Apresentação LabSIn

Programa de Pós-Graduação emEngenharia Elétrica e de Computação

Uma Arquitetura MultiAgente aplicada a Redes Industriais Foundation FieldBus para Alocação Dinâmica de Estratégias de Controle Inteligente em Blocos Funcionais Padrão

Vinicius Ponte MachadoOrientador: Prof. Dr. Adrião Duarte Dória NetoCo-Orientador: Prof. Dr. Jorge Dantas de Melo

Laboratório de Sistemas Inteligentes - LSIPrograma de Pós-Graduação em Engenharia Elétrica e de Computação - PPgEECDepartamento de Computação e Automação - DCAUniversidade Federal do Rio Grande do Norte - UFRN


Agente deObservação

Agente deDiagnóstico

Agente deExecução

Contextualização

Gerenciamento de Rede

Alocação de Dispositivos

Configuração de Estratégias de

Controle

Interpretação de Alarmes

Tarefas de Monitoramento

Organização da Rede

Medição e Controle

Introdução


Problema

Atividades controladas pelas redes industriais requerem funcionamento contínuo e tolerante a falha.

Qualquer parada na planta pode acarretar uma parada na produção (perdas financeiras) ou acidentes.

Em casos específicos, como por exemplo a mudança na configuração dos dispositivos da rede, a parada do sistema é obrigatória.

Algumas situações de falha requerem a intervenção do usuário (supervisor) para que seja contornada.

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.

Introdução


Problema

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.

No contexto desse problema podemos perceber três fatores que podem definir a sua solução

1. Autonomia2. Aprendizagem3. Adaptação

Introdução


Hipóteses

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).

Hipóteses Secundárias:- O uso de agentes confere autonomia (1) as redes industriais.- O uso de aprendizagem de máquina (2) ajuda aos agentes descobrir

padrões de falha e possíveis soluções.- A proposição de uma estratégia de alocação dinâmica (3) permite

que os agentes sejam alocados nas redes para descobrir e reparar as falhas.

Autonomia

Aprendizagem

Adaptação

Introdução


Objetivos

Criar uma arquitetura multiagente que permita incorporar nas redes industriais estratégias de controle inteligente nos dispositivos de campo;

Viabilizar uma melhoria no suporte a decisão em ocorrências no nível de planta e permitir um funcionamento mais ainda independente de intervenção humana;

Através de algoritmos de aprendizagem, antever situações (predição) que possam ocorrer de forma a melhorar a performance do sistema e

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.

Introdução


Agente

Agente Autônomo- Paradigma para o desenvolvimento de aplicações de software.- Entidade computacional com um comportamento autônomo que lhe

permite decidir suas próprias ações. Definições

- 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].

- 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].

- 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] .

Fundamentação Teórica

Autonomia

Aprendizagem

AdaptaçãoAutonomia

Autonomia

Adaptação


Ambientes Industriais

Automação e Controle- Visa a realização de pesquisa e desenvolvimento em modelagem e controle de

sistemas dinâmicos, processamento de sinais e instrumentação,- Utilizando-se para isso de elementos sensores, elementos atuadores, sistemas

de controle, Sistemas de Supervisão e Aquisição de Dados.- Incluem-se as aplicações em sistemas dinâmicos e discretos, acionamento de

máquinas, medição e aplicações com sistemas embarcados com utilização de microcontroladores e microeletrônica



Barramentos Industriais

Protocolos de Controle- CAN- Profibus- Foundation FieldBus

Foundation FieldBus - Justificativa- Padronização dos Dispositivos- Padronização da Aplicação (Blocos Funcionais)- Os dispositivos FF são capazes de executar seus próprios algoritmos de

controle



Foundation Fieldbus

Modelo de Comunicação em Camadas- Camada Física

- Barramento H1- Barramento HSE

- Camada de Comunicação- LAS (Link Active Scheduler)- DD (Device Descriptors)

- Camada de Aplicação- Blocos Funcionais

Blocos Funcionais- 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.



Blocos Funcionais

Estratégias de configuração são incorporadas aos dispositivos usando blocos funcionais

Estes blocos contém funções básicas de funcionamento que, quando combinadas, são capazes de implementar algoritmos mais complexos como redes neurais

O protocolo Foundation Fieldbus é capaz de distribuir o controle do processo através dos dispositivos de campo.

