Palestra no ERCEMAPI 2009

766 visualizações

Publicada em

Automação Industrial e Tecnologia da Informação: Uma abordagem Multiagente

Publicada em: Tecnologia, Negócios
0 comentários
0 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
766
No SlideShare
0
A partir de incorporações
0
Número de incorporações
108
Ações
Compartilhamentos
0
Downloads
9
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Palestra no ERCEMAPI 2009

  1. 1. Automação Industrial e Tecnologia da Informação: Uma abordagem Multiagente Vinicius Ponte Machado Universidade Federal do Piauí Parnaíba - 30 de Outubro de 2009
  2. 2. Objetivos <ul><li>Entender Redes Industriais </li></ul><ul><li>Apresentar Sistemas Multiagentes </li></ul><ul><li>Introduzir conceitos de Aprendizagem de Máquina </li></ul><ul><li>Demonstrar pesquisa que a aliar SMA e Aprendizagem de Máquina em Redes Industriais </li></ul>
  3. 3. Redes Industriais Nível de Informação Nível Controle Processo a ser Controlado
  4. 4. Redes Industriais
  5. 5. Redes Industriais
  6. 6. Ambiente Industrial <ul><li>Não existe uma rede única que atende as necessidades de todas as atividades existentes em uma fábrica </li></ul><ul><li>Grande quantidade de computadores operando em diferentes setores </li></ul><ul><li>Operação do conjunto mais eficiente se estes computadores forem interconectados: </li></ul><ul><ul><li>Compartilhamento de recursos </li></ul></ul>Redes Industriais
  7. 7. Ambiente Industrial <ul><li>Maioria das redes de comunicação existentes concebidas para automação de escritórios </li></ul><ul><li>Ambiente industrial tem características e necessidades próprias: </li></ul><ul><ul><li>ambiente hostil para operação dos equipamentos (perturbações eletromagnéticas, elevadas temperaturas, sujeira, áreas de segurança intrínseca, etc.) </li></ul></ul><ul><ul><li>troca de informações se dá entre equipamentos e, às vezes, entre um operador e o equipamento </li></ul></ul><ul><ul><li>tempo de resposta crítico </li></ul></ul><ul><ul><li>segurança dos dados crítica </li></ul></ul><ul><ul><li>grande quantidade de equipamentos pode estar conectada na rede - custo de interconexão crítico </li></ul></ul>Redes Industriais
  8. 8. Requisitos de Comunicação Industrial <ul><li>Compartilhamento de recursos </li></ul><ul><li>Gerenciamento da heterogeneidade </li></ul><ul><li>Garantia de um tempo de resposta médio ou máximo </li></ul><ul><li>Confiabilidade dos equipamentos e da informação </li></ul><ul><li>Conectividade e interoperabilidade </li></ul><ul><li>Sistemas de Tempo-Real </li></ul>Redes Industriais
  9. 9. Protocolos de Controle <ul><li>CAN </li></ul><ul><li>Profibus </li></ul><ul><li>Foundation FieldBus </li></ul><ul><ul><li>Padronização dos Dispositivos </li></ul></ul><ul><ul><li>Padronização da Aplicação (Blocos Funcionais) </li></ul></ul><ul><ul><li>Os dispositivos FF são capazes de executar seus próprios algoritmos de controle </li></ul></ul>Redes Industriais
  10. 10. Blocos Funcionais <ul><li>Estratégias de configuração são incorporadas aos dispositivos usando blocos funcionais </li></ul><ul><li>Estes blocos contém funções básicas de funcionamento que, quando combinadas, são capazes de implementar algoritmos mais complexos como redes neurais </li></ul><ul><li>O protocolo Foundation Fieldbus é capaz de distribuir o controle do processo através dos dispositivos de campo </li></ul><ul><li>Sensores e atuadores possuem processadores que podem executar algoritmos de uma maneira distribuída através dos blocos funcionais </li></ul>Redes Industriais
  11. 11. Agentes
  12. 12. Agentes Autônomos <ul><li>Paradigma para o desenvolvimento de aplicações de software </li></ul><ul><li>Entidade computacional com um comportamento autônomo que lhe permite decidir suas próprias ações </li></ul>Agentes
  13. 13. Definições <ul><li>É uma entidade que percebe o ambiente através de sensores e age neste ambiente através de atuadores, tomando decisões que irão auxiliar a alcançar seu objetivo [Russell & Norvig, 2003] </li></ul><ul><li>É um sistema de computador, situado em algum ambiente, que é capaz de flexibilizar ações autônomas a fim de encontrar seus objetivos de desenvolvimento [Woolridge, 2002] </li></ul><ul><li>Agente autônomo é o que consegue operar com completa autonomia , decidir por si só como relacionar os dados obtidos com ações de modo que seus objetivos sejam atingidos com sucesso[Maes, 1995] </li></ul>Agentes
  14. 14. Domínio de Atuação <ul><li>Dados distribuídos </li></ul><ul><li>Controle distribuído </li></ul><ul><li>Diversidade de conhecimento </li></ul><ul><li>Decomposição da tarefa global </li></ul><ul><li>Multiplicidade de funções </li></ul><ul><li>Certo grau de autonomia </li></ul>Agentes
  15. 15. <ul><li>Agentes Cognitivos </li></ul><ul><li>representação explícita </li></ul><ul><li>têm histórico </li></ul><ul><li>comunicação direta </li></ul><ul><li>controle deliberativo </li></ul><ul><li>organização social </li></ul><ul><li>poucos agentes </li></ul>Tipos de Agentes <ul><li>Agentes Reativos </li></ul><ul><li>representação implícita </li></ul><ul><li>não têm histórico </li></ul><ul><li>comunicação indireta </li></ul><ul><li>controle não deliberativo </li></ul><ul><li>organização etológica </li></ul><ul><li>muitos agentes </li></ul>Agentes
  16. 16. <ul><li>Time de Futebol </li></ul><ul><li>Cada jogador possui um conhecimento individual e limitado; </li></ul><ul><li>Cada jogador pode ter características diferentes dos demais; </li></ul><ul><li>Cada jogador age de forma autônoma e assíncrona; </li></ul><ul><li>Existe um objetivo global que é de conhecimento de todos os indivíduos; </li></ul><ul><li>Este objetivo global está acima dos objetivos individuais de cada agente; </li></ul><ul><li>Não existe um controle global; </li></ul><ul><li>A junção das capacidades individuais resolve o problema </li></ul>Tipos de Agentes <ul><li>Colônia de Formigas </li></ul><ul><li>O problema é resolvido por indivíduos que interagem entre si; </li></ul><ul><li>Existe um grande número de indivíduos ; </li></ul><ul><li>Os indivíduos normalmente são idênticos e possuem conhecimento limitado; </li></ul><ul><li>Cada indivíduo não tem consciência do problema geral; </li></ul><ul><li>Os indivíduos ‘cooperam’ entre si; </li></ul><ul><li>A solução ‘surge’ através das interações entre os indivíduos. </li></ul>Agentes
  17. 17. Noção Fraca e Forte de Agente <ul><li>Noção fraca de Agente </li></ul><ul><ul><li>Autonomia </li></ul></ul><ul><ul><li>Habilidade Social </li></ul></ul><ul><ul><li>Reatividade </li></ul></ul><ul><ul><li>Iniciativa </li></ul></ul><ul><ul><li>Continuidade Temporal </li></ul></ul><ul><ul><li>Orientação à Metas </li></ul></ul>Agentes
  18. 18. Noção Fraca e Forte de Agente <ul><li>Alguns consideram que o termo agente possui um significado mais específico e devem ser implementados usando conceitos que são aplicados normalmente aos humanos </li></ul><ul><li>Noção forte de agente: </li></ul><ul><ul><li>Mobilidade </li></ul></ul><ul><ul><li>Benevolência </li></ul></ul><ul><ul><li>Racionalidade </li></ul></ul><ul><ul><li>Adaptabilidade </li></ul></ul><ul><ul><li>Colaboração </li></ul></ul>Agentes
  19. 19. Classificação de Agentes Agentes
  20. 20. Aprendizagem de Máquina
  21. 21. O que é Aprendizagem <ul><li>Mudança relativamente permanente no conhecimento ou no comportamento do indivíduo produzido pela experiência </li></ul><ul><li>Na computação: </li></ul><ul><ul><li>Aprendizagem denota mudanças no sistema que são adaptativas no sentido em que permitem ao sistema fazer a tarefa ou as tarefas tiradas da mesma população, mais eficiente da próxima vez </li></ul></ul>Aprendizagem de Máquina
  22. 22. O que é Aprendizagem <ul><li>Memorizar qualquer coisa </li></ul><ul><li>Aprender fatos através da observação e exploração </li></ul><ul><li>Melhorar capacidades cognitivas e/ou motoras através da prática </li></ul><ul><li>Organizar novo conhecimento em representações gerais </li></ul>Aprendizagem de Máquina
  23. 23. Tipos de Aprendizagem <ul><li>Aprendizagem Supervisionada </li></ul><ul><li>Aprendizagem Não-Supervisionada </li></ul><ul><ul><li>Agrupamento ( Clustering ) </li></ul></ul><ul><ul><li>Reforço ( Reinforcement ) </li></ul></ul>Aprendizagem de Máquina
  24. 24. Paradigmas de Aprendizagem <ul><li>Simbólico </li></ul><ul><ul><li>Expressão lógica, árvores de decisão, regras ou rede semântica </li></ul></ul><ul><li>Estatístico </li></ul><ul><ul><li>Aprendizado Bayesiano </li></ul></ul><ul><li>Baseado em Exemplos </li></ul><ul><ul><li>Nearest Neighbours e raciocínio baseado em casos </li></ul></ul><ul><li>Conexionista </li></ul><ul><ul><li>Redes neurais </li></ul></ul><ul><li>Evolutivo </li></ul><ul><ul><li>Algoritmos genéticos </li></ul></ul>Aprendizagem de Máquina
  25. 25. Redes Neurais Artificiais <ul><li>Sinais são apresentados à entrada: X 1 ,X 2 , ...,X p </li></ul><ul><li>Cada sinal é multiplicado por um número ou peso (w 1 ,w 2 , ...,w p ), que indica a sua influência na saída da unidade </li></ul><ul><li>É feita a soma ponderada dos sinais que produz um nível de atividade: </li></ul><ul><li>Se este nível de atividade exceder um certo limite (dado pela função de ativação) é produzida uma saída (y) </li></ul>Aprendizagem de Máquina
  26. 26. Redes Neurais Artificiais Aprendizagem de Máquina
  27. 27. Arquitetura Multiagente
  28. 28. Arquitetura Multiagente Agente de Observação Agente de Execução Gerenciamento de Rede Alocação de Dispositivos Configuração de Estratégias de Controle Interpretação de Alarmes Tarefas de Monitoramento Organização da Rede Medição e Controle
  29. 29. Agentes <ul><li>Agentes de Observação (AO) </li></ul><ul><ul><li>Estes agentes tem como objetivo descobrir anomalias nos valores medidos pelos sensores ou na precisão dos atuadores </li></ul></ul><ul><li>Agentes de Diagnóstico (AD) </li></ul><ul><ul><li>Os ADs determinam o tipo de problema que foi detectado pelo AO indicando a melhor solução (configuração de blocos funcionais) para a resolução do problema </li></ul></ul><ul><li>Agentes de Execução (EA) </li></ul><ul><ul><li>Tão logo o problema seja detectado e diagnosticado os Agentes de Execução são alocados no blocos funcionais dos dispositivos, através de mudanças em suas interconexões, formando uma configuração que possibilite reparar o problema detectado </li></ul></ul>Arquitetura Multiagente
  30. 30. Problema <ul><li>Atividades controladas pelas redes industriais requerem funcionamento contínuo e tolerante a falha </li></ul><ul><li>Qualquer parada na planta pode acarretar uma interrupção na produção (perdas financeiras) ou acidentes </li></ul><ul><li>Em casos específicos, como por exemplo, a mudança na configuração dos dispositivos da rede, a parada do sistema é obrigatória </li></ul><ul><li>Algumas situações de falha requerem a intervenção do usuário (supervisor) para que seja contornada </li></ul><ul><li>Ausência de uma plataforma dedicada que permita a integração automática de diferentes sensores num ambiente de rede industrial, bem como a implementação de novas funções baseadas no processamento inteligente da informação </li></ul>Arquitetura Multiagente
  31. 31. Objetivos <ul><li>Criar uma arquitetura multiagente que permita incorporar nas redes industriais estratégias de controle inteligente nos dispositivos de campo </li></ul><ul><li>Viabilizar uma melhoria no suporte à decisão em ocorrências no nível de planta e permitir um funcionamento mais ainda independente de intervenção humana </li></ul><ul><li>Através de algoritmos de aprendizagem, antever situações (predição) que possam ocorrer de forma a melhorar a performance do sistema e </li></ul><ul><li>Aliar a aprendizagem de máquina ao contexto industrial, permitindo que a arquitetura de agentes proposta, possa se tornar adaptável a um contexto de produção desconhecido ou inesperado </li></ul>Arquitetura Multiagente
  32. 32. Processo a ser controlado Arquitetura Multiagente
  33. 33. Treinamento Arquitetura Multiagente Agente de Observação Fase de Aprendizagem
  34. 34. Arquitetura Multiagente Agente de Observação Fase de Execução Agente de Diagnóstico
  35. 35. Arquitetura Multiagente Fase de Execução Agente de Execução
  36. 36. Aplicações <ul><li>Controle de Nível de Tanques </li></ul><ul><li>Remoção de Ruídos </li></ul><ul><li>Auto-Calibração de Sensores </li></ul><ul><li>Compensação de Sinal </li></ul>Arquitetura Multiagente
  37. 37. Conclusões <ul><li>Diferente de outros trabalhos que envolvem agentes e redes industriais mostramos uma implementação de configuração de controle no nível de planta </li></ul><ul><li>Agregamos aprendizagem de máquina ao contexto industrial através de Redes Neurais Artificiais e Agentes </li></ul><ul><li>A implementação apresentada encaixa-se em uma característica básica dos agentes: a adaptação </li></ul><ul><li>A alocação de blocos funcionais mudará para adaptar-se a um determinado tipo de problema, sem a intervenção do usuário </li></ul><ul><li>Antever situações que podem ocasionar falhas no processo produtivo </li></ul>Arquitetura Multiagente
  38. 38. Para Saber Mais
  39. 39. Vinicius Ponte Machado vinicius(at)ufpi.br http://vmachado.k6.com.br www.twitter.com/vpmachado Agradecimentos A Capes e CNPQ pelo suporte finaceiro

×