| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 10.48 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
Uma das primeiras aplicações da Teoria de Dempster-Shafer - DempsterShafer Theory (DST) como método de abdução de sintomas aplicado a falhas em
sistemas de refrigeração é apresentada nesta dissertação. A metodologia proporciona
uma estrutura de desenvolvimento de novos métodos de Deteção e Diagnóstico de
Falhas - Fault Detection and Diagnosis (FDD) apoiados pela DST.
O estudo de um sistema de refrigeração, como sistema complexo, permite a
aplicação de um algoritmo de FDD. A deteção antecipada de condições de falha é
usada em manutenção preventiva. A Análise de Modos de Falha e Efeitos - Failure
Mode and Effects Analysis (FMEA) permite discriminar e priorizar possíveis modos
de falha de modo a selecionar falhas adequadas à FDD. Os Conjuntos Difusos - Fuzzy
Sets (FS) definem funções de pertença que melhor caracterizam o estado de um parâmetro face a uma avaliação em detrimento da definição de um limiar de valores
discretos. A quantificação do desvio de um parâmetro analisado é resultado do sistema de inferência construído. A Inteligência Artificial - Artificial Intelligence (AI)
é uma ferramenta que permite ajustar modelos de sistemas complexos, suportados
por conhecimento especialista conforme novas entradas de dados.
A DST é uma teoria para o tratamento de incerteza em ambientes de informação incompleta ou ambígua que considera dois limites para a possibilidade dos
acontecimentos: a crença e a plausibilidade. O programa materializa um raciocínio
de abdução em vez de dedução. Às causas associam-se sintomas. A aquisição de
dados pode evidenciar sintomas. As causas são determinadas com base em valores
probabilísticos para cada condição de falha possível.
A regra de combinação de evidências da DST permite considerar e combinar
duas ou mais fontes de informação. A compilação de pequenos indícios que não dão
alarmes ou pré-alarmes podem ser combinados para identificar situações anormais.
One of the first applications of the DST as a symptom abduction method applied to failures in refrigeration systems is presented in this dissertation. The methodology provides a framework for developing new FDD methods supported by the DST. The study of a refrigeration system, as a complex system, allows the application of a FDD algorithm. Early detection of fault conditions is used in preventive maintenance. The Failure Mode and Effects Analysis (FMEA) allows the discrimination and prioritization of possible failure modes in order to select faults suitable for FDD. Fuzzy Sets (FS) define membership functions that better characterize the state of a parameter in the face of an evaluation, rather than defining a threshold of discrete values. The quantification of the deviation of an analyzed parameter is a result of the built inference system. Artificial Inteligence (AI) is a tool that allows you to adjust models of complex systems, supported by expert knowledge, according to new data inputs. The Dempster-Shafer Theory (DST) is a theory for the treatment of uncertainty in environments of incomplete or ambiguous information that considers two limits to the possibility of events: belief and plausibility. The program materializes abduction reasoning instead of deduction. The causes are associated with symptoms. Data acquisition may highlight symptoms. Causes are determined based on probabilistic values for each possible failure condition. The DST combination rule of evidence allows the consideration and combination of two or more sources of information. The compilation of small pieces of evidences that do not trigger alarms or pre-alarms can be combined to identify unsual situations.
One of the first applications of the DST as a symptom abduction method applied to failures in refrigeration systems is presented in this dissertation. The methodology provides a framework for developing new FDD methods supported by the DST. The study of a refrigeration system, as a complex system, allows the application of a FDD algorithm. Early detection of fault conditions is used in preventive maintenance. The Failure Mode and Effects Analysis (FMEA) allows the discrimination and prioritization of possible failure modes in order to select faults suitable for FDD. Fuzzy Sets (FS) define membership functions that better characterize the state of a parameter in the face of an evaluation, rather than defining a threshold of discrete values. The quantification of the deviation of an analyzed parameter is a result of the built inference system. Artificial Inteligence (AI) is a tool that allows you to adjust models of complex systems, supported by expert knowledge, according to new data inputs. The Dempster-Shafer Theory (DST) is a theory for the treatment of uncertainty in environments of incomplete or ambiguous information that considers two limits to the possibility of events: belief and plausibility. The program materializes abduction reasoning instead of deduction. The causes are associated with symptoms. Data acquisition may highlight symptoms. Causes are determined based on probabilistic values for each possible failure condition. The DST combination rule of evidence allows the consideration and combination of two or more sources of information. The compilation of small pieces of evidences that do not trigger alarms or pre-alarms can be combined to identify unsual situations.
Description
Keywords
Sistemas de Refrigeração Deteção e Diagnóstico de Falhas Teoria de Dempster-Shafer Conjuntos Difusos