Navegando por Autor "Bezerra, Clauber Gomes"
Agora exibindo 1 - 5 de 5
- Resultados por página
- Opções de Ordenação
Tese Uma abordagem baseada em tipicidade e excentricidade para agrupamento e classificação de streams de dados(2017-05-24) Bezerra, Clauber Gomes; Oliveira, Luiz Affonso Henderson Guedes de; http://lattes.cnpq.br/7987212907837941; Martins, Allan de Medeiros; ttp://lattes.cnpq.br/4402694969508077; http://lattes.cnpq.br/1125827309642732; Silva, Diego Rodrigo Cabral; Lemos, André Paim; http://lattes.cnpq.br/2426104312592166; Costa, Bruno Sielly Jales; http://lattes.cnpq.br/2486327435960311Nesta tese apresentamos uma nova abordagem para realizar o agrupamento e a classificação de um conjunto de dados de forma não supervisionada. A abordagem proposta utiliza os conceitos de tipicidade e excentricidade usados pelo algoritmo TEDA na detecção de outliers. Para realizar o agrupamento e a classificação é proposto um algoritmo estatístico chamado Auto-Cloud. As amostras analisadas pelo Auto-Cloud são agrupadas em unidades chamadas de data clouds, que são estruturas que não possuem formato ou limites definidos. O Auto-Cloud permite que cada amostra analisada possa pertencer simultaneamente a várias data clouds. O Auto-Cloud é um algoritmo autônomo e evolutivo, que não necessita de treinamento ou qualquer conhecimento prévios sobre o conjunto de dados analisado. Ele permite a criação e a fusão das data clouds de forma autônoma, à medida que as amostras são lidas, sem qualquer intervenção humana. As características do algoritmo fazem com que ele seja indicado para o agrupamento e classificação de streams de dados e para aplicações que requerem respostas em tempo-real. O Auto- Cloud também é um algoritmo recursivo, o que o torna rápido e exige pouca quantidade de memória. Já no processo de classificação dos dados, o Auto-Cloud trabalha como um classificador fuzzy, calculando o grau de pertinência entre a amostra analisada e cada data cloud criada no processo de agrupamento. A classe a que pertence cada amostra é determinada pela data cloud com maior grau de pertinência com relação a amostra. Para validar o método proposto, aplicamos o mesmo em vários conjuntos de dados existentes na literatura sobre o assunto. Além disso, o método também foi validado numa aplicação de detecção e classificação de falhas em processos industriais, onde foram utilizados dados reais, obtidos de uma planta industrial.Dissertação Análise de desempenho de método baseado em rede LSTM para classificação de falhas em um processo de controle de nível(Universidade Federal do Rio Grande do Norte, 2020-08-28) Oliveira, Emerson Vilar de; Oliveira, Luiz Affonso Henderson Guedes de; ; ; Bezerra, Clauber Gomes; ; Gonçalves, Luiz Marcos Garcia;Devido ao aumento das exigências no monitoramento de operação em plantas industriais, metodologias para detecção e diagnósticos de falhas na operação desses processos vêm ganhando cada vez mais protagonismo, pois podem contribuir em soluções mais assertivas e até preditivas nos componentes que geraram tais perturbações ao bom funcionamento do sistema. Com o crescimento das abordagens orientadas a dados, as Redes Neurais Artificiais se tornaram consideráveis aliadas na solução destes problemas, sendo que as Redes Neurais Recorrentes, em especial, ganharam força devido a sua afinidade em lidar com séries que possuem ligações temporais entre suas amostras, que é o caso de monitoramento de variáveis de processos industriais. Devido a esta relevância, nesta dissertação é analisado o desempenho de um modelo baseado em rede neural recorrente do tipo Long Short Term-Memory (LSTM) para a detecção e classificação de falhas em um processo de controle de nível em escala piloto. Para a análise de desempenho foi empregada uma metodologia baseada em testes estatísticos de Monte Carlo, onde se analisou a influência dos hiperparâmetros das redes LSTM, como quantidade de camadas e tamanho da entrada e regressores. A métrica escolhida para quantificar o desempenho da classificação de falhas foi a acurácia. Os dados obtidos a partir da operação da planta piloto continham 23 situações de distúrbios nesse processo, que foram provenientes de perturbações aplicados em componentes como atuador, sensor, válvulas e o próprio tanque de água. A metodologia adotada se mostrou bastante eficiente para analisar tanto o desempenho quanto a robustez dessas redes neurais para a atividade de classificação de falhas, além de indicar as melhores configurações de arquitetura da rede.Dissertação Data-Driven approach to parametric configuration of industrial alarms(2019-01-25) Nunes, Yuri Thomas Pinheiro; Oliveira, Luiz Affonso Henderson Guedes de; ; ; Bezerra, Clauber Gomes; ; Silva, Ivanovitch Medeiros Dantas da;Industrial plants are composed of processes that add up to thousands of variables. To ensure safety and quality of operation, these processes are monitored and alarms are configured to indicate a possible malfunction. Among the most common problems associated with industrial alarms we can mention: high occurrence of false alarms, missed alarms and chattering alarms, operator overload and alarm flooding. These problems are related to the process of