HeitorMedeirosFlorencio DISSERT

UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE
U NIVERSIDADE F EDERAL DO R IO G RANDE DO N ORTE

C ENTRO DE T ECNOLOGIA
P ROGRAMA DE P S -G RADUAO EM E NGENHARIA E LTRICA E
DE C OMPUTAO
Ferramenta para avaliao e inferncia de

parmetros de redes industriais sem fio
Heitor Medeiros Florencio
Nmero de Ordem do PPgEEC: M451

Natal, RN, Julho 2015
UFRN / Biblioteca Central Zila Mamede

Catalogao da Publicao na Fonte
Florencio, Heitor Medeiros.
Ferramenta para avaliao e inferncia de parmetros de redes industriais sem
fio / Heitor Medeiros Florencio. - Natal, RN, 2015.
89 f. : il.
Orientador: Prof. Dr. Adrio Duarte Dria Neto
Dissertao (Mestrado) - Universidade Federal do Rio Grande do Norte. Centro de Tecnologia. Programa de Ps-Graduao em Engenharia Eltrica e de
Computao.
1. Redes de acesso local - Dissertao. 2. Redes Industriais - Dissertao. 3.
Redes de sensores sem fio - Dissertao. 4. Redes neurais artificiais - Dissertao
I. Dria Neto, Adrio Duarte. II. Universidade Federal do Rio Grande do Norte.
III. Ttulo.
RN/UF/BCZM
CDU 004.725.5
Ferramenta para avaliao e inferncia de

parmetros de redes industriais sem fio
Heitor Medeiros Florencio
Dissertao de Mestrado aprovada em 20 de julho de 2015 pela banca examinadora composta pelos seguintes membros:
Prof. Dr. Adrio Duarte Dria Neto (orientador) . . . . . . . . . . . . . . . . DCA/UFRN
Prof. Dr. Luiz Affonso Henderson Guedes de Oliveira . . . . . . . . . . DCA/UFRN
Prof. Dr. Ivanovitch Medeiros Dantas da Silva . . . . . . . . . . . . . . . . . . IMD/UFRN
Prof. Dr. Dennis Brando . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . EESC/USP
Aos meus pais, Florncio e

Rosngela, e minha irm, Neuma,
pelo apoio familiar dado durante o
curso.
Agradecimentos
Agradeo primeiramente aos meus pais, Florncio e Rosngela, e minha irm, Neuma,
por estarem sempre ao meu lado durante o curso, apoiando todas as minhas decises.
Agradeo Gabriely, por todo apoio, pacincia e carinho oferecido durante a realizao
do trabalho.
Agradeo ao meu orientador, prof. Adrio Duarte, por toda confiana dedicada ao meu
trabalho e por todos os momentos de orientaes. Sua dedicao docncia serve de
inspirao para que eu possa prosseguir com meus objetivos.
toda equipe do projeto Wireless e aos amigos do LAMP e do LAMII.
Agradeo especialmente ao engenheiro Daniel Lopes por todas as discusses e conselhos
durante o curso e pela pacincia em transmitir os conhecimentos de engenharia necessrios para o desenvolvimento da dissertao.
Agradeo ao Instituto Metrpole Digital (IMD) por todo apoio de infraestrutura atravs
do Ncleo de Pesquisa e Inovao em Tecnologia da Informao (nPITI).
Agradeo ao prof Pablo Javier por todo apoio, confiana e pacincia durante os trabalhos
realizados no IMD.
Agradeo CAPES e Petrobras pelo apoio financeiro.
Agradeo aos meus familiares e amigos pelo apoio e momentos de descontrao.
Resumo
As redes de sensores sem fio (RSSF) esto gradativamente ganhando espao no ambiente industrial devido possibilidade de conectar pontos de informao que eram inacessveis com as redes cabeadas. Contudo, existem vrios desafios na implantao e aceitao dessa tecnologia no meio industrial, sendo um deles a garantia de disponibilidade
da informao, a qual pode ser influenciada por vrios parmetros, como a estabilidade
do caminho de dados e o consumo de energia do instrumento de campo. Nesse sentido,
neste trabalho foi desenvolvido uma ferramenta para avaliar e inferir parmetros de redes
industriais sem fio baseadas nos protocolos WirelessHART e ISA 100.11a. A ferramenta
disponibiliza funcionalidades de avaliao quantitativa, avaliao qualitativa e avaliao
por inferncia durante um determinado tempo de execuo da rede. As avaliaes quantitativa e qualitativa so baseadas nas prprias definies dos parmetros, como o parmetro
de estabilidade, ou em ferramentas da estatstica descritiva, como mdia, desvio padro
e diagramas de caixa. J na avaliao por inferncia utilizada a tcnica inteligente de
redes neurais artificiais para estimar alguns parmetros da rede, como vida til da bateria.
Por fim, so apresentados os resultados do uso da ferramenta em diferentes cenrios de
redes, topologias em estrela e em malha, com o intuito de atestar a importncia do uso da
ferramenta na avaliao do comportamento dessas redes, como tambm, apoiar possveis
adequaes ou manutenes do sistema.
Palavras-chave: Redes Industriais, Redes de sensores sem fio, Estatstica descritiva,
Redes neurais artificiais, WirelessHART, ISA 100.11a.
Abstract
Wireless sensor networks (WSN) have gained ground in the industrial environment,
due to the possibility of connecting points of information that were inaccessible to wired
networks. However, there are several challenges in the implementation and acceptance
of this technology in the industrial environment, one of them the guaranteed availability
of information, which can be influenced by various parameters, such as path stability and
power consumption of the field device. As such, in this work was developed a tool to evaluate and infer parameters of wireless industrial networks based on the WirelessHART
and ISA 100.11a protocols. The tool allows quantitative evaluation, qualitative evaluation
and evaluation by inference during a given time of the operating network. The quantitative and qualitative evaluation are based on own definitions of parameters, such as the
parameter of stability, or based on descriptive statistics, such as mean, standard deviation
and box plots. In the evaluation by inference uses the intelligent technique artificial neural networks to infer some network parameters such as battery life. Finally, it displays
the results of use the tool in different scenarios networks, as topologies star and mesh, in
order to attest to the importance of tool in evaluation of the behavior of these networks,
but also support possible changes or maintenance of the system.
Keywords: Industrial networks, Wireless sensor networks, Descriptive statistics Artificial neural networks, WirelessHART, ISA 100.11a.
Sumrio
Sumrio
Lista de Figuras
iii
Lista de Tabelas
vi
Introduo
1.1
Motivao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
Contribuies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3
Estrutura da dissertao . . . . . . . . . . . . . . . . . . . . . . . . . . .
Redes industriais sem fio
2.1
Principais requisitos . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2
Protocolos de comunicao sem fio: WirelessHART e ISA 100.11a . . . .
2.3
Eficincia energtica . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
Elementos matemticos para avaliao e inferncia
24
3.1
Estatstica descritiva . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
24
3.2
Redes neurais artificiais . . . . . . . . . . . . . . . . . . . . . . . . . . .
27
3.2.1
Perceptron de mltiplas camadas (MLP) . . . . . . . . . . . . . .
33
3.2.2
Redes neurais recorrentes autorregressiva no linear com entradas

exgenas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
34
Ferramenta para avaliao e inferncia
36
4.1
37
Aquisio e registro dos dados: PW-Logger . . . . . . . . . . . . . . . .
4.2
4.1.1
Drivers de comunicao . . . . . . . . . . . . . . . . . . . . . .
37
4.1.2
Registro dos dados . . . . . . . . . . . . . . . . . . . . . . . . .
38
PW-DataAnalyzer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
42
4.2.1
Avaliao quantitativa . . . . . . . . . . . . . . . . . . . . . . .
42
4.2.2
Avaliao qualitativa . . . . . . . . . . . . . . . . . . . . . . . .
43
4.2.3
Avaliao por inferncia . . . . . . . . . . . . . . . . . . . . . .
45
Estudo de casos
52
5.1
Estudo de caso 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
52
5.2
Estudo de caso 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
59
5.3
Estudo de caso 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
66
Concluso
71
6.1
Trabalhos futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
72
6.2
Publicaes associadas . . . . . . . . . . . . . . . . . . . . . . . . . . .
72
Referncias bibliogrficas
73
Lista de Figuras
2.1
Exemplo de uma rede WirelessHART . . . . . . . . . . . . . . . . . . .
2.2
Exemplo de uma rede ISA 100.11a . . . . . . . . . . . . . . . . . . . . .
10
2.3
Diferentes modos de salto de frequncia suportados pelo ISA 100.11a.

