Universidade Federal do Pará. Belem (Brazil)
April 28th, 2023
Original summary:
Este estudo propõe um método para melhorar a capacidade de um sistema multiagente (SMA) orientado a dados para realizar monitoramento de condições de funcionamento e detecção de falhas em processos industriais. E assim, uma estratégia de cooperação entre os agentes de software é proposta para mitigar alarmes falsos gerados na detecção de falhas, porque vários agentes trabalhando em cooperação têm desempenho melhor do que agentes agindo individualmente. Poucos passos transformam esse método em um procedimento valioso para melhorar a certeza diagnóstica. Primeiro, uma análise de modo de falha e efeitos é realizada para selecionar sinais de monitoramento físico do processo industrial que permitem que os agentes colaborem por meio de sinais compartilhados. Em seguida, vários modelos de redes neurais artificiais (RNA) são gerados com base no comportamento normal das condições de operação de vários subsistemas industriais equipados com sensores de monitoramento diferentes. A partir daí, os agentes usam os modelos de comportamento esperado baseados em RNA para evitar alarmes falsos, monitorando continuamente as amostras de medição de sinais físicos que se desviam do comportamento normal. Finalmente, este método é aplicado para monitorar uma turbina eólica. O sistema e os testes usam dados reais de um parque eólico na Espanha. Os resultados mostram que a colaboração entre os agentes facilita a detecção efetiva de falhas e pode reduzir significativamente os alarmes falsos, indicando um notável avanço na estratégia de manutenção e monitoramento industrial.
English summary:
This study proposes a method for improving the capability of a data-driven multi-agent system (MAS) to perform condition monitoring and fault detection in industrial processes. To mitigate the false fault-detection alarms, a co-operation strategy among software agents is proposed because it performs better than the individual agents. A few steps transform this method into a valuable procedure for improving diagnostic certainty. First, a failure mode and effects analysis are performed to select physical monitoring signals of the industrial process that allow agents to collaborate via shared signals. Next, several artificial neural networks (ANN) models are generated based on the normal behavior operation conditions of various industrial subsystems equipped with monitoring sensors. Thereafter, the agents use the ANNbased expected behavior models to prevent false alarms by continuously monitoring the measurement samples of physical signals that deviate from normal behavior. Finally, this method is applied to a wind turbine. The system and tests use actual data from a wind farm in Spain. The results show that the collaboration among agents facilitates the effective detection of faults and can significantly reduce false alarms, indicating a notable advancement in the industrial maintenance and monitoring strategy.
Keywords: sistemas multiagentes (SMA), redes neurais artificiais (RNA), alarmes falsos, monitoramento de condição, turbinas eólicas; multi-agent systems (MAS), artificial neural networks (ANN), false alarm problem, condition monitoring, wind turbines.
Citation:
W.C.E. Teixeira (2023), Multiagentes inteligentes para reduzir alarmes falsos em sistemas de monitoramento de turbinas eólicas. Universidade Federal do Pará. Belem (Brazil).
