Apresentação LabSIn

1.414 visualizações

Publicada em

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

  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
1.414
No SlideShare
0
A partir de incorporações
0
Número de incorporações
85
Ações
Compartilhamentos
0
Downloads
30
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Apresentação LabSIn

  1. 1. Uma Arquitetura MultiAgente aplicada a Redes Industriais Foundation FieldBus para Alocação Dinâmica de Estratégias de Controle Inteligente em Blocos Funcionais Padrão<br />Vinicius Ponte Machado<br />Orientador: Prof. Dr. Adrião Duarte Dória Neto<br />Co-Orientador: Prof. Dr. Jorge Dantas de Melo<br />Laboratório de Sistemas Inteligentes - LSI<br />Programa de Pós-Graduação em Engenharia Elétrica e de Computação - PPgEEC<br />Departamento de Computação e Automação - DCA<br />Universidade Federal do Rio Grande do Norte - UFRN<br />
  2. 2. Contextualização<br />Introdução<br />Interpretação de Alarmes<br />Tarefas de Monitoramento<br />Gerenciamento de Rede<br />Alocação de Dispositivos<br />Configuração de Estratégias de Controle<br />Agente de<br />Observação<br />Organização da Rede <br />Agente de<br />Diagnóstico<br />Medição e Controle<br />Agente de<br />Execução<br />
  3. 3. Problema<br />Atividades controladas pelas redes industriais requerem funcionamento contínuo e tolerante a falha.<br />Qualquer parada na planta pode acarretar uma parada na produção (perdas financeiras) ou acidentes. <br />Em casos específicos, como por exemplo a mudança na configuração dos dispositivos da rede, a parada do sistema é obrigatória.<br />Algumas situações de falha requerem a intervenção do usuário (supervisor) para que seja contornada.<br />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.<br />Introdução<br />
  4. 4. Problema<br />Baseado nestas questões o problema a ser resolvido é como detectar e reparar falhas que ocorram na planta mudando as configurações dos dispositivos de forma dinâmica.<br />No contexto desse problema podemos perceber três fatores que podem definir a sua solução<br />Autonomia<br />Aprendizagem<br />Adaptação<br />Introdução<br />
  5. 5. Hipóteses<br />Hipótese central: o uso de agentes utilizando aprendizagem de máquina faz com que estes agentes aprendam o funcionamento da rede industrial interferindo autonomamente na detecção e resolução de problemas (falhas).<br />Hipóteses Secundárias:<br />O uso de agentes confere autonomia (1) as redes industriais.<br />O uso de aprendizagem de máquina (2) ajuda aos agentes descobrir padrões de falha e possíveis soluções.<br />A proposição de uma estratégia de alocação dinâmica (3) permite que os agentes sejam alocados nas redes para descobrir e reparar as falhas.<br />Introdução<br />Autonomia<br />Aprendizagem<br />Adaptação<br />
  6. 6. Objetivos<br />Criar uma arquitetura multiagente que permita incorporar nas redes industriais estratégias de controle inteligente nos dispositivos de campo;<br />Viabilizar uma melhoria no suporte a decisão em ocorrências no nível de planta e permitir um funcionamento mais ainda independente de intervenção humana;<br />Através de algoritmos de aprendizagem, antever situações (predição) que possam ocorrer de forma a melhorar a performance do sistema e <br />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.<br />Introdução<br />
  7. 7. Agente<br />Agente Autônomo<br />Paradigma para o desenvolvimento de aplicações de software.<br />Entidade computacional com um comportamento autônomo que lhe permite decidir suas próprias ações.<br />Definições<br />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].<br />É um sistema de computador, situado em algum ambiente, que é capaz de flexibilizarações autônomas a fim de encontrar seus objetivos de desenvolvimento [Woolridge, 2002].<br />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] .<br />Fundamentação Teórica<br />Adaptação<br />Autonomia<br />Adaptação<br />Autonomia<br />Autonomia<br />Aprendizagem<br />
