Defesa P\u00fablica do Exame de Qualifica\u00e7\u00e3o para Doutorado do aluno M\u00c1RCIO JOS\u00c9 DA SILVA<\/p>\n\n\n\n
Data: 28 de Maio de 2020 – quinta-feira Banca Examinadora: T\u00edtulo da Proposta de Tese: “MODELO ONTOL\u00d3GICO PROBABIL\u00cdSTICO PARA AN\u00c1LISE DE ALARMES EM PLANTAS INDUSTRIAIS” Palavras-chave: Ontologia, Minera\u00e7\u00e3o de Dados, Predi\u00e7\u00e3o de Alarmes, Automa\u00e7\u00e3o e Controle, Sistemas de Recomenda\u00e7\u00e3o”<\/p>\n","protected":false},"excerpt":{"rendered":" Defesa P\u00fablica do Exame de Qualifica\u00e7\u00e3o para Doutorado do aluno M\u00c1RCIO JOS\u00c9 DA SILVA Data: 28 de Maio de 2020 – quinta-feiraHor\u00e1rio: 14h00minA defesa ser\u00e1 realizada atrav\u00e9s do Google Meets: meet.google.com\/bmv-skrz-bis Banca Examinadora:1) Profa. Dra. Rosa Maria Vicari – PPGIE – UFRGS2) Prof. Dr. Luiz Affonso Henderson Guedes de Oliveira – DCA – UFRN3) Prof. Dr. Edison… Continue a ler »Exame de Qualifica\u00e7\u00e3o para Doutorado – M\u00e1rcio Jos\u00e9 da Silva<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"neve_meta_sidebar":"","neve_meta_container":"","neve_meta_enable_content_width":"","neve_meta_content_width":0,"neve_meta_title_alignment":"","neve_meta_author_avatar":"","neve_post_elements_order":"","neve_meta_disable_header":"","neve_meta_disable_footer":"","neve_meta_disable_title":"","footnotes":""},"categories":[4],"tags":[],"class_list":["post-411","post","type-post","status-publish","format-standard","hentry","category-eventos"],"_links":{"self":[{"href":"https:\/\/www.ufrgs.br\/ppgee\/wp-json\/wp\/v2\/posts\/411","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.ufrgs.br\/ppgee\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.ufrgs.br\/ppgee\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.ufrgs.br\/ppgee\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.ufrgs.br\/ppgee\/wp-json\/wp\/v2\/comments?post=411"}],"version-history":[{"count":0,"href":"https:\/\/www.ufrgs.br\/ppgee\/wp-json\/wp\/v2\/posts\/411\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.ufrgs.br\/ppgee\/wp-json\/wp\/v2\/media?parent=411"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.ufrgs.br\/ppgee\/wp-json\/wp\/v2\/categories?post=411"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.ufrgs.br\/ppgee\/wp-json\/wp\/v2\/tags?post=411"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
Hor\u00e1rio: 14h00min
A defesa ser\u00e1 realizada atrav\u00e9s do Google Meets: meet.google.com\/bmv-skrz-bis<\/a><\/p>\n\n\n\n
1) Profa. Dra. Rosa Maria Vicari – PPGIE – UFRGS
2) Prof. Dr. Luiz Affonso Henderson Guedes de Oliveira – DCA – UFRN
3) Prof. Dr. Edison Pignaton de Freitas – PPGEE – UFRGS
Orientador: Prof. Dr. Carlos Eduardo Pereira – PPGEE – UFRGS<\/p>\n\n\n\n
Resumo:
“Sistemas digitais de controle distribu\u00eddos (SDCDs) foram propostos no in\u00edcio da d\u00e9cada de 1970 e permitem o registro de dados das vari\u00e1veis do processo, auxiliando seus usu\u00e1rios a lidar com as diferentes situa\u00e7\u00f5es da planta. De l\u00e1 para c\u00e1 os avan\u00e7os das tecnologias de automa\u00e7\u00e3o, informa\u00e7\u00e3o e de comunica\u00e7\u00e3o apresentaram novas perspectivas para diversas \u00e1reas, incluindo os sistemas de alarmes de processos industriais. Sistemas inteligentes de alarme industrial s\u00e3o capazes de auxiliar os operadores por meio de dispositivos, permitindo realizar os ajustes necess\u00e1rios nas vari\u00e1veis operacionais. Para atingir esses objetivos, o sistema precisa buscar caracter\u00edsticas de dados que ajudem a entender o contexto e apoiar a tomada de decis\u00e3o. Portanto, esta tese prop\u00f5e uma abordagem que beneficia os sistemas industriais para gerenciamento de alarmes de processos com a capacidade de prever situa\u00e7\u00f5es para facilita\u00e7\u00e3o de a\u00e7\u00f5es operacionais, particularmente quando um volume de eventos acima da capacidade humana de gerenciamento ocorre. Nesse sentido,
\u00e9 concebido um modelo sem\u00e2ntico probabil\u00edstico voltado para predi\u00e7\u00e3o e infer\u00eancia. A partir disso, \u00e9 realizada uma integra\u00e7\u00e3o entre um modelo ontol\u00f3gico e um modelo probabil\u00edstico com t\u00e9cnicas de aprendizado de m\u00e1quina. A caracter\u00edstica distintiva desta abordagem \u00e9 fornecer informa\u00e7\u00f5es dinamicamente usando o processo de minera\u00e7\u00e3o de dados. Al\u00e9m disso, a abordagem proposta \u00e9 avaliada em um cen\u00e1rio real de estudo de caso.<\/p>\n\n\n\n