Sensores e atuadores possuem processadores que podem executar algoritmos de uma maneira distribuída através dos blocos funcionais.



Redes Neurais Artificiais

Uma rede neural artificial é composta por várias unidades de processamento simples.

Essas unidades geralmente são conectadas por canais de comunicação que estão associados a determinado peso

O comportamento inteligente de uma Rede Neural Artificial vem das interações entre as unidades de processamento da rede.

O conhecimento é armazenado na rede em forma de pesos sinápticos, que são as forças de conexão entre os neurônios.

O processo de aprendizagem consiste no ajuste dos pesos sinápticos durante o aprendizado da rede, até que uma meta previamente definida seja alcançada.



Neurônio Artificial

Sinais são apresentados à entrada: X1,X2, ...,Xp Cada sinal é multiplicado por um número ou peso

(w1,w2, ...,wp), que indica a sua influência na saída da unidade.

É feita a soma ponderada dos sinais que produz um nível de atividade:- Se este nível de atividade exceder um certo limite (dado pela

função de ativação) é produzida uma saída (y).



Agentes & Redes Industriais

Estudo sobre a viabilidade de implementação de agentes em ambiente industrial [Wagner 2002]

Estatísticas de uso de dispositivos em ambientes industriais [Landaburu et al. 2002]

Camada baseada em agentes para acesso a informações sobre os processos. (Ontologias) [Pirttioja et al. 2005] e (Web-Semântica) [Jussila 2006]

Agentes de Fábrica (Plant Agents). Monitora e controla um único item na planta. [Buse & Wu 2007]

Monitoramento e Diagnóstico de processos usando agentes e mapas auto-organizáveis [Frey 2009]

Detecção e recuperação de falhas usando agente em ambientes fieldbus. [Stefano & Santoro 2009]

Trabalhos Relacionados


Agentes & Redes Neurais

Agentes para reconhecimento de padrões utilizando redes neurais como parte de um sistema de navegação [Cunha 1997]

Modelo e agentes para detecção de invasão em redes de computadores. - Utiliza redes neurais para categorizar os

comportamentos dos usuários [Shelestov et al. 2003] Agentes móveis que "combinam "conhecimento

adquirido através de redes Neurais [Badawy & Almotwaly 2004]

Agentes Baseados em Redes Neurais para predição de estoques [Xu & Shao 2008]



Redes Neurais & Redes Industriais

Implementação em Ambiente Foundation Fieldbus de Filtragem Estocástica [Costa 2005]

Auto-Compensação e Auto-Calibração [Cagni 2005] Redes neurais artificiais no ambiente de redes

industriais Foundation Fieldbus usando blocos funcionais Padrões [Silva et al. 2006]

Predição usando Redes Neurais [Medeiros 2009]



Arquitetura MultiAgente

Esta Arquitetura é composta de um sistema multiagente que realiza rotinas de inspeção nos dados coletados nos sensores da planta.

Cada agente ou grupo de agentes desta arquitetura é responsável por executar atividades como monitoramento, inspeção e comunicação.

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.

As configurações dos dispositivos de campo (configuração de blocos funcionais) mudam para alocar os agentes que podem resolver tais problemas.

Arquitetura Proposta


Problema da Realocação de Blocos Funcionais



Anatomia do Agente

Cada agente é composto de duas partes:- 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.

- Redes Neurais implementadas usando blocos funcionais padrão responsável por realizar ações no barramento de campo.

A alocação e realocação dos agentes nos dispositivos de campo são realizadas através de mudanças nas interconexões dos blocos funcionais.



Agentes

Agentes de Observação (AO)- Estes agentes tem como objetivo descobrir anomalias nos valores

medidos pelos sensores ou na precisão dos atuadores Agentes de Diagnóstico (AD)

- 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

Agentes de Execução (EA)- 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.