  8. 8. Ambientes Industriais<br />Automação e Controle<br />Visa a realização de pesquisa e desenvolvimento em modelagem e controle de sistemas dinâmicos, processamento de sinais e instrumentação,<br />Utilizando-se para isso de elementos sensores, elementos atuadores, sistemas de controle, Sistemas de Supervisão e Aquisição de Dados.<br />Incluem-se as aplicações em sistemas dinâmicos e discretos, acionamento de máquinas, medição e aplicações com sistemas embarcados com utilização de microcontroladores e microeletrônica<br />Fundamentação Teórica<br />
  9. 9. Barramentos Industriais<br />Protocolos de Controle<br />CAN<br />Profibus<br />FoundationFieldBus<br />FoundationFieldBus - Justificativa<br />Padronização dos Dispositivos<br />Padronização da Aplicação (Blocos Funcionais)<br />Os dispositivos FF são capazes de executar seus próprios algoritmos de controle<br />Fundamentação Teórica<br />
  10. 10. FoundationFieldbus<br />Modelo de Comunicação em Camadas<br />Camada Física<br />Barramento H1<br />Barramento HSE<br />Camada de Comunicação<br />LAS (Link ActiveScheduler)<br />DD (DeviceDescriptors)<br />Camada de Aplicação<br />Blocos Funcionais<br />Blocos Funcionais<br />Os blocos funcionais descrevem as funcionalidades do dispositivo e definem como elas podem ser acessadas. Cada bloco pode conter algoritmos que manipulam suas próprias entradas e saídas.<br />Fundamentação Teórica<br />
  11. 11. Blocos Funcionais<br />Estratégias de configuração são incorporadas aos dispositivos usando blocos funcionais<br />Estes blocos contém funções básicas de funcionamento que, quando combinadas, são capazes de implementar algoritmos mais complexos como redes neurais<br />O protocolo FoundationFieldbus é capaz de distribuir o controle do processo através dos dispositivos de campo.<br />Sensores e atuadores possuem processadores que podem executar algoritmos de uma maneira distribuída através dos blocos funcionais.<br />Fundamentação Teórica<br />
  12. 12. Redes Neurais Artificiais<br />Uma rede neural artificial é composta por várias unidades de processamento simples.<br />Essas unidades geralmente são conectadas por canais de comunicação que estão associados a determinado peso<br />O comportamento inteligente de uma Rede Neural Artificial vem das interações entre as unidades de processamento da rede.<br />O conhecimento é armazenado na rede em forma de pesos sinápticos, que são as forças de conexão entre os neurônios. <br />O processo de aprendizagem consiste no ajuste dos pesos sinápticos durante o aprendizado da rede, até que uma meta previamente definida seja alcançada.<br />Fundamentação Teórica<br />
  13. 13. Neurônio Artificial<br />Fundamentação Teórica<br />Sinais são apresentados à entrada: X1,X2, ...,Xp<br />Cada sinal é multiplicado por um número ou peso (w1,w2, ...,wp), que indica a sua influência na saída da unidade.<br />É feita a soma ponderada dos sinais que produz um nível de atividade:<br />Se este nível de atividade exceder um certo limite (dado pela função de ativação) é produzida uma saída (y).<br />
  14. 14. Agentes & Redes Industriais<br />Trabalhos Relacionados<br />Estudo sobre a viabilidade de implementação de agentes em ambiente industrial [Wagner 2002]<br />Estatísticas de uso de dispositivos em ambientes industriais [Landaburu et al. 2002]<br />Camada baseada em agentes para acesso a informações sobre os processos. (Ontologias) [Pirttiojaet al. 2005] e (Web-Semântica) [Jussila 2006]<br />Agentes de Fábrica (PlantAgents). Monitora e controla um único item na planta. [Buse & Wu 2007]<br />Monitoramento e Diagnóstico de processos usando agentes e mapas auto-organizáveis [Frey 2009]<br />Detecção e recuperação de falhas usando agente em ambientes fieldbus. [Stefano & Santoro 2009]<br />
  15. 15. Agentes & Redes Neurais<br />Trabalhos Relacionados<br />Agentes para reconhecimento de padrões utilizando redes neurais como parte de um sistema de navegação [Cunha 1997]<br />Modelo e agentes para detecção de invasão em redes de computadores. <br />Utiliza redes neurais para categorizar os comportamentos dos usuários [Shelestovet al. 2003]<br />Agentes móveis que &quot;combinam &quot;conhecimento adquirido através de redes Neurais [Badawy & Almotwaly 2004]<br />Agentes Baseados em Redes Neurais para predição de estoques [Xu & Shao 2008]<br />
