Banca de QUALIFICAÇÃO: JEAN MARIO MOREIRA DE LIMA

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE : JEAN MARIO MOREIRA DE LIMA
DATA : 29/11/2019
HORA: 10:30
LOCAL: Sala DCA 01
TÍTULO:

Técnicas de Deep Learning Aplicadas ao Desenvolvimento de Soft Sensors


PALAVRAS-CHAVES:

Soft sensor, deep learning, aprendizado semi-supervisionado, Identificação de Sistemas


PÁGINAS: 53
RESUMO:

Normalmente, os processos industriais são caracterizados por variáveis fortemente correlacionadas e não-linearidade acentuada. Há incontáveis processos nos quais não é possível medir com exatidão variáveis de processo ou variáveis de qualidade do processo. Quando limitações técnicas, custo elevado e indisponibilidade de equipamentos especialista impedem a medição das variáveis mais importantes em tempo real ou hábil pra executar alguma ação, os sensores virtuais - soft sensors - apresentam uma forma atraente de se lidar com o problema. Implementar um sistema que consiga inferir variáveis primárias de interesse utilizando variáveis secundárias de forma precisa não é simples. Além da complexidade associada a implementação do sistema por si só, os dados rotulados utilizados nesse tipo de implementação quase sempre não estão disponíveis, sendo a grande massa de dados disponíveis não rotulados. Neste trabalho é proposto o estudo e desenvolvimento de soft sensors baseados em técnicas de deep learning. O objetivo é propor uma técnica de aprendizado semi-supervisionado para construção de sensores virtuais em aplicações industriais utilizando dados rotulados e não rotulados. A princípio, a etapa não supervisionado utiliza os dados não rotulados para extração das principais características e ajuste inicial dos pesos do modelo. Para isso, as técnicas em estudo são os  autoencoders e as máquinas de Boltzmann. Por sua vez, na etapa supervisionada, o treinamento do modelo é iniciado com os pesos gerados na fase não supervisionada. As técnicas de treinamento supervisionadas eleitas para a construção desse trabalho são as redes neurais recorrentes e as redes profundas. Espera-se obter modelos capazes de representar toda a faixa de operação do sistema identificado e com ótima generalização. Com soft sensors que representem bem a dinâmica de processos industriais complexos, pode-se melhorar a qualidade do processo, do produto e, consequentemente, a lucratividade. Para o desenvolvimento deste trabalho, utiliza-se um benchmark de controles de processos químicos, chamado Taneessee Eastman.


MEMBROS DA BANCA:
Presidente - 1451883 - FABIO MENEGHETTI UGULINO DE ARAUJO
Interno - 1328152 - CARLOS EDUARDO TRABUCO DOREA
Externo à Instituição - LEANDRO LUTTIANE DA SILVA LINHARES - IFRN
Notícia cadastrada em: 12/11/2019 22:12
SIGAA | Superintendência de Informática - (84) 3215-3148 | Copyright © 2006-2019 - UFRN - sigaa13-producao.info.ufrn.br.sigaa13-producao