Return to search

Sistema especialista baseado em regras ponderado por tend?ncias aplicado ao monitoramento de processos industriais

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2017-09-19T19:51:49Z
No. of bitstreams: 1
DaniloCurveloDeSouza_TESE.pdf: 2406741 bytes, checksum: 3c85e2f4d8b969a73d53e67544840db1 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2017-09-20T19:36:12Z (GMT) No. of bitstreams: 1
DaniloCurveloDeSouza_TESE.pdf: 2406741 bytes, checksum: 3c85e2f4d8b969a73d53e67544840db1 (MD5) / Made available in DSpace on 2017-09-20T19:36:12Z (GMT). No. of bitstreams: 1
DaniloCurveloDeSouza_TESE.pdf: 2406741 bytes, checksum: 3c85e2f4d8b969a73d53e67544840db1 (MD5)
Previous issue date: 2017-06-23 / Conselho Nacional de Desenvolvimento Cient?fico e Tecnol?gico (CNPq) / A presente tese apresenta uma t?cnica inovadora ? designada como sistema especialista baseado em regras ponderado por tend?ncias (SEBRPT) ? fundamentada na integra??o de duas ferramentas existentes na ?rea de intelig?ncia artificial, os sistemas especialistas (SE) e a an?lise qualitativa de tend?ncias (QTA). Um dos objetivos desta abordagem ? usufruir das principais vantagens associadas a cada uma das ferramentas utilizadas, tais como a facilidade de se representar o conhecimento atrav?s de regras e a capacidade de extrair o comportamento e as tend?ncias de um sinal cont?nuo. Esta metodologia tamb?m permite preencher uma lacuna entre m?todos puramente baseado em n?meros (quantitativos) e m?todos puramente simb?licos (qualitativos), permitindo assim uma obten??o de resultados a partir de um processo de infer?ncia baseado tanto nos valores exatos como nas tend?ncias de um determinado sinal. Dessa forma, a t?cnica abordada possibilita a extra??o de um "fator de certeza" associado a uma regra previamente modelada por um especialista, descartando assim a l?gica puramente booleana (verdadeiro/falso) adotada nos sistemas especialistas cl?ssicos. O m?todo proposto permite uma ado??o direta em ambientes industriais, especialmente na ?rea de automa??o inteligente. Seus principais recursos e caracter?sticas, com aplica??o no monitoramento de processos industriais, ser?o demonstrados por simula??es e resultados experimentais baseados no benchmark conhecido como o processo de Tennessee Eastman.

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.ufrn.br:123456789/23950
Date23 June 2017
CreatorsSouza, Danilo Curvelo de
Contributors10749896434, http://lattes.cnpq.br/1987295209521433, Oliveira, Luiz Affonso Henderson Guedes de, 21929564287, http://lattes.cnpq.br/7987212907837941, Melo, Jorge Dantas de, 09463097449, http://lattes.cnpq.br/7325007451912598, Lima, Marcelo Lopes de, 89204859687, http://lattes.cnpq.br/6689695922377496, Machado, Vinicius Ponte, 75176424304, http://lattes.cnpq.br/9385561556243194, D?ria Neto, Adri?o Duarte
PublisherPROGRAMA DE P?S-GRADUA??O EM ENGENHARIA EL?TRICA E DE COMPUTA??O, UFRN, Brasil
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis
Sourcereponame:Repositório Institucional da UFRN, instname:Universidade Federal do Rio Grande do Norte, instacron:UFRN
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0023 seconds