  16. 16. Redes Neurais & Redes Industriais<br />Trabalhos Relacionados<br />Implementação em Ambiente FoundationFieldbus de Filtragem Estocástica [Costa 2005]<br />Auto-Compensação e Auto-Calibração [Cagni 2005] <br />Redes neurais artificiais no ambiente de redes industriais Foundation Fieldbususandoblocosfuncionais Padrões [Silva et al. 2006]<br />Predição usando Redes Neurais [Medeiros 2009]<br />
  17. 17. Arquitetura MultiAgente<br />Arquitetura Proposta<br />Esta Arquitetura é composta de um sistema multiagente que realiza rotinas de inspeção nos dados coletados nos sensores da planta.<br />Cada agente ou grupo de agentes desta arquitetura é responsável por executar atividades como monitoramento, inspeção e comunicação.<br />O objetivo é fazer com que os agentes analisem dados dos dispositivos, investigando inconsistências que podem impedir o processo produtivo, tais como: perda de precisão, ruídos externos e interpretação de alarmes.<br />As configurações dos dispositivos de campo (configuração de blocos funcionais) mudam para alocar os agentes que podem resolver tais problemas.<br />
  18. 18. Problema da Realocação de Blocos Funcionais<br />Arquitetura Proposta<br />
  19. 19. Anatomia do Agente<br />Arquitetura Proposta<br />Cadaagente é composto de duaspartes:<br />Camada LabView-FIPA/FieldBus – permite a comunicação entre o sistema supervisório os dispositivos. Esta parte é responsável em colher informações do processo e em realizar o aprendizado dos agentes.<br />Redes Neurais implementadas usando blocos funcionais padrão responsável por realizar ações no barramento de campo.<br />A alocação e realocação dos agentes nos dispositivos de campo são realizadas através de mudanças nas interconexões dos blocos funcionais.<br />
  20. 20. Agentes<br />Agentes de Observação (AO)<br />Estes agentes tem como objetivo descobrir anomalias nos valores medidos pelos sensores ou na precisão dos atuadores<br />Agentes de Diagnóstico (AD)<br />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<br />Agentes de Execução (EA)<br />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.<br />Arquitetura Proposta<br />
  21. 21. Abordagem FieldBus – Execução<br />Arquitetura Proposta<br />Processo a ser controlado<br />
  22. 22. Agente de<br />Observação<br />Abordagem FieldBus – Execução<br />Arquitetura Proposta<br />Fase de Aprendizagem<br />Treinamento<br />
  23. 23. Abordagem FieldBus – Execução<br />Arquitetura Proposta<br />Fase de Execução<br />Agente de<br />Diagnóstico<br />Agente de<br />Observação<br />
  24. 24. Abordagem FieldBus – Execução<br />Arquitetura Proposta<br />Fase de Execução<br />Agente de<br />Execução<br />
  25. 25. Abordagens de Implementação<br />Demonstração & Resultados<br />Abordagem Manual<br />Implementação e Testes da mudança das conexões dos blocos funcionais<br />Resultados para artigos ETFA e INDIN<br />Abordagem FBSIMU<br /><ul><li>Uso do simulador FBSIMU (USP – São Carlos) para testes da arquitetura proposta
  26. 26. Capítulo de Livro</li></ul>Abordagem FieldBus<br /><ul><li>Implementação nos dispositivos reais da arquitetura proposta
  27. 27. Resultado publicados na Revista TIE</li></li></ul><li>Abordagem FieldBus<br />Demonstração & Resultados<br />Uso de dispositivos reais (planta didática – LAMP)<br />Agentes implementados em LabView [Polaków & Metzger 2007]<br />
  28. 28. Abordagem FieldBus<br />Demonstração & Resultados<br /><ul><li>SistemaSupervisório
  29. 29. Realiza as funções de treinamento dos Agentes
  30. 30. aNetKa
  31. 31. Monitora a ação dos Agentes
  32. 32. Simulaproblemasnossistema e dispositivos</li></li></ul><li>Abordagem FieldBus<br />Demonstração & Resultados<br />Agentes nos blocos funcionais<br />
  33. 33. Treinamento dos Agentes<br />
  34. 34. Agentes de Observação e Diagnóstico<br />Demonstração & Resultados<br />
