Sistema especialista para ambiente industrial baseado em regras com auto-aprendizagem

This work presents a methodology for knowledge acquisition and representation through automatic logic rules for an industrial plant. Initial knowledge of an industrial process can be gained through a specialist who interprets situations present in the plant and can describe what is happening. In t...

Fuld beskrivelse

Na minha lista:
Bibliografiske detaljer
Hovedforfatter: Lopes, Kennedy Reurison
Andre forfattere: Maitelli, André Laurindo
Format: doctoralThesis
Sprog:pt_BR
Udgivet: Brasil
Fag:
Sistemas especialistas
Ambiente industrial
Sistema de suporte à decisão
Regras auto-editáveis
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Online adgang:https://repositorio.ufrn.br/jspui/handle/123456789/28197
Tags: Tilføj Tag
Ingen Tags, Vær først til at tagge denne postø!
id ri-123456789-28197
record_format dspace
spelling ri-123456789-281972019-12-23T01:20:26Z Sistema especialista para ambiente industrial baseado em regras com auto-aprendizagem Lopes, Kennedy Reurison Maitelli, André Laurindo Dorea, Carlos Eduardo Trabuco Araújo, Fábio Meneghetti Ugulino de Silva, Gilbert Azevedo da Gabriel Filho, Oscar Sistemas especialistas Ambiente industrial Sistema de suporte à decisão Regras auto-editáveis CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA This work presents a methodology for knowledge acquisition and representation through automatic logic rules for an industrial plant. Initial knowledge of an industrial process can be gained through a specialist who interprets situations present in the plant and can describe what is happening. In this paper, we present a way to acquire statistical knowledge of the plant during the execution of its processes, using an online clustering method known as TEDA-Cloud, modified for performance increase. Knowledge representation is described through the manipulation of a neural network known as CILP (Connectionist Inductive Learning and Logic Programming) and a proper symbology is described to represent the logical variables taken from the process signals. The results show an efficiency in interpreting the rules and acceleration in the clustering process and classification of the standards that define the rules. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) Este trabalho apresenta uma metodologia de aquisição e representação do conhecimento através de regras lógicas automáticas para uma planta industrial. O conhecimento inicial sobre um processo industrial pode ser adquirido através de um especialista que interpreta situações presentes na planta e pode descrever o que está ocorrendo. Neste trabalho, é apresentada uma maneira de adquirir conhecimentos estatísticos da planta durante a própria execução de seus processos, utilizando para isso um método de clusterização online conhecido como TEDA-Cloud, modificado para aumento de performance. A representação do conhecimento é descrita através da manipulação de uma rede neural conhecida como CILP(Connectionist Inductive Learning and Logic Programming) e uma simbologia própria é descrita para representar as variáveis lógicas retiradas dos sinais dos processos. Os resultados mostram uma eficiência em interpretar as regras e aceleração no processo de clusterização e classificações dos padrões que definem as regras. 2019-12-16T17:36:06Z 2019-12-16T17:36:06Z 2019-05-24 doctoralThesis LOPES, Kennedy Reurison. Sistema especialista para ambiente industrial baseado em regras com auto-aprendizagem. 2019. 91f. Tese (Doutorado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2019. https://repositorio.ufrn.br/jspui/handle/123456789/28197 pt_BR Acesso Aberto application/pdf Brasil UFRN PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO
institution Repositório Institucional
collection RI - UFRN
language pt_BR
topic Sistemas especialistas
Ambiente industrial
Sistema de suporte à decisão
Regras auto-editáveis
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
spellingShingle Sistemas especialistas
Ambiente industrial
Sistema de suporte à decisão
Regras auto-editáveis
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Lopes, Kennedy Reurison
Sistema especialista para ambiente industrial baseado em regras com auto-aprendizagem
description This work presents a methodology for knowledge acquisition and representation through automatic logic rules for an industrial plant. Initial knowledge of an industrial process can be gained through a specialist who interprets situations present in the plant and can describe what is happening. In this paper, we present a way to acquire statistical knowledge of the plant during the execution of its processes, using an online clustering method known as TEDA-Cloud, modified for performance increase. Knowledge representation is described through the manipulation of a neural network known as CILP (Connectionist Inductive Learning and Logic Programming) and a proper symbology is described to represent the logical variables taken from the process signals. The results show an efficiency in interpreting the rules and acceleration in the clustering process and classification of the standards that define the rules.
author2 Maitelli, André Laurindo
author_facet Maitelli, André Laurindo
Lopes, Kennedy Reurison
format doctoralThesis
author Lopes, Kennedy Reurison
author_sort Lopes, Kennedy Reurison
title Sistema especialista para ambiente industrial baseado em regras com auto-aprendizagem
title_short Sistema especialista para ambiente industrial baseado em regras com auto-aprendizagem
title_full Sistema especialista para ambiente industrial baseado em regras com auto-aprendizagem
title_fullStr Sistema especialista para ambiente industrial baseado em regras com auto-aprendizagem
title_full_unstemmed Sistema especialista para ambiente industrial baseado em regras com auto-aprendizagem
title_sort sistema especialista para ambiente industrial baseado em regras com auto-aprendizagem
publisher Brasil
publishDate 2019
url https://repositorio.ufrn.br/jspui/handle/123456789/28197
work_keys_str_mv AT lopeskennedyreurison sistemaespecialistaparaambienteindustrialbaseadoemregrascomautoaprendizagem
_version_ 1773958699524554752

Lignende værker