Fonte: [Silva 2013], p. 31 . . . . . . . . . . . . . . . . . . . . . . . . .
11
Estimador de vida til de bateria - SiliconLabs. Fonte: Website da SiliconLabs. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
Power Module Life Estimator - Emerson. Fonte: Website Emerson Process Management. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
20
3.1
Representao grfica do diagrama de caixa. . . . . . . . . . . . . . . . .
27
3.2
Neurnios interligados formando uma rede neural . . . . . . . . . . . . .
28
3.3
Modelo de neurnio artificial de McCulloch-Pitts . . . . . . . . . . . . .
30
3.4
Tipos de aprendizagem: supervisionada (a) e no supervisionada (b) . . .
31
3.5
RNA simples de camada nica . . . . . . . . . . . . . . . . . . . . . . .
32
3.6
RNA simples de mltiplas camadas . . . . . . . . . . . . . . . . . . . .
32
3.7
Rede ARX com dois atrasos na entrada e na sada . . . . . . . . . . . . .
35
4.1
Modelo de associao do PW-DataAnalyzer com o PW-Logger . . . . . .
36
4.2
Blocos de informaes do PW-Logger . . . . . . . . . . . . . . . . . . .
39
4.3
PW-DataAnalyzer e seus mdulos de avaliao. . . . . . . . . . . . . . .
43
4.4
Processo de atraso de amostras . . . . . . . . . . . . . . . . . . . . . . .
46
4.5
Modelo da rede neural . . . . . . . . . . . . . . . . . . . . . . . . . . .
47
4.6
Fluxograma parcial do sistema de inferncia da vida til da bateria. . . . .
49
4.7
Fluxograma final do sistema de inferncia da vida til da bateria. . . . . .
50
2.4
2.5
iii
5.1
Rede ISA 100.11a adotada no estudo de caso 01 . . . . . . . . . . . . . .
5.2
Grficos de quantidade de pacotes transmitidos pelos dispositivos de campo

de uma rede ISA 100.11a. . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.3
Grficos de quantidade de pacotes falhos na transmisso dos dispositivos

de campo de uma rede ISA 100.11a. . . . . . . . . . . . . . . . . . . . .
55
Grficos de pacotes transmitidos e falhos dos dispositivos de campo de

uma rede ISA 100.11a. . . . . . . . . . . . . . . . . . . . . . . . . . . .
56
Grficos de nvel de potncia dos sinais recebidos pelos dispositivos de

campo de uma rede ISA 100.11a. . . . . . . . . . . . . . . . . . . . . . .
57
Grfico de estabilidade do caminho entre os dispositivos LD-IS-01 e TTIS-05. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
58
5.4
5.5
5.6
53
5.7
Grfico de estabilidade do caminho entre os dispositivos TT-IS-01 e YFGWBBR001. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.8
Grfico de estabilidade do caminho e nvel de potncia do sinal dos vizinhos do dispositivo LD-IS-01. . . . . . . . . . . . . . . . . . . . . . . .
59
Topologia adotada no estudo de caso 02. . . . . . . . . . . . . . . . . . .
60
5.10 Topologias de testes. . . . . . . . . . . . . . . . . . . . . . . . . . . . .
60
5.11 Linhas do tempo para o funcionamento das redes. . . . . . . . . . . . . .
61
5.12 Grficos de avaliao dos pacotes transmitidos pelos dispositivos de teste.
62
5.13 Grfico de parmetros de indicao das rotas primria e secundria do

dispositivo ISA 100.11a. . . . . . . . . . . . . . . . . . . . . . . . . . .
63
5.14 Grfico de inferncia das rotas primria e secundria do dispositivo ISA

100.11a. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
64
5.15 Grfico de parmetros de indicao das rotas primria e secundria do

dispositivo Wireless HART. . . . . . . . . . . . . . . . . . . . . . . . . .
65
5.16 Grfico de inferncia das rotas primria e secundria do dispositivo WirelessHART. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
66
5.17 Grfico da vida til da bateria do dispositivo TT-WH-03. . . . . . . . . .
66
5.18 Parte do grfico da vida til da bateria do dispositivo TT-WH-03. . . . . .
67
5.19 Tela do sistema de inferncia utilizando RNA. . . . . . . . . . . . . . . .
68
5.9
5.20 Grficos de validao da rede neural ARX. . . . . . . . . . . . . . . . . .
69
5.21 Grfico de inferncia da vida til da bateria do dispositivo TT-WH-03. . .
70
Lista de Tabelas
2.1
Tabela de estimao da vida da bateria da Honeywell. Fonte: 2014HONEYWELL-alive-on-batteries . . . . . . . . . . . . . . . . . . . . .
20
2.2
Tabela de estimao da vida da bateria da Emerson. Fonte: 2014-EMERSONSmartPower . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.1
Tabela dos grficos de avaliao quantitativa. . . . . . . . . . . . . . . .
43
4.2
Tabela dos grficos de avaliao qualitativa. . . . . . . . . . . . . . . . .
44
vi
Captulo 1
Introduo
Depois de tornar-se uma tecnologia indispensvel nas nossas vidas, sejam nas tarefas
domsticas, pessoais ou profissionais, as redes sem fio esto cada vez mais ganhando
espao no mundo da tecnologia e inovao. A tecnologia de automao, que no poderia
ficar de fora, est incluindo essas redes nos sistemas de automao, com o objetivo de
aumentar o desempenho desses sistemas.
A convenincia de ser capaz de conectar vrios dispositivos sem a utilizao de cabos tem conduzido o sucesso das redes de sensores sem fio (RSSF) na indstria [Willig
et al. 2005]. Com isso, surge uma maior flexibilidade, baixo custo e facilidade de instalao e manuteno, reduo de tempo, enfim pode-se resumir essas vantagens na economia
de tempo e de recursos [Costa & Amaral 2012, Gomes et al. 2014]. Nota-se que os custos
dos cabos no so os nicos custos numa rede cabeada no campo, existem custos expressivos com bandejas, canaletas, eletrodutos, caixas de passagem, unidades prensa-cabos
e seladoras, aterramento de cabos e de suas blindagens, conexes frouxas ou corrodas,
entre outros [Bega 2011]. Alm disso, as redes industriais sem fio podem alcanar pontos
de medio que, at o momento, eram inviveis para as redes cabeadas.
Em uma RSSF industrial, sensores so embarcados em equipamentos industriais que
monitoram parmetros crticos, como temperatura, presso e vibrao [Gomes et al.
2014]. Assim, tornam-se notrias as vantagens das RSSF quando considerados ambientes agressivos, os quais contm elementos qumicos, vibraes ou partes mveis que
podem danificar o cabeamento [Willig et al. 2005].
As RSSF industriais discutidas neste trabalho so baseadas no padro IEEE 802.15.4,
o qual definem especificaes para baixo consumo de energia dos ns sensores da rede,
caracterstica interessante para um cenrio industrial. Porm, para uma consolidao dessas tecnologias na indstria preciso que as redes sem fio garantam as vantagens j ci-
CAPTULO 1. INTRODUO
tadas sem perda de qualidade de servio comparado as redes cabeadas j difundidas no

mercado.
Existem vrios desafios a serem enfrentados para implementao da comunicao sem
fio no ambiente industrial, pois a utilizao de um meio inerentemente no confivel pode
ser agravado devido a presena de rudos e interferncias na faixa de espectro utilizada
[Gomes et al. 2014]. As interferncias que surgem no espectro so de fontes e tipos variados, sejam por rdios fora da rede operandos na mesma faixa de frequncia, mquinas
e objetos fixos ou mveis que refletem, refratam ou difratam as ondas, entre outros. Com
isso, necessrio o desenvolvimento de tcnicas que garantam o melhor desempenho do
sistema, considerando o menor consumo de energia, a maior velocidade de transmisso
de dados e a maior confiabilidade dessas redes.
Alm disso, faz-se necessrio o conhecimento dos requisitos que garantem o correto
funcionamento dos padres sem fio no ambiente industrial. Alguns desses requisitos so
definidos como recomendaes na norma NAMUR-NE 124, como interoperabilidade,
intercambiabilidade, disponibilidade, confiabilidade, tempo real, segurana dos dados,
coexistncia com mltiplas tecnologias e mltiplas aplicaes, baixo consumo de energia, automonitorao, diagnstico e integrao transparente com sistemas de automao
[Lugli 2014]. Outros requisitos foram definidos atravs do uso dessas redes em outros
ramos e de pesquisas realizadas na rea, como a capacidade autoconfigurao e autoorganizao da rede, garantia da confiabilidade dos caminhos, baixa latncia e comportamento previsvel da rede [Kumar Somappa et al. 2014]. Apesar da necessidade de
monitoramento e/ou controle de vrias grandezas fsicas, o trfego de dados no necessita
de uma largura de banda elevada.
Como j mencionado, para que as redes industriais sem fio sejam aceitas no mercado da automao industrial, necessrio que os requisitos citados anteriormente sejam
atendidos. Porm, para conseguir verificar a validao desses requisitos, devem existir parmetros que avaliem o funcionamento dessas redes atravs de ferramentas matemticas
ou, simplesmente, de inferncia a partir do conhecimento dos especialistas, ou melhor,
dos usurios da tecnologia. Esses parmetros devem ser coletados, processados e disponibilizados para todos os usurios da tecnologia.
Muitos trabalhos desenvolvidos e em desenvolvimento baseiam-se no uso de tcnicas inteligentes para melhorar o desempenho das RSSF industriais, sendo algoritmos de
roteamento, consumo de energia e segurana os temas mais abordados. De acordo com
[Kulkarni et al. 2011], os desenvolvedores de equipamentos de RSSF no esto completamente cientes do potencial que os algoritmos de tcnicas inteligentes podem oferecer
CAPTULO 1. INTRODUO
e pesquisadores, na maioria das vezes, no esto familiarizados com todos os problemas