Abordagem FieldBus – Execução

Processo a ser controlado





Fase de Aprendizagem

Treinamento





Fase de Execução

Agente deDiagnóstico




Fase de Execução

Agente deExecução



Abordagens de Implementação

Abordagem Manual

Implementação e Testes da mudança das conexões dos blocos funcionais Resultados para artigos ETFA e INDIN

Abordagem FBSIMU

Uso do simulador FBSIMU (USP – São Carlos) para testes da arquitetura proposta Capítulo de Livro

Demonstração & Resultados

Abordagem FieldBus

Implementação nos dispositivos reais da arquitetura proposta Resultado publicados na Revista TIE


Abordagem FieldBus Demonstração & Resultados

Uso de dispositivos reais (planta didática – LAMP)

Agentes implementados em LabView [Polaków & Metzger 2007]


Abordagem FieldBus

Sistema Supervisório Realiza as funções de

treinamento dos Agentes aNetKa

Monitora a ação dos Agentes

Simula problemas nos sistema e dispositivos



Abordagem FieldBus

Agentes nos blocos funcionais



Treinamento dos Agentes


Agentes de Observação e Diagnóstico



Agente de Diagnóstico

Falha Descrição R1 R2

Ausência de Falhas 0 0

1 Vazamento T1 - 0

2 Entupimento T1 + -

3 Entupimento T2 - +

4 Vazamento T2 0 -

5 Ruído no T1 + 0



Agente de Execução – Erro de Leitura Demonstração & Resultados


Agente de Execução – Ruído no Sinalde Medição





Baseado no Trabalho de Costa (2006)

RedeNeural

Sensor 1

Sensor 1


Agente de Execução – Auto-Calibração


Baseado no Trabalho de Pereira (2006)


Agente de Execução – Auto-Calibração



Agentes de Execução – Tempo de Resposta


Alocação Completa Correção de Leitura Filtro de Ruído Auto-Correção0

200

400

600

800

1000

1200

1400

16001500

36 66 44

Tem

po

(se

gu

nd

os)


Vídeos Demonstração & Resultados

Erro de Leitura Ruído

Descalibração


Contribuições Científicas

Uma especificação de um sistema multiagente para a implementação de estratégia de controle em blocos funcionais- 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.

Utilização de algoritmos de aprendizagem para predição e correção de falhas.

Proposição de uma estratégia para alocação dinâmica de blocos funcionais.

Conclusões


Conclusões

Diferente de outros trabalhos que envolvem agentes e redes industriais mostramos uma implementação de configuração de controle no nível de planta

Agregamos aprendizagem de máquina através de Redes Neurais Artificiais e Agentes

A implementação apresentada encaixa-se em uma característica básica dos agentes: a adaptação

A alocação de blocos funcionais mudará para adaptar-se a um determinado tipo de problema, sem a intervenção do usuário

Antever situações que podem ocasionar falhas no processo produtivo

Conclusões


Artigos Publicados & Projetos Aceitos

DHMS 2008 – IEEE International Conference on Distributed Human-Machine Systems- A Simulated Environment for a MultiAgent Architecture Based on a Foundation Fieldbus

Network Function Blocks- Idéia preliminar do uso de agente em ambientes industriais

Edital Universal CNPQ 2007-3- Arquitetura MultiAgente Baseada em Blocos Funcionais de Redes Industriais Foundation

FieldBus

INDIN 2008 – 6th IEEE International Conference on Industrial Informatics- MultiAgent architecture for function blocks: Intelligent configuration strategies allocation- Especificação detalhada da Arquitetura – apresentação de exemplo

ETFA 2008 – 13th IEEE International Conference on Emerging Technologies and Factory Automation- A Neural Network MultiAgent Architecture Applied to Fieldbus Intelligent Control- Primeiros resultados apresentados – uso da abordagem manual

Publicações


Artigos Publicados & Projetos Aceitos

CBA 2008 – XVII Congresso Brasileiro de Automática- Dynamic Funtion Blocks Allocation: A Multiagent Approach- Foco na mudança das interconexões dos blocos funcionais- Apresentação de outros resultados

Factory Automation- A Multiagent Architecture Based in a Foundation Fieldbus Network Function Blocks- Capítulo de Livro- Aplicação do modelo de agentes no FBSIMU

IEEE Transactions on Industrial Electronics (2010)- A Neural Network MultiAgent Architecture Applied to Industrial Networks for Dynamic

Allocation of Control Strategies using Standard Function Blocks - Aplicação no modelo de tanques reais

Publicações


Vinicius Ponte [email protected]

Agradecimentos

A Capes e CNPQ pelo suporte finaceiro

http://www.presentationpoint.de/

http://www.ppt-vorlagen.de/

Apresentação LabSIn

Technology

Transcript of Apresentação LabSIn