selection of the monitored variables, the techniques of activation and deactivation of alarms, among other characteristics of the process and the alarm system. This work focuses on defining an approach to configure efficient and significant alarms for the operator. The approach proposed here is inspired by the workflow of a data scientist who initially needs to identify the characteristics of the databases used to then apply transformations that make the data more suitable allowing the extraction of valuable information. Many times the scientist is interested in creating a model that describes the data or makes predictions possible. This is a very similar task of alarm configuration where it is necessary to select the relevant variables and to configure the settings of each alarm in order to classify the operation of the process as appropriate or not and to help identify the fault. The approach proposed here consists of four parts: description of data, selection of variables, tuning and performance evaluation. During the description step, relevant information about the data is obtained, such as the presence of events, the number of different events, the duration of events, etc. In the selection stage, the relevant variables for detection of abnormalities are defined. The tuning of alarms is similar to a training process, where a model is built to describe the behavior of the data. Finally during the evaluation, the settings found are applied to a process history to asses whether the settings behave in a way that meets security and quality constraints. In order to validate the proposal, a case study for industrial alarm configuration was carried out using the Tennessee Eastman Process, which is a benchmark simulator widely used by the academic community.Dissertação Localização de um robô móvel usando odometria e marcos naturais(Universidade Federal do Rio Grande do Norte, 2004-03-08) Bezerra, Clauber Gomes; Alsina, Pablo Javier; Medeiros, Adelardo Adelino Dantas de; ; http://lattes.cnpq.br/6787525856497063; ; http://lattes.cnpq.br/3653597363789712; ; http://lattes.cnpq.br/2442753555946120; Dória Neto, Adrião Duarte; ; http://lattes.cnpq.br/1987295209521433Diversos métodos de navegação de robôs móveis requerem a medição da posição e orientação do robô no seu espaço de trabalho. No caso de robôs móveis com rodas, técnicas baseadas em odometria permitem determinar a localização do robô através da integração de medições dos deslocamentos incrementais de suas rodas. No entanto, essa técnica está sujeita a erros que se acumulam com a distância percorrida pelo robô, o que inviabiliza o seu uso exclusivo. Outros métodos se baseiam na detecção de marcos naturais ou artificiais, cuja localização é conhecida, presentes no ambiente. Apesar desta técnica não gerar erros cumulativos, ela pode requisitar um tempo de processamento bem maior do que o uso de odometria. Assim, muitos métodos fazem uso de ambas as técnicas, de modo a corrigir periodicamente os erros de odometria, através de medições obtidas a partir dos marcos. De acordo com esta abordagem, propomos neste trabalho um sistema híbrido de localização para robôs móveis com rodas em ambientes internos, baseado em odometria e marcos naturais, onde os marcos adotados são linhas retas definidas pelas junções existentes no piso do ambiente, formando uma grade bi-dimensional no chão. Para a detecção deste tipo de marco, a partir de imagens digitais, é utilizada a transformada de Hough, associada a heurísticas que permitem a sua aplicação em tempo real. Em particular, para reduzir o tempo de busca dos marcos, propomos mapear erros de odometria em uma região da imagem capturada que possua grande probabilidade de conter o marco procuradoDissertação Uma metodologia baseada em sistemas evolutivos para detecção e identificação de falhas de sistemas dinâmicos(Universidade Federal do Rio Grande do Norte, 2021-01-07) Santos, Mailson Ribeiro; Oliveira, Luiz Affonso Henderson Guedes de; ; http://lattes.cnpq.br/7987212907837941; ; http://lattes.cnpq.br/7242148883405512; Silva, Ivanovitch Medeiros Dantas da; ; http://lattes.cnpq.br/3608440944832201; Bezerra, Clauber Gomes; ; http://lattes.cnpq.br/2442753555946120Este trabalho propõe uma metodologia para detecção e identificação de falhas em sistemas dinâmicos, através de uma abordagem on-line e evolutiva. A proposta é dividida em três estágios, na qual são realizados o pré-processamento e pós-processamento dos dados com o intuito de aumentar a robustez da metodologia na presença de outliers e ruídos, no pré-processamento é realizada a seleção de características, normalização dos dados, filtragem e adição de regressores, já no pós-processamento é realizada uma filtragem de tempo. No estágio de processamento é aplicada uma abordagem adaptável e não-supervisionado, por meio do algoritmo Auto-Cloud, que realiza o agrupamento e classificação de streams de dados. Para validação desta proposta foram utilizadas diferentes métricas de avaliação, como Adjusted Rand Index (ARI), homogeneidade, completude, precisão, f1_score, recall, sendo obtidos resultados satisfatórios. Por fim, é apresentada a conclusão deste trabalho, além de propostas para trabalhos futuros.