reais. Com isso, faz-se necessrio a incluso de tcnicas inteligentes para avaliar e inferir
parmetros das redes.
Nesse sentido, o desenvolvimento de uma ferramenta que incorpore ferramentas matemticas e computacionais, como tcnicas inteligentes, pode trazer grandes vantagens
tanto para o desenvolvedor da tecnologia, que poder validar ou no seu produto, como
para os usurios da tecnologia, que podero escolher a tecnologia mais confivel. Essas ferramentas de avaliao podem disponibilizar anlises do estado de funcionamento
dos dispositivos e da rede, ou melhor, disponibilizando parmetros de diagnstico dos
dispositivos e da rede.
1.1
Motivao
Em geral, os profissionais das reas de tecnologia da informao e tecnologia da automao esto cientes que as comunicaes sem fio devem ser incorporadas aos sistemas
de automao. Desde sistemas de automao residencial at os sistemas de automao industrial. Porm, para que uma tecnologia consiga penetrar no mercado, qualquer que seja
a tecnologia, ela deve ser testada e aprovada. Com isso, as redes sem fio para ambientes
industriais esto passando por essa etapa.
Os sistemas de monitoramento das redes industriais sem fio disponibilizados pelos fabricantes, na maioria das vezes, no disponibilizam todas as informaes da rede. Ou, at
mesmo, disponibilizam vrios dados sem nenhuma informao relevante para o usurio
da rede.
Com base no contexto apresentado anteriormente, o desenvolvimento de uma ferramenta que avalie o comportamento de uma rede industrial sem fio e faa a inferncia do
comportamento de parmetros, como a vida til da bateria, pode auxiliar em importante
decises na fase de projeto e manuteno do sistema. Previso de troca de bateria de um
ou mais instrumentos e alterao da localizao dos dispositivos em uma rede em malha
para evitar a perda de pacotes so exemplos de decises possveis de serem tomadas com
o uso de uma ferramenta de avaliao.
CAPTULO 1. INTRODUO
1.2
Contribuies
Dentre as contribuies da ferramenta de avaliao e inferncia para redes industriais

sem fio, baseadas nos protocolos WirelessHART e ISA 100.11a, desenvolvida nesta dissertao est o fato de poder avaliar diversos parmetros dessas redes, como estabilidade
dos caminhos, quantidade de pacotes transmitidos e falhos, e nvel de potncia do sinal,
para analisar o comportamento da rede e verificar possveis falhas na fase de projeto.
Essa a maior contribuio desta dissertao pois a implantao de redes sem fio no cho
de fbrica recente e torna-se de extrema importncia o conhecimento do desempenho
dessas redes diante de diferentes situaes.
1.3
Estrutura da dissertao
Neste primeiro captulo foi apresentado uma introduo ao tema da dissertao, enfatizando na importncia do desenvolvimento da ferramenta. J o segundo captulo apresenta
uma viso geral das redes industriais sem fio, rea foco da ferramenta desenvolvida. Continuando com a apresentao de conceitos, no captulo 3 so apresentados alguns conceitos dos elementos matemticos que foram utilizados para desenvolver a ferramenta.
Aps conhecer os conceitos, sero apresentados os mdulos e as funcionalidades da ferramenta desenvolvida. Por fim, o captulo 4 apresenta alguns resultados da aplicao da
ferramenta em trs estudos de casos e o captulo 5 descreve as concluses retiradas do
desenvolvimento do trabalho.
Captulo 2
Redes industriais sem fio
Com o avano da tecnologia tem sido mais comum o uso de comunicaes sem fio
(wireless) em ambientes profissionais e pessoais, seja por motivos de mobilidade, reduo
de custos ou variedade de aplicaes. Com isso, tornou-se imprescindvel a produo de
equipamentos com a tecnologia wireless, que em conjunto conseguem forma uma grande
rede de monitoramento e atuao a distncia, ou melhor, sem a presena fsica de um
humano. Essa tecnologia est bastante visvel na atual revoluo tecnolgica que tem
como objetivo conectar todas as coisas atravs de uma rede mundial, a internet das coisas.
As redes de sensores sem fio fazem parte desse grande grupo de tecnologias que pretendem interconectar vrios equipamentos atravs da comunicao sem fio. Nesse captulo ser apresentado uma viso geral das redes de sensores sem fio (RSSF) industriais,
incluindo caractersticas de dois principais protocolos de redes industriais sem fio: WirelessHART e ISA 100.11a.
2.1
Principais requisitos
Diante do aumento do uso das redes sem fio, tornou-se necessrio a criao do grupo
de redes de sensores sem fio (RSSF), que tem por objetivo interconectar sensores com capacidade de comunicao em uma rede sem fio. As redes de sensores sem fio (RSSF) so
formadas por ns equipados com sensores ou atuadores com capacidade de comunicao
via radiofrequncia. Essas redes surgiram como alternativa para os sistemas de monitoramento que apresentavam pouca flexibilidade [Gomes et al. 2014]. Atualmente, as RSSF
so amplamente utilizadas na construo de ambientes inteligentes com sistemas de automao e controle e so encontrados tambm em aplicaes na rea de casas inteligentes,
transporte e monitoramento de sade [Kumar Somappa et al. 2014].
CAPTULO 2. REDES INDUSTRIAIS SEM FIO
Na automao industrial os benefcios do uso de tecnologias sem fio so mltiplos.

Em primeiro lugar, a reduo de custo e de tempo necessrio na manuteno e instalao
dos sistemas, que pode reduzir substancialmente a quantidade de materiais atrelados ao
cabeamento, consequentemente facilitando na configurao ou reconfigurao do projeto
da planta industrial. Essa reduo essencial em ambientes agressivos onde existem produtos qumicos, vibraes ou partes mveis que podem danificar qualquer tipo de cabeamento [Willig et al. 2005]. Alm disso, outros fatores como flexibilidade e diagnstico
tornam as redes de sensores sem fio industriais (RSSFI) ainda mais essenciais na melhoria
dos sistemas de automao.
A implantao de sistemas com comunicao sem fio por si prpria j apresenta vrios
problemas, muitos deles relacionados ao uso do meio sem fio, que est exposto a interferncias de diversos tipos. Essas interferncias podem ser de vrias fontes, seja por outras
tecnologias sem fio no mesmo raio de alcance ou pelas prprias propriedades das ondas,
como reflexo, refrao e difrao. Quando aplicado ao ambiente industrial surgem novos
obstculos para garantir uma confiabilidade no envio dos dados dessas redes, um deles
a necessidade de equipamentos de baixo consumo de energia. Muitos desses sensores e
atuadores podem estar alocados em unidades de monitoramento inviveis para uma troca
de bateria constante.
Existem vrios requisitos a serem atendidos pelos protocolos de redes sem fio para
um funcionamento adequado no meio industrial, abaixo segue os principais.
Interoperabilidade: a capacidade de redes de diferentes fabricantes, mas de mesmo
padro, operarem em conjunto com um propsito especfico.
Confiabilidade: definido como a probabilidade de um defeito do sistema no ter
ocorrido no intervalo [0, t] [Silva 2013]. Com outras palavras, a confiabilidade a capacidade de uma rede funcionar corretamente, como especificada, em condies normais e
especiais, dentro de um perodo de tempo pr-determinado.
Disponibilidade: definido como a probabilidade do sistema estar operacional no
instante de tempo t.
Tempo real: a capacidade da soluo de comunicao sem fio atender cenrios
com requisitos de comunicao em tempo real em termos de parmetros determinsticos
e de latncia [Lugli 2014].

Segurana: a definio de mecanismos que garantam o trfego dos dados de
forma segura e codificada no meio, como tambm o acesso rede sem fio atravs de
autenticao.
Coexistncia e resistncia a rudos: a capacidade de uma rede operar normalmente, resistindo aos rudos presentes no espectro, em conjunto com outras tecnologias
de comunicao sem fio que operem na mesma faixa de frequncia.
Automonitorao e diagnstico: o requisito que recomenda a disponibilizao
de dados e estatsticas sobre vrios parmetros da rede, como nvel de potncia dos sinais,
o estado da bateria, identificao de erros, latncia, entre outros.
Eficincia energtica: o requisito que solicita um baixo consumo de energia dos
dispositivos sensores da rede.
Autoconfigurao e auto-organizao: a capacidade dos dispositivos da rede
operarem independente da interveno humana durante longos perodos de tempo [Kumar Somappa et al. 2014].
Qualidade de servio (QoS): a capacidade da rede de atender as especificaes de
requisitos de servio com qualidade mnima ou mximo exigida pela aplicao. Existem
requisitos de vrios tipos, desde o tempo mnimo de transferncia de um dado em uma
determinada aplicao at a cobertura mnima que a rede deve operar.
Escalabilidade: a capacidade das redes serem suficientes para acomodar novos
ns sensores sem alterar a qualidade do servio. As redes precisam ser escalveis para
fins de aumento de grandes nmeros de dispositivos de campo.
2.2
Protocolos de comunicao sem fio: WirelessHART e

