Abordagem Baseada em Grafo de Conhecimento para Análise de Registros de Alarmes e Eventos Industriais
alarmes e eventos, grafo de conhecimento, processamento de linguagem natural, visualização de dados.
Os registros (logs) de alarmes e eventos compõem um volumoso e dormente repositório de dados históricos de natureza tabular, comumente sub-valorada ou negligenciada na indústria. Embora constituam fontes potencialmente ricas em informações relevantes sobre a planta ou processo monitorado, esses registros são tomados para análise apenas como último recurso, sobretudo devido às dificuldades impostas pelo grande volume e baixa expressividade dessas bases. Tal indiligência não se mostra mais admissível no cenário contemporâneo de orientação a dados, já ubíquo em diversos setores produtivos e que vem se apresentando fortemente na manufatura tradicional, sobretudo pelo advento do paradigma da Indústria 4.0. Propõe-se, assim, a transposição dessas bases para um domínio de representação mais expressivo e flexível, propiciando uma exploração mais proativa dos episódios narrados nos registros e, consequentemente, ensejando tarefas de análise de incidentes, de anormalidades, de conformidade e de desempenho mais céleres. Para isso, a partir do reconhecimento de uma ontologia, entidades, atributos e associações virtualmente imersas no contexto operacional historiado nos registros são mapeados em um grafo de conhecimento (do inglês, Knowledge Graph - KG). A abordagem utiliza técnicas de Análise Exploratória de Dados, Processamento de Linguagem Natural, Análise de Redes, Análise Multivariada e Indicadores Compostos para derivar dos dados uma miríade de aspectos, propriedades e relacionamentos (arestas) de natureza hierárquica, temporais e de similaridade instituídos entre as entidades (nós) identificadas. A visualização do KG se dá de forma dinâmica e interativa, com diferentes modos de visualização e níveis de detalhamento. Cenários de avaliação são desenhados para demonstrar a eficácia da abordagem.