  35. 35. Agente de Diagnóstico<br />Demonstração & Resultados<br />
  36. 36. Agente de Execução – Erro de Leitura<br />Demonstração & Resultados<br />
  37. 37. Agente de Execução – Ruído no Sinalde Medição<br />Demonstração & Resultados<br />
  38. 38. Agente de Execução – Ruído no Sinalde Medição<br />Demonstração & Resultados<br />Baseado no Trabalho de Costa (2006) <br />Rede<br />Neural<br />Sensor 1<br />Sensor 1<br />
  39. 39. Agente de Execução – Ruído no Sinalde Medição<br />Demonstração & Resultados<br />
  40. 40. Agente de Execução – Ruído no Sinalde Medição<br />Demonstração & Resultados<br />
  41. 41. Agente de Execução – Auto-Calibração<br />Demonstração & Resultados<br />Baseado no Trabalho de Pereira (2006) <br />
  42. 42. Agente de Execução – Auto-Calibração<br />Demonstração & Resultados<br />
  43. 43. Agente de Execução – Auto-Calibração<br />Demonstração & Resultados<br />
  44. 44. Agentes de Execução – Tempo de Resposta<br />Demonstração & Resultados<br />
  45. 45. Vídeos<br />Demonstração & Resultados<br />Ruído<br />Erro de Leitura<br />Descalibração<br />
  46. 46. Contribuições Científicas<br />Uma especificação de um sistema multiagente para a implementação de estratégia de controle em blocos funcionais<br />neste caso têm-se a definição de tarefas de cada agente, comunicação, desempenho, limitações, bem como referências a futuras expansões da capacidade dos agentes e seus impactos na rede industrial.<br />Utilização de algoritmos de aprendizagem para predição e correção de falhas.<br />Proposição de uma estratégia para alocação dinâmica de blocos funcionais.<br />Conclusões<br />
  47. 47. Conclusões<br />Diferente de outros trabalhos que envolvem agentes e redes industriais mostramos uma implementação de configuração de controle no nível de planta<br />Agregamos aprendizagem de máquina através de Redes Neurais Artificiais e Agentes<br />A implementação apresentada encaixa-se em uma característica básica dos agentes: a adaptação<br />A alocação de blocos funcionais mudará para adaptar-se a um determinado tipo de problema, sem a intervenção do usuário<br />Antever situações que podem ocasionar falhas no processo produtivo<br />Conclusões<br />
  48. 48. Artigos Publicados & Projetos Aceitos<br />DHMS 2008 – IEEE InternationalConferenceonDistributedHuman-Machine Systems<br />A Simulated Environment for a MultiAgent Architecture Based on a Foundation Fieldbus Network Function Blocks<br />Idéia preliminar do uso de agente em ambientes industriais<br />Edital Universal CNPQ 2007-3<br />Arquitetura MultiAgente Baseada em Blocos Funcionais de Redes Industriais Foundation FieldBus<br />INDIN 2008 – 6th IEEE International Conference on Industrial Informatics<br />MultiAgentarchitecture for functionblocks: Intelligentconfigurationstrategiesallocation<br />Especificação detalhada da Arquitetura – apresentação de exemplo<br />ETFA 2008 – 13th IEEE International Conference on Emerging Technologies and Factory Automation<br />A Neural Network MultiAgent Architecture Applied to Fieldbus Intelligent Control<br />Primeiros resultados apresentados – uso da abordagem manual<br />Publicações<br />
  49. 49. Artigos Publicados & Projetos Aceitos<br />CBA 2008 – XVII Congresso Brasileiro de Automática<br />DynamicFuntionBlocksAllocation: A Multiagent Approach<br />Foco na mudança das interconexões dos blocos funcionais<br />Apresentação de outros resultados<br />FactoryAutomation<br />A Multiagent Architecture Based in a Foundation Fieldbus Network Function Blocks<br />Capítulo de Livro<br />Aplicação do modelo de agentes no FBSIMU<br />IEEE Transactionson Industrial Electronics (2010)<br />A Neural Network MultiAgent Architecture Applied to Industrial Networks for Dynamic Allocation of Control Strategies using Standard Function Blocks<br />Aplicação no modelo de tanques reais<br />Publicações<br />
  50. 50. Page 46<br />Agradecimentos<br /><ul><li>A Capes e CNPQ pelosuportefinaceiro</li></ul>Vinicius Ponte Machado<br />vinicius@ufpi.br<br />

×