ISA 100.11a
Os protocolos de comunicao para redes industriais sem fio se baseiam principalmente em normas padronizadas, como as normas das famlias IEEE 802.11 e IEEE 802.15.
Ambas essas famlias de padres foram concebidas para fins de aplicao diferentes de
automao industrial. Os padres baseados na IEEE 802.11 oferecem altas taxas de dados na ordem de dezenas de Mbits/s, variando a distncia entre dispositivos at dezenas e
centenas de metros, enquanto que os padres baseados em IEEE 802.15 suportam apenas
as taxas de centenas de kbits/s at alguns Mbits/s para poucas centenas de metros. No entanto, o IEEE 802.11 consome uma grande energia comparado ao IEEE 802.15. Portanto,
para um baixo consumo de energia prefervel o uso dos padres da famlia IEEE 802.15
[Christin et al. 2010].
Diante da existncia de todos os requisitos para o ambiente industrial, foram desenvolvidos alguns protocolos de redes industriais sem fio baseados no padro IEEE 802.15, dos
quais sero citados apenas dois: WirelessHART e ISA 100.11a. O WirelessHART resultado da incluso de uma interface de comunicao sem fio no protocolo HART, atravs da
reviso 7, pela HART Communication Foundation (HCF) (IEC, 2010). Quase em parelalo, a International Society of Automation (ISA) deu incio aos trabalhos de definio de
uma famlia de padres de sistemas sem fio para o ambiente industrial, o ISA100, emergindo como primeiro padro o ISA 100.11a [Petersen & Carlsen 2011, Standard 2009].
Conforme citado anteriormente, os dois protocolos baseiam-se na famlia de padres
IEEE 802.15, mais especificamente no padro IEEE 802.15.4. Nesse padro, as comunicaes devem operar na faixa de frequncia livre de 2,4 GHz ISM ocupando os canais
de 11 a 26, cada um com largura de banda de 5MHz, e com modulao O-QPSK (Offset
Quadrature Phase-Shift Keying). Contudo, o canal 26 no utilizado em alguns pases
por regulamentaes prprias. A taxa de comunicao de no mximo 250 kbps, mas
estudos experimentais em [Gomes et al. 2014] mostraram que a taxa de bits mxima real
em torno de 153 kbps.
Todos os elementos das redes dos dois protocolos tm suas caractersticas e atribuies bem definidas. Os elementos constituintes de uma rede WirelessHART so: gerente
da rede, gerente de segurana, gateway (ponte de comunicao entre duas tecnologias),
dispositivo de campo no roteador, dispositivo de campo roteador, adaptador e dispositivo
porttil. Enquanto que em uma rede ISA 100.11a temos os seguintes elementos: gerente
da rede, gerente de segurana, gateway, dispositivo de campo no roteador, dispositivo

de campo roteador backbone, dispositivo de campo roteador e dispositivo porttil. As
figuras 2.1 e 2.2 mostram exemplos dessas redes, tanto para o protocolo WirelessHART
como ISA 100.11a.
Figura 2.1: Exemplo de uma rede WirelessHART

A forma com que esses elementos esto arquitetados ou organizados chamada de
topologia. Ambos os protocolos utilizam a topologia da rede em malha (mesh). Nesta topologia, um dispositivo pode servir como roteador das mensagens de outro dispositivo at
o seu destino final. Isto faz com que o alcance da rede seja maior, alm de criar redundncia de caminhos, atenuando problemas interferncias e contribuindo para o aumento da
confiabilidade da rede [Costa & Amaral 2012]. Alm disso, eles empregam o mecanismo
de mltiplos saltos de frequncia na tentativa de maximizar a confiabilidade da rede.
A partir daqui interessante considerar algumas caractersticas dos protocolos baseandose nos requisitos para implantao dessa tecnologia nos sistemas de automao.
Interferncia e coexistncia
Alm do uso da tcnica de acesso mltiplo por diviso de tempo (TDMA), os dois
protocolos utilizam a tcnica de salto de canais de frequncia (Channel hopping) e a lista
10
Figura 2.2: Exemplo de uma rede ISA 100.11a

negra de canais (channel blacklisting) para diminuir o efeito da interferncia. O salto de
canais de frequncia uma tcnica em que a transferncia de dados ocorre em frequncias diferentes a cada perodo de tempo. O pacote de dados, chamado de superframe,
dividido em vrios slots de tempo (time slots), determinado pelo TDMA, e em cada
slot a transferncia de dados realizada em uma frequncia diferente. Porm, existem
algumas pequenas diferenas no modo de uso dessas tcnicas. O padro WirelessHART
suporta at 15 canais que so utilizados alternadamente em um time slot fixo de 10 ms,
ao contrrio do ISA 100.11a que utiliza time slot configurvel de 10 a 12 ms.
Alm disso, o protocolo WirelessHART s define um modo de salto de canal, onde
o canal escolhido de forma pseudoaleatrio, isto , utilizando uma frmula matemtica
que depende do valor ASN (Absolute Slot Number) e do valor de offset dos canais. O
ASN uma varivel do sistema que incrementada sempre que criado um novo slot
para transmisso de dados. E, por outro lado, o ISA 100.11a define trs modos de saltos
de frequncia: slotted, lento e hbrido. A figura 2.3 mostra um exemplo de funcionamento
desses trs modos de saltos.
No primeiro modo de salto de frequncia, cada comunicao ocorre em uma frequncia diferente, seguindo alguns padres pr-definidos. A ordem dos canais a ser seguida
11
Figura 2.3: Diferentes modos de salto de frequncia suportados pelo ISA 100.11a. Fonte:
[Silva 2013], p. 31
definida com a finalidade de otimizar a coexistncia com redes IEEE 802.11. Por outro lado, no modo de saltos de frequncias lento, os dispositivos modificam o canal de
comunicao apenas em intervalos especficos (100ms a 400ms). A desvantagem desse
modo est relacionada com o aumento no consumo de energia. Por fim, um modo de
saltos de frequncia hbrido utilizando ambas caractersticas dos modos anteriores pode
ser utilizado para otimizar o envio de alarmes e retransmisses [Silva 2013].
Os canais que iro para a lista negra so definidos com base em dados estatsticos
enviados pelos dispositivos a um gerenciador de rede, que tem o poder de interditar o
uso de um determinado canal de frequncia. Assim, o canal fica indisponvel para aquele
determinado dispositivo enviar dados. Um diferencial do protocolo ISA 100.11a o uso
12
do mecanismo adaptive hopping, tcnica semelhante ao channel blacklisting que difere

