Banca de QUALIFICAÇÃO: YURI MELO E SILVA DO ESPIRITO SANTO

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: YURI MELO E SILVA DO ESPIRITO SANTO
DATA: 15/02/2023
HORA: 15:00
LOCAL: https://conferenciaweb.rnp.br/webconf/gercom_ufpa
TÍTULO:

Detecção de Falhas Baseada em Aprendizado de Máquina e Comunicação Adaptativa para Estado de Alerta em Redes IoT Industriais

PALAVRAS-CHAVES:

IoT Industrial; Aprendizado de Máquina; Comunicação Adaptativa.

PÁGINAS: 50
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Sistemas de Computação
ESPECIALIDADE: Teleinformática
RESUMO:

Diante da perspectiva de melhorar a produtividade, eficiência e segurança, os sistemas de produção e manufatura industriais exigem um nível cada vez maior de automação, confiabilidade e controle inteligente. Neste contexto, a Internet das Coisas Industrial (IIoT) é um paradigma emergente que permite agregar computação precisa, inteligente e de baixa latência ao ambiente industrial. Apesar desses benefícios, a presença de falhas em dispositivos IIoT ainda é um obstáculo a ser enfrentado. Tais anomalias podem implicar em acidentes, gerar perdas financeiras, afetar a produtividade e  mobilizar a equipe ao produzir alarmes falsos. Diante disso, este trabalho propõe um mecanismo que executa modelos de Aprendizado de Máquina precisos e de baixa latência para detecção de falhas em IIoT. Além disso, a solução proposta aplica uma política de comunicação adaptativa, acionando um estado alerta em caso de ocorrência de falha. Este estado de alerta caracteriza-se por um estágio em que a rede aumenta a confiabilidade da comunicação, alicerçando-se em um tráfego que utiliza múltiplos caminhos. O desempenho da proposta está considerando uma simulação da rede IIoT e um conjunto de dados de uma indústria de refinaria de petróleo.

MEMBROS DA BANCA:
Presidente - 1085349 - ANDRE FIGUEIRA RIKER
Interno - 2153544 - ANTONIO JORGE GOMES ABELEM
Externo à Instituição - ROGER IMMICH