformados em código a ser executado pela máquina de regras Drools. Finalmente, para apoiar o desenvolvimento de aplicações sensíveis ao contexto, são propostas ferramentas que auxiliam o processo de modelagem e de transformação do modelo em código. Os conceitos envolvidos na construção de SML e na geração automática de código são exemplificados por meio de um cenário de detecção de fraudes bancárias / Context-aware applications manipulate context information to adapt services according to the users current situation and needs. One of the challenges of developing context-aware applications refers to the specification of the conceptual models that represent the situations of interest. The objective of this thesis is to propose a model-driven methodology to assist the development of context-aware applications, focusing on the specification and the detection of contextual situations. To achieve this goal, the work proposes a graphical language for modeling situations, coined SML (Situation Modeling Language), which allows the user to specify situation types considering aspects such as composition of situations and their temporal reasoning. In order to allow situation detection, the models described in SML can be used to generate a rule-based implementation, which is capable of observing context and controlling situations lifecycle. The work describes how the elements specified in SML are transformed into code to be executed in the Drools rule engine. Finally, to support the development of applications, we propose tools to assist the modeling phase, as well as the implementation phase, by means of code generation. The concepts involved in the design of SML and the transformations of SML models to Drools code are exemplified by means of a banking scenario for detecting fraudsusceptible behavior

O desafio para a área de monitoramento de processos, em indústrias químicas, ainda é a etapa de detecção, com a necessidade de desenvolvimento de sistemas confiáveis. Pode-se resumir que um sistema é confiável, ao ser capaz de detectar as situações anormais, de modo precoce, e, ao mesmo tempo, de minimizar a geração de alarmes falsos. Ao se ter um sistema confiável, pode-se empregá-lo para auxiliar o operador, de fábricas, no processo de tomada de decisões. O objetivo deste estudo é apresentar uma metodologia, baseada na técnica, modelo oculto de Markov (HMM, acrônimo de ?Hidden Markov Model?), para se detectar situações anormais em caldeiras de recuperação química. As aplicações de maior sucesso de HMM são na área de reconhecimento de fala. Pode-se citar como aspectos positivos: o raciocínio probabilístico, a modelagem explícita, e a identificação a partir de dados históricos. Fez-se duas aplicações. O primeiro estudo de caso é no ?benchmark? de um sistema de evaporação múltiplo efeito de uma fábrica de produção de açúcar. Identificou-se um HMM, característico de operação normal, para se detectar cinco situações anormais no atuador responsável por regular o fluxo de xarope de açúcar para o primeiro evaporador. A detecção, para as três situações abruptas, é imediata, uma vez que o HMM foi capaz de detectar alterações, abruptas, no sinal da variável monitorada. Em relação às duas situações incipientes, foi possível detectá-las ainda em estágio inicial; ao ser o valor de f (vetor responsável por representar a intensidade de um evento anormal, com o tempo), no instante da detecção, próximo a zero, igual a 2,8% e 2,1%, respectivamente. O segundo estudo de caso é em uma caldeira de recuperação química, de uma fábrica de produção de celulose, no Brasil. O objetivo é monitorar o acúmulo de depósitos de cinzas sobre os equipamentos da sessão de transferência de calor convectivo, através de medições de perda de carga. Este é um dos principais desafios para se aumentar a eficiência operacional deste equipamento. Após a identificação de um HMM característico de perda de carga alta, pôde-se verificar a sua capacidade de informar o estado atual e, por consequência, a tendência do sistema, de modo similar à um preditor. Pôde-se demonstrar também a utilidade de se definir limites de controle, com o objetivo de se ter a informação sobre a distância entre o estado atual e os níveis de alarme de perda de carga. / The greatest challenge faced by the area of process monitoring in chemical industries still resides in the fault detection task, which aims at developing reliable systems. One may say that a system is reliable if it is able to perform early fault detection and, at the same time, to reduce the generation of false alarms. Once there is a reliable system available, it can be employed to help operators, in factories, in the decisionmaking process. The aim of this study is presenting a methodology, based on the Hidden Markov Model (HMM) technique, suggesting its use in the detection of abnormal situations in chemical recovery boilers. The most successful applications of HMM are in the area of speech recognition. Some of its advantages are: probabilistic reasoning, explicit modeling and the identification based on process history data. This study discusses two applications. The first one is on a benchmark of a multiple evaporation system in a sugar factory. A HMM representative of the normal operation was identified, in order to detect five abnormal situations at the actuator responsible for controlling the syrup flow to the first evaporator. The detection result for the three abrupt situations was immediate, since the HMM was capable of detecting the statistical changes on the signal of the monitored variable as soon as they occurred. Regarding to the two incipient situations, the detection was done at an early stage. For both events, the value of vector f (responsible for representing the strength of an abnormal event over time), at the time it occurred, was near zero, equal to 2.8 and 2.1%, respectively. The second case study deals with the application of HMM in a chemical recovery boiler, belonging to a cellulose mill, in Brazil. The aim is monitoring the accumulation of ash deposits over the equipments of the convective heat transfer section, through pressure drop measures. This is one of the main challenges to be overcome nowadays, bearing in mind the interest that exists in increasing the operational efficiency of this equipment. Initially, a HMM for high values of pressure drop was identified. With this model, it was possible to check its capacity to inform the current state, and consequently, the tendency of the system (similarly as a predictor). It was also possible to show the utility of defining control limits, in order to inform the operator the relative distance between the current state of the system and the alarm levels of pressure drop.