na deciso do envio do canal para a lista negra. Nessa tcnica a deciso da incluso na
lista negra feita pelo prprio dispositivo, atravs de dados estatsticos de parmetros de
comunicao sem fio coletados pelo mesmo.
Confiabilidade e tolerncia a falha
Alm de definir tcnicas como o uso do TDMA em conjunto com salto de canais de
frequncia e lista de negra de canais, os protocolos definem topologias que permitem o
uso de rotas redundantes e o mecanismo de uso dessas rotas definido pelo algoritmo de
roteamento.
A especificao do WirelessHART define quatro tipos de roteamento: roteamento na
origem, roteamento em grafo, roteamento baseado no superframe e roteamento de proxy.
Todos esses tipos de roteamento utilizam como base as informaes coletadas pelos dispositivos e enviadas para o gerente da rede, o qual responsvel por definir o roteamento
[Silva 2013]. J no protocolo ISA 100.11a a rede organizada (camada de enlace) em
sub-redes. Cada sub-rede formada por um dispositivo roteador backbone, consequentemente existe roteamento tanto a nvel de backbone como a nvel de dispositivos de campo
(nvel de rede) [Costa & Amaral 2012]. No roteamento a nvel de rede em malha, equivalente ao WirelessHART, o ISA 100.11a define o roteamento em grafo e na origem.
Um mecanismo interessante que foi adicionado ao ISA 100.11a o endereamento
6loWPAN, que especifica a transmisso de pacotes Ipv6. Esse mecanismo pode ser utilizado na comunicao entre dispositivos roteadores backbones, podendo assim construir
redes bastante escalveis e com grande nmero de dispositivos interconectados.
Ao energizar uma rede, todos os dispositivos de campo, seja dispositivo final ou dispositivo roteador, procuram seus vizinhos para definir ligaes(links) com eles. Esses
links podem ser ativados ou no, dependendo da forma com que as rotas primrias e redundantes foram definidas. A definio das rotas primrias e redundantes realizada pelo
algoritmo de roteamento, que especfico de cada desenvolvedor, isto , o algoritmo de
roteamento deixado em aberto nas especificaes em ambos os protocolos. Com isso,
cada empresa desenvolvedora de equipamentos dessas redes tem o papel de desenvolver
o melhor algoritmo possvel para ganhar o mercado.
13
Segurana
Em relao segurana, o protocolo WirelessHART permite a combinao de criptografia AES (Advanced Encryption Standard) de 128 bits e o MIC (Message Integrity
Code) para garantir a segurana ponto-a-ponto da informao. J para garantir integridade na comunicao fim-a-fim, da origem at o destino, e a autenticao so utilizados
quatro tipos de chaves: chave pblica, usada quando a chave de rede no relevante,
chave de rede, compartilhada por todos os dispositivos existentes na rede para usar na
gerao MAC MICs, chave de join, para um novo dispositivo se juntar rede, e chave de
sesso, para confidencialidade e integridade de dados na comunicao fim-a-fim [Chen
et al. 2010].
O ISA 100.11a, alm de utilizar a tcnica de criptografia AES-128 nas mensagens,
equivalente ao WirelessHART, possui algumas caractersticas especiais para aumentar
a segurana no trfego da informao. Uma delas o time stamp, ou seja, um tempo
mximo para realizar a transmisso. Caso a informao no seja transmitida dentro desse
tempo, pr-configurado pelo usurio, essa comunicao vista como um possvel ataque
rede a informao descartada [Lugli 2014].
Com relao as desvantagens, verifica-se que nenhum dos protocolos fornece solues
para evitar a gerao de colises por uma fonte mal intencionada ou contra inmeros
pedidos de conexo [Lugli 2014].
Coexistncia
Existem vrios trabalhos sendo desenvolvidos para verificar a coexistncia entre sistemas de comunicao sem fio que utilizam o mesmo meio de comunicao.
Em [Yang et al. 2010] foram realizados estudos das solues atuais para evitar problemas de coexistncia e dos modelos de anlise desse fator. Nesse trabalho, concluiu-se
que a essncia do problema da coexistncia est na coliso de uso do espectro e a principal forma de evitar utilizando tcnicas de diversidade na frequncia, no tempo e no
espao. Muitas das solues atuais j apresentam essas tcnicas, porm a combinao
dessas tcnicas de diversidade na frequncia, como salto de canais, e no tempo, como
TDMA, no especificada de forma clara nos protocolos. Para um melhor desempenho
dessas tcnicas devem ser definidos, tambm, algoritmos eficientes na escolha dos canais
de comunicao, na definio dos slots, entre outros parmetros definidos pelas tcnicas.
Existem outras concluses apresentadas em [Yang et al. 2010] que no sero descritas
14
aqui.
Em [Rezha & Shin 2014] realizado uma avaliao do desempenho de uma rede ISA
100.11a sob interferncia de uma rede sem fio IEEE 802.11b. A avaliao baseada na
taxa de erro (PER), utilizando a probabilidade de perda de pacotes, o tempo de coliso, e
no tempo de atraso fim-a-fim. Resultados de simulaes indicaram que o protocolo ISA
100.11a, mesmo exposto a interferncia do IEEE 802.11b, alcana uma PER aceitvel e
um atraso satisfatrio para aplicaes de monitoramento e controle de processos.
Interoperabilidade
Conforme j mencionado, espera-se que dispositivos de um mesmo protocolo e de
diferentes desenvolvedores consigam se comunicar entre si, assim garantindo a caracterstica de interoperabilidade. Alguns trabalhos mantm esforos na avaliao desse fator,
como em [Lopes et al. 2015].
De acordo com [Lopes et al. 2015], foram realizados testes de interoperabilidade
com equipamentos dos protocolos WirelessHART e ISA 100.11a. Nesses testes, foram
adotados dispositivos de trs fabricantes diferentes para o WirelessHART e dois para o
ISA 100.11a, e realizadas algumas misturas com gerenciadores de rede e dispositivos
de campo de diferentes fabricantes e de mesmo protocolo, obtendo sucesso em todos os
testes. Com isso, o artigo mostrou que a indstria pode escolher os equipamentos que
melhor atenderem as suas especificaes, pois o quesito de interoperabilidade est sendo
atendido.
Alm desses fatores requisitados pela indstria, necessrio conhecer um pouco sobre
as formas de comunicao com os outros setores do sistema de automao, especificaes
definidas na camada de aplicao dos protocolos. No ISA 100.11a, a camada de aplicao orientada a objetos. Neste paradigma, um dispositivo real, por exemplo uma entrada
analgica, modelado em um objeto de software, que contm o valor e o status da varivel. J no WirelessHART, a publicao de dados de processo e set-points realizada
periodicamente na rede quando tem uma mudana significativa dos valores. A camada
de aplicao baseada em comandos HART, assim como no padro HART6. Porm, a
diferena entre as verses dos padres 6 e 7 est na incluso de comandos especficos
para comunicaes wireless.
E, por fim, quanto eficincia energtica, os protocolos WirelessHART e ISA 100.11a
utilizam o padro IEEE 802.15.4 na camada fsica. O padro utilizado em conjunto com
a tcnica TDMA, definida na camada de enlace, com o intuito de reduzir o consumo de
15
energia. Alm disso, existem vrios profissionais preocupados na avaliao desse parmetro para garantir um desempenho adequado da tecnologia. de fato preocupante, pois
o alto consumo de energia dos dispositivos causa a falta de controle na vida til da rede.
2.3
Eficincia energtica
A eficincia energtica o requisito que garante o baixo consumo de energia dos

dispositivos da rede, aspecto essencial de protocolos baseados no padro IEEE 802.15.4.
Nesse sentido, existe a necessidade de desenvolver tecnologias de redes de sensores sem
fio que necessitem o mnimo de energia para o seu funcionamento, com isso aumentando
a vida til da rede e, consequentemente, protelando a manuteno do sistema.
Com a necessidade de prolongar a vida til da rede, consequentemente a partir do
prolongamento da vida til dos dispositivos que fazem parte dela, deve ser considerado
a minimizao do consumo de recursos, com o intuito de reduzir o consumo de energia,
nas etapas de projeto e implementao dessas redes.
Um sensor de uma rede de sensores sem fio um pequeno dispositivo que inclui
trs componentes bsicos: um subsistema de sensoriamento para aquisio de dados do
ambiente, um subsistema de processamento para processar o dado e armazen-lo, e um
subsistema de comunicao sem fio para transmitir o dado [Baidya & Baidya 2015]. Cada
subsistema desses tem tarefas que consomem uma determinada quantidade de energia,
como a inicializao da antena no subsistema de comunicao sem fio e a leitura do sensor
no subsistema de sensoriamento. Porm, a maior parte da energia consumida em redes
de sensores sem fio devido s atividades de sensoriamento e comunicao [Collotta
et al. 2014]. Com isso, o projeto dessas redes deve ponderar o uso de recursos com a
energia consumida em todos esses sistemas.
Existem vrias estratgias de diminuir o consumo de energia, sejam por tcnicas de
conservao de energia, tcnicas de compresso de pacotes ou tcnicas de roteamento.
Muitas dessas estratgias esto sendo desenvolvidas baseando-se no melhoramento de
mecanismos de roteamento com o intuito de reduzir o consumo de energia pelas rotas.
Alm disso, grande parte dessas estratgias utiliza o conceito de roteamento por cluters,
que divide a rede em agrupamentos e escolhe um n por agrupamento (n cabea) para
transmitir os pacotes para outros agrupamentos ou para a estao base. Nessa perspectiva,
foram desenvolvidos vrios protocolos de roteamento por agrupamento (clustering), como
LEACH (Low-Energy Adaptive Clustering Hierarchy), EEUC (Energy Efficient Unequal
16
Clustering) [Goyal n.d.], PEGASIS (Power-Efficient GAthering in Sensor Information

Systems) e HEED (A Hybrid, Energy-Efficient, Distributed Clustering Approach for Ad
Hoc Sensor Networks) [Beitollahzadeh et al. 2013].
Em [Arumugam & Ponnuchamy 2015] foi desenvolvido um protocolo que utiliza
o LEACH como referncia. O protocolo LEACH prope que cada n do agrupamento
possa escolher qual ser o n cabea do cluster, ou melhor, qual o n que enviar o
seu dado at a estao base. Entretanto, no protocolo desenvolvido por [Arumugam &
Ponnuchamy 2015] realizada uma agregao dos dados da rede para calcular um fator
de energia residual de cada n sensor, fator que ir definir qual ser o n cabea do cluster,
ou seja, qual n ir transmitir as informaes.
Mesmo que o consumo de energia seja um dos fatores mais crticos da rede, os protocolos de roteamento devem considerar todos os fatores cruciais, como consumo de energia
e confiabilidade, na etapa de projeto da rede. Em [Kiani et al. 2015] desenvolvido um
protocolo de eficincia energtica que reduz a sobrecarga do sistema e aumenta a confiabilidade. Esse protocolo utiliza o mecanismo de roteamento por clustering utilizando
mquinas de aprendizagem por reforo para selecionar o melhor n cabea de cada agrupamento. A rede baseada em aprendizagem por reforo com mltiplos agentes. Cada
n sensor da rede ser um agente, cada agente pode ganhar ou perde uma recompensa,
dependendo se a transferncia de um pacote foi confivel e energeticamente eficiente, e o
valor total de recompensa ser o fator usado na seleo do n cabea.
Trabalhos que desenvolvem algoritmos de roteamento no so os nicos que garantem
a eficincia energtica. Em [Collotta et al. 2014], foi desenvolvido um sistema de gesto
de recursos energtico a fim de reduzir o consumo mdio de energia de cada n sensor.
O sistema foi baseado em lgica fuzzy, mecanismo esse que incorpora a experincia, a
intuio e o conhecimento do especialista no sistema. O modelo desenvolvido avalia a
variao de temperatura detectada pelo sensor e, com base no mecanismo de inferncia,
modifica a taxa de amostragem com o objetivo de reduzir o consumo de energia do sensor.
Em [Beitollahzadeh et al. 2013] proposto uma reduo no consumo de energia
utilizando algoritmos de roteamento por clustering e tcnicas inteligentes, como lgica
fuzzy e redes neurais. O algoritmo escolhe o melhor n sensor a partir de inferncias
fuzzy que tem como dados de entrada a energia consumida e parmetros de localizao
do n (distncia, centralizao e disperso).
Alm dos trabalhos resultantes de pesquisas, existem tambm consideraes da utilizao de recursos com reduo de consumo descritas nas prprias normas dos protocolos
17
de comunicao. A prpria definio do elemento Gateway nas tecnologias de redes de

sensores sem fio j tem o propsito de garantir um baixo consumo de energia da rede. De
acordo com [Standard 2012],
Legacy protocols were not designed to operate over wireless networks. They
do not access information in a manner that conserves energy, and they often are intolerant of delayed access to quiescent devices that are conserving
energy. The gateway support functionality of this standard is, in large part,
intended to enable the construction of gateways that adapt legacy protocols
to the requirements of low-energy-consumption wireless devices.1
Nesse sentido o elemento Gateway realiza a adequao dos pacotes recebidos por
outras redes, como redes de computadores do padro Ethernet cabeado, para trafegar a
informao pelas redes de sensores com baixo consumo.
No mesmo protocolo, definido pela norma [Standard 2012], foi definido a utilizao da tcnica de tunelamento nas redes de sensores sem fio industriais, a qual permite o
transporte de um pacote de dados de um protocolo de comunicao atravs de uma rede
baseada em outro protocolo. No entanto, o tunelamento no um mecanismo adequado
para aplicaes que requerem um baixo consumo de energia, pois os tamanhos dos pacotes de protocolos que no so definidos para comunicao de baixo consumo so, na
maioria dos casos, grandes. Esse fator pode causar a sobrecarga do pacote, com isso influenciando na energia consumida pelo sensor. Contudo, a norma definiu um mecanismo
que implementa o tunelamento com a incluso de tcnicas que minimizam a sobrecarga
de pacotes, por consequncia aumentando a eficincia energtica, chamado de Foreign
protocol application communication (FPAC).
Apesar da definio de mecanismos utilizados para a implementao de protocolos
com baixo consumo de energia, existem tambm as definies das formas de fonte de
energia que os sensores podem ser alimentados. De acordo com as normas [Standard
2012] e [Standard 2010], os dispositivos de campo podem ser alimentados por rede de
distribuio de energia (incomum), bateria limitada, bateria recarregvel, dispositivos de
captao de energia do ambiente, como solar e elica, ou a combinao dessas fontes
citados.
1 Protocolos
legados no foram projetados para operar sobre redes sem fio. Eles no acessam as informaes de maneira que conserve energia, e eles, geralmente, so intolerantes com atrasos de acesso para
dispositivos em repouso, que esto conservando energia. As funcionalidades de suporte do gateway desta
norma so, em grande parte, destinadas a permitir a construo de gateways que se adaptam a protocolos
legados para os requisitos de dispositivos sem fio de baixo consumo de energia.
18
Baseados nessas vrias formas de fonte de energia alguns pesquisadores esto avaliando o uso de energias proveniente do ambiente. Em [Semente et al. 2013] foi desenvolvido e avaliado um circuito carregador de bateria para ns sensores usando painis
solares.
Observa-se que a maioria das pesquisas desenvolvidas ou em desenvolvimento, as
quais tm como principal objetivo a reduo do consumo de energia, esto focadas na
etapa de projeto do sistema. Porm, o conhecimento do consumo de energia da rede um
parmetro essencial nas etapas de implantao e manuteno preventiva do sistema, as
quais, na maioria das vezes, so executadas pelo usurio da tecnologia. A falta de previso
do perodo que a rede estar funcionando corretamente, desde a partida da rede at o
esgotamento das fontes de energia dos dispositivos, pode tornar a tecnologia inadequada
para aplicaes industriais. Sendo assim, de extrema importncia que o usurio tenha
sabedoria da vida til da rede, ou melhor, do tempo restante que todos os elementos da
rede estaro funcionando corretamente.
As normas referentes aos protocolos WirelessHART e ISA 100.11a define regras para
oferecer informaes ao usurio sobre o tempo de vida til dos dispositivos, possibilitando
o conhecimento da vida til da rede. De acordo com a norma [Standard 2012],
The energy source status of devices is critical to proper system management. All devices shall provide energy supply information to the system
manager [...]2
EnergyLife indicates the devices energy life by design. A positive value
provides energy life in days; a negative value provides energy life magnitude
in hours. A value of 0xFFFF indicates a continuous power source and no
constraining device energy limitations [...]3
Observa-se que a norma [Standard 2012] obriga que o desenvolver informe ao usurio o parmetro de vida til do dispositivo. Da mesma forma, a norma [WirelssHART]
tambm define que o parmetro de vida til, chamado de "BatteryLife", o qual deve ser
informado em unidade de dias.
Por fim, necessrio entender um pouco mais sobre o termo de vida til da rede ou
dos dispositivos e conhecer algumas formas de se obter tal parmetro.
2O
estado da fonte de energia dos dispositivos fundamental para a gesto do sistema. Todos os dispositivos devem fornecer informao da fonte de energia para o gerenciador do sistema [...]
3 O parmetro EnergyLife indica a vida til do dispositivo. Um valor positivo fornece a vida til em dias;
um valor negativo fornece a vida til em horas. Um valor de OxFFFF indica uma fonte de energia contnua
e sem limitao de fonte de energia [...]
19
Tempo de vida til da bateria

O tempo de vida til da bateria, do dispositivo ou da rede o principal parmetro para
indicar aos consumidores das redes de sensores sem fio quando ser necessrio realizar
uma manuteno no sistema para troca ou recarga das baterias dos sensores de campo.
Garantindo, assim, a manuteno preventiva e evitando uma falha da rede devido falta
de alimentao. Porm, essa garantia s ser possvel se a estimao desse parmetro for
realizada adequadamente.
J existem alguns estimadores de vida til da bateria ou do dispositivo aplicados s
tecnologias de redes de sensores sem fio. A empresa "Silicon Labs", que desenvolve produtos na rea de redes de sensores sem fio, internet das coisas, entre outras, disponibiliza
em seu website um estimador de tempo de vida de bateria como pode ser visto na figura
2.4.
Figura 2.4: Estimador de vida til de bateria - SiliconLabs. Fonte: Website da SiliconLabs.
A empresa Emerson Process Management, que desenvolve produtos industriais utilizando o protocolo WirelessHART, tambm oferece em seu website um estimador online
("Power Module Life Estimator") especfico para os dispositivos de tecnologia WirelessHART que utilizam o mdulo de bateria da empresa. A figura 2.5 apresenta a tela do
estimador online.
Observa-se que no estimador online mostrado na figura 2.5 possvel alterar o tipo
do dispositivo, como transmissor de temperatura ou de presso, a taxa de atualizao,
20
Figura 2.5: Power Module Life Estimator - Emerson. Fonte: Website Emerson Process
Management.
podendo variar de 1 segundo at 120 minutos dependendo do dispositivo, a condio de
operao e a temperatura mdia do ambiente o qual o dispositivo estar exposto.
Alm disso, algumas empresas tambm disponibilizam em tabelas a estimao do
tempo de vida til dos dispositivos. Na tabela 2.1 apresentada uma estimao da vida
til da bateria para o transmissor XYR 6000 da empresa "Honeywell Process Solutions",
a qual desenvolve produtos industriais baseados no protocolo ISA 100.11a.
Udpate Rate (sec.)
60
30
10
5
1
Battery Life Estimate (yrs.)

10.0
7.8
6.0
5.1
3.3
Tabela 2.1: Tabela de estimao da vida da bateria da Honeywell.

HONEYWELL-alive-on-batteries
Fonte: 2014-
21
A empresa "Emerson Process"tambm disponibiliza uma tabela com as estimaes em

dias para todos os seus produtos. Na tabela 2.2 mostrada uma tabela com as estimativas
de alguns produtos da empresa.
Update
3051S
648
848
248
702
4 sec
2.2
2.8
0.7
2.8
4.1
Power module life estimates in years

16 sec 60 sec 300 sec 20 min
5.8
10.0
10.0
10.0
6.9
10.0
10.0
10.0
2.4
6.3
10.0
10.0
6.9
10.0
10.0
10.0
8.8
10.0
10.0
10.0
40 min
10.0
10.0
10.0
10.0
10.0
60 min
10.0
10.0
10.0
10.0
10.0
Tabela 2.2: Tabela de estimao da vida da bateria da Emerson. Fonte: 2014-EMERSONSmartPower

Esses estimadores online e dados contidos em tabelas dos fabricantes so realmente
importantes, porm, como apresentado na subseo "Consumo de Energia", a obrigao
do desenvolver informar ao usurio esse valor como um parmetro de diagnstico do n
sensor da rede, independente da forma de estimar o dado.
Esse parmetro de vida til pode ser definido atravs de dois fatores: o estado de carga
da bateria ("SoC", state of charge) e a corrente consumida pelo sensor. O primeiro fator
influenciado por vrios outros fatores como temperatura, tipo construtivo e nmero de
ciclos de carga e descarga da bateria. J o segundo, a corrente consumida, depende apenas
do valor da carga a qual a bateria aplicada, podendo ser uma carga com valor esttico ou
dinmico. Por exemplo, a vida til de uma bateria com estado de carga, ou capacidade,
igual a 1500 mAh quando aplicada a um dispositivo tem um consumo de 15 mA pode ser
estimado conforme mostrado na equao 2.1.
Vida til estimada da bateria =
1500mAh
= 100horas.
15mA
(2.1)
De acordo com [Rukpakavong et al. 2014], o desafio encontrar uma tcnica precisa
de estimao do tempo de vida til que considere temperatura, auto descarga, bem como
outros fatores que influenciam na vida til do sensor. Nesse contexto, [Rukpakavong
et al. 2014] prope frmulas e processos para estimar o tempo de vida do sensor dinmico considerando, alm dos fatores j citados, o tipo construtivo e a taxa de descarga da
bateria. Com essa proposta pode-se conseguir uma estimao com uma pequena faixa de
preciso.
Porm, no modelo proposto por [Rukpakavong et al. 2014] no foram considerados os
22
detalhes eletroqumicos da bateria, os quais descrevem os processos eletroqumicos que

ocorrem na carga e descarga, incorporando caractersticas no lineares da bateria. Esses
processos so definidos quando a estimao segue modelos matemticos j definidos na
literatura.
A predio do tempo de vida da bateria pode ser realizada a partir de experimentos
fsicos ou atravs de modelos matemticos que descrevem a descarga de energia do sensor. Esses modelos foram desenvolvidos ao longo dos anos por diversos pesquisadores,
os quais desenvolveram diversos tipos de modelos. Desde os modelos que consideram
apenas as correntes de descargas constante no tempo (modelos lineares), modelos que
consideram a mdia das correntes (lei de Peukert), at modelos eletroqumicos, que consideram as caractersticas no lineares do sistema [Schneider 2011].
De acordo com [Oliveira 2012], a bateria s capaz de fornecer energia ao sistema
enquanto o valor da carga superior ao nvel de cutoff, que valor limite inferir de
carga em que a bateria consegue fornecer uma tenso suficiente para o sensor manter-se
operacional. Com isso, o tempo de vida til da bateria tambm pode ser definido como o
tempo que a bateria demora a atingir o nvel de cutoff.
Contudo, modelos matemticos que envolvem descrio detalhadas no processo de
descarga da bateria muitas vezes no so possveis de serem implementados em sensores
devido ao seu custo computacional, pois as redes de sensores sem fio so caracterizadas
pelo baixo consumo de energia e baixo custo no armazenamento de informaes. Logo,
necessria a inferncia do parmetro de vida til da bateria atravs de modelos com baixo
custo computacional.
Nesse seguimento, [Lajara et al. 2015] props alguns modelos que estimam o estado
da carga (SoC) de uma bateria atravs da coleta de alguns dados do sensor, como tenso,
temperatura e nmero de ciclos de carga e descarga da bateria. Foi utilizado um hardware aberto composto por um microcontrolador MSP430F1611, um transceptor wireless
CC2420 e outras interfaces. Com isso, foram realizadas estimaes com diferentes tcnicas inteligentes, como regresso linear simples e regresso linear segmentada usando
somente o nvel de tenso, regresso linear usando potncia, nmero de ciclos e temperatura, regresso linear usando 5 principais parmetros de um grupo de 20 a partir do uso
de anlise de componentes principais (PCA) e, por fim, o uso de redes neurais variando a
quantidade de neurnios em 2 e 4. A pesquisa desenvolvida em [Lajara et al. 2015] concluiu que modelos mais complexos, como modelos baseados em redes neurais, so mais
precisos e apresentam uma boa exatido, mesmo em casos de diferentes temperaturas e
ciclos de carga e descarga.
23
Nesse sentido, o presente trabalho incluiu as redes neurais artificiais como a tcnica
inteligente utilizada para inferir parmetros necessrios para avaliao de uma rede de
sensores sem fio, considerando protocolos que se aplicam ao ambiente industrial. Alm
das redes neurais, foram includos outros elementos matemticos para avaliao dos parmetros das redes industriais. Portanto, torna-se necessrio uma breve conceituao dos
elementos matemticos utilizados na ferramenta.
Captulo 3
Elementos matemticos para avaliao
e inferncia
Neste captulo sero apresentados os elementos matemticos utilizados para avaliao

e inferncia na ferramenta. Esses elementos consistem de ferramentas estatsticas, atravs
de medidas de localizao e disperso, e de tcnicas inteligentes para extrair e modelar as
principais caractersticas do conjunto de dados recebido das redes.
3.1
Estatstica descritiva
A estatstica descritiva tem como objetivo resumir as principais caractersticas de um

conjunto de dados por meio de tabelas, grficos e resumos numricos. Sendo extremamente importante saber escolher a forma adequada de resumir os dados [Guimares
2008]. O recolhimento dos dados uma tarefa necessria para o entendimento de um
sistema, porm no suficiente. Para que um sistema possa ser entendido por uma mquina ou um ser humano, essencial o desenvolvimento de um modelo matemtico que
represente o sistema de forma clara e objetiva.
Alm disso, mesmo que seja possvel apresentar todos os dados de uma forma clara e
objetiva, talvez ainda no seja suficiente para o entendimento daquele conjunto de informaes. necessrio uma anlise dos dados que evidencie as principais caractersticas
daquele conjunto de dados, como tambm os dados espordicos. A estatstica descritiva
reponsvel por essa tarefa de evidenciar as principais caractersticas, como tambm de
formular um modelo atravs de mtricas estatsticas, que traduzam o comportamento dos
dados coletados. Alguns mtricas, como mdia aritmtica, mediana, varincia e desvio
padro, j so bastante conhecidas.
CAPTULO 3. ELEMENTOS MATEMTICOS PARA AVALIAO E INFERNCIA25

Mdia aritmtica
A mdia aritmtica a soma de todos os valores do conjunto dividido pelo tamanho
do conjunto. Essa mdia a mtrica mais comum de utilizar em medidas de tendncia
central, representando o ponto em que os dados se dispersam ao redor. Considerando [x1,
x2, ... ,xn] um conjunto de dados de tamanho "n". A mdia aritmtica dada pela equao
3.1.
n
xi
media =
i=1
(3.1)
Mediana
A mediana o dado que ocupa a posio central dentre todos os dados contidos no
conjunto. Por exemplo, seja [3, 5, 14, 38, 39, 40, 41] o conjunto de dados, a mediana
desse conjunto o valor 38. J se o conjunto de dados for [3, 5, 14, 38, 39, 40, 41, 42],
o valor da mediana 38+39
= 38.5. Atravs do valor da mediana possvel dividir o
2
conjunto de dados em dois grupos de dados de mesmo tamanho: o conjunto de dados que
tem valores menores que o valor da mediana e o conjunto que tem valores maiores que
mediana.
Varincia e desvio padro
A varincia e o desvio padro so mtricas estatstica que auxiliam as medidas de
localizao, como mdia e mediana, na descrio do conjunto de dados. Essas mtricas
fazem parte do conjunto de medidas chamado de medidas de disperso, que indicam se
os dados esto, ou no, pertos uns dos outros. A varincia definida pela diviso do
somatrio dos quadrados dos desvios das amostras com relao mdia aritmtica pelo
tamanho do conjunto de amostras menos um, conforme mostra a equao 3.2.
n
(xi media)2
variancia =
i=1
n1
(3.2)
Porm, como a varincia consiste de uma mdia os quadrados dos desvios, ficando
a unidade de desvio elevada ao quadrado, a utilizao dessa medida pode causar erros
de interpretao. Nesse caso, tornou-se necessrio definir uma medida de disperso que

interpretasse o quo dispersos esto os dados, gerando a medida de desvio padro, que
pode ser calculado de acordo com a equao 3.3.
desvio padro =
variancia
(3.3)
Os resultados apresentados pelas medidas de localizao e disperso, como mdia

aritmtica e desvio padro, j oferecem uma boa representao do conjunto de dados. No
entanto, existem parmetros que so coletados por um longo perodo de tempo, gerando
assim uma grande quantidade de amostras, que podem apresentar uma grande variabilidade. Nesse sentido, existem ferramentas estatsticas destinadas a analisar conjunto de
dados com ampla variabilidade, como o diagrama de caixa ou box plot.
Anlise exploratria: diagrama de caixa
Um diagrama de caixa, ou box plot, uma anlise estatstica que avalia a distribuio
dos dados, permitindo avaliar caractersticas como tendncia central, disperso e assimetria. A anlise de um conjunto de dados atravs da mdia aritmtica, da mediana ou do
desvio padro no consegue visualizar todas as caractersticas da estrutura dos dados. As
medidas de tendncia central, as vezes, podem causar uma interpretao errada dos dados
devido a existncia de um nico valor discrepante dentro de um conjunto estreito. Para
solucionar alguns problemas de interpretao a anlise por diagrama de caixa utiliza as
seguintes medidas:
Mediana
Mnimo (menor valor do conjunto)
Mximo (maior valor do conjunto)
Primeiro quartil (Q1)
Terceiro quartil (Q3)
O valor da mediana, definido anteriormente, divide o conjunto de dados em dois grupos de mesmo tamanho. Um desses grupos composto pelos dados com valores menores
que o valor da mediana e o outro conjunto com os valores maiores. Porm, somente com
a mediana no possvel observar se existe uma simetria entre os dados. Nesse sentido, o
diagrama de caixa utiliza medidas separatrizes: primeiro e terceiro quartil. Essas medidas
no so de tendncia central, mas, equivalente a mediana, permitem dividir o conjunto de
dados em dois grupos.

Os quartis so valores que dividem um grupo em quatro partes. Existem trs valores
de quartis: o primeiro quartil, o segundo quartil e o terceiro quartil. O primeiro quartil
(Q1) divide o conjunto nos seguintes grupos de dados: o grupo que apresenta 25% dos
dados que tem o valor menor que o valor Q1 e o outro grupo composto pelo restante dos
dados. J o terceiro quartil (Q1) divide o conjunto nos dados que apresenta 75% dos
valores menores que Q3. Por fim, o valor do segundo quartil o mesmo valor que a
mediana.
A figura 3.1 mostra a representao grfica do diagrama de caixa.
Figura 3.1: Representao grfica do diagrama de caixa.

Em resumo, observa-se na figura 3.1 que 50% dos dados esto contidos na caixa e as
linhas fora da caixa indicam os limites inferior e superior do conjunto. Assim, nota-se o
quanto disperso esto os dados, quanto mais estreito o diagrama menor a disperso dos
dados. E com a linha dentro da caixa, que representa a mediana, possvel perceber se
os dados so, ou no, simtricos. Se a linha dentro da caixa equidistante dos limites, os
dados so simtricos.
3.2
Redes neurais artificiais
Uma rede neural artificial (RNA) um sistema que interliga vrias unidades de processamento de forma paralela com o objetivo de armazenar informaes e disponibilizar para
uso. O termo neural vem da forma com que essas redes foram idealizadas: baseando-se
no crebro humano.
O crebro humano uma rede de neurnios ou clulas nervosas capazes de receber sinais de outros neurnios vizinhos, integrar os sinais vindos de vrios outros neurnios de
forma a tirar uma concluso, gerar e conduzir um sinal eltrico dentro do mesmo e transmitir um sinal a um outro neurnio capaz de receb-lo [de Campos & Saito 2004]. A

partir do conhecimento das caractersticas dos neurnios, foram desenvolvidos modelos
computacionais dos mesmos, chamados de neurnios artificiais ou unidades de processamento. A juno desses neurnios artificiais deu origem a ideia de uma rede neural
artificial.
As redes neurais artificiais, conhecidas tambm como processadores maciamente paralelamente distribudos, se assemelham ao crebro pela capacidade de adquirir o conhecimento atravs de um processo de aprendizagem e de armazenamento do conhecimento
atravs de foras de conexo entre neurnios, tambm chamadas de pesos sinpticos
[Haykin 2001]. A juno desses pesos conectada a uma funo de ativao, que gera um
sinal para ser transmitido aos prximos neurnios. Na figura 3.2 mostrado um esboo
de uma RNA formada por alguns neurnios artificiais.
Figura 3.2: Neurnios interligados formando uma rede neural

O aprendizado de uma rede neural definido pelo processo de aprendizagem, a qual
a rede est associada. Esses processos so algoritmos capazes de modificar os pesos
sinpticos da rede alcanando o objetivo de armazenar a informao desejada. A unio
desses pesos, junto a organizao dos neurnios e s funes de ativao, define um
mapeamento das entradas e sadas da rede, o qual pode representar tanto uma relao
linear quanto uma relao no-linear.
Os principais estmulos para o uso dessas redes so a capacidade de aprender a partir
de exemplos e a generalizao das informaes aprendidas. Essa generalizao est relacionada com a capacidade de aprender a partir de um conjunto reduzido de exemplos,
a qual torna-se uma caracterstica essencial em aplicaes que no possvel a coleta de
todo o conjunto de situaes do problema.
Alm de generalizar as informaes, as RNAs tm capacidades que as tornam poderosas no ramo das tcnicas inteligentes, as quais esto listadas abaixo.

No-linearidade: Uma RNA pode ser no-linear desde que exista algum neurnio
modelado de forma no-linear. +
Mapeamento de entrada-sada: O mapeamento de entrada e sada permite que a
rede funcione como um gerador de funo genrica. Tal funo que determinada
pelos pesos sinpticos da rede, os quais so ajustados aps o treinamento na rede.
Adaptabilidade: O aprendizado da rede pode ser alterado atravs de um novo
treinamento da rede, permitindo que a RNA seja adaptvel a qualquer nova situao
do problema, at mesmo em tempo real.
Informao contextual: O estado de um neurnio afetado pela ativao de outros
neurnios.
Tolerncia a falhas: Para que a resposta global da rede seja degradada seriamente
o dano deve ser extenso, isto , o dano deve ocorrer em quantidade razovel de
neurnios. Caso apenas um neurnio venha a falhar na rede, a tarefa principal
realizada normalmente, existindo perda apenas no desempenho.
Todas as capacidades citadas acima esto relacionadas com o neurnio, os pesos sinpticos, a funo de ativao ou o processo de aprendizagem, assim essencial ter uma
viso geral do que um neurnio artificial.
Modelo do neurnico artificial
Um neurnico artificial uma unidade de processamento inspirada no neurnio biolgico. Essa unidade calcula a cada instante o seu potencial de ativao e a sua sada a partir
dos pesos das conexes com seus neurnios vizinhos (pesos sinpticos) e da funo de
ativao definida. A figura 3.3 mostra o modelo de um neurnio artificial proposto pelos
pesquisadores McCulloch e Pitts.
O potencial de ativao (u) de um neurnio definido pelo somatrio de todos os
pesos multiplicados pelas entradas, enquanto que a sada (y) a reposta do potencial de
ativao aplicado a funo de ativao. Essas relaes esto descritas na prpria figura.
As funes de ativao so meramente funes matemticas, geralmente com valores
de sadas nas faixas de 0 a +1 e -1 a +1. Na literatura existem vrias funes matemticas
que so utilizadas como funo de ativao nas RNAs, abaixo segue algumas delas.
Funo linear;
Funo limiar;
Funo sigmoide;
Figura 3.3: Modelo de neurnio artificial de McCulloch-Pitts
Funo seno;
Funo gaussiana;
Funo logartmica;
Funo tangente hiperblica.
As interligaes desses neurnios formam as RNA, porm a maneira que essas redes so estruturadas est intimamente ligada com o processo de aprendizagem usado para
treinar a rede. Dessa forma, torna-se essencial o conhecimento desses processos de aprendizagem.
Processos de aprendizagem
Um processo de aprendizagem caracterizado por adaptar os parmetros livres de uma
rede neural, nesse caso os pesos sinpticos, atravs de uma estimulao pelo ambiente no
qual a rede est inserida [Haykin 2001].
Existem vrios tipos de formas de aprendizagem que so classificados de acordo com
a maneira como a rede se relaciona com o ambiente, isto , a forma de ajuste dos pesos.
Esses processos so classificados em quatro grandes grupos: aprendizagem supervisionada, aprendizagem no supervisionada, aprendizagem semi supervisionada e aprendizagem por reforo. Entretanto, esse ltimo grupo geralmente no utilizado no mbito das
RNA.

Na aprendizagem supervisionada assume-se a presena de um professor que disponibiliza as repostas corretas. No treinamento dessas redes so informadas as entradas
e as sadas desejadas da rede, ou melhor, as respostas do professor. As alteraes dos
pesos so computadas de forma que a resposta da rede seja igual a resposta do professor.
Nessa forma de aprendizagem existe a presena do erro, um valor da diferena entre o
valor desejado (resultado do professor) e o valor da sada da rede. Esse valor repassado
para um algoritmo de treinamento que modifica os pesos da rede, conforme a estrutura
apresentada na figura a de 3.4. J na aprendizagem no supervisionada, no existe a figura do professor, consequentemente no existe o valor de erro. Os pesos so ajustados
apenas considerando as entradas da rede e o algoritmo de treinamento. A figura b de
3.4 apresenta uma estrutura bsica da aprendizagem no supervisionada. Na outra forma
de aprendizagem, a aprendizagem semi supervisionada, a rede aprende com um nmero
limitado de entradas com respostas e entradas sem respostas.
Figura 3.4: Tipos de aprendizagem: supervisionada (a) e no supervisionada (b)

Baseando-se no modelo de McCulloch e Pitts e na aprendizagem supervisionada o
pesquisador Rosenblatt props o primeiro modelo de uma rede neural simples para esse
tipo de aprendizagem, denominado de Perceptron [Haykin 2001].
Em todos os grupos de aprendizagem existe o bloco de algoritmo de treinamento, que
define uma regra de aprendizagem. Existem vrios tipos de regras que podem construir
esse bloco, como a regra de hebb, competitiva, de boltzmann e por correo de erro. Alm
das formas de aprendizagem a estruturao desses neurnios em uma rede neural tambm
define outros grupos de redes neurais, os quais diferem pelas suas arquiteturas.

Arquiteturas de RNAs
As redes neurais em geral organizam os neurnios em forma de camadas. Na forma
mais simples existe uma camada de entrada de ns fontes que se projeta em uma camada
de sada de neurnios (ns computacionais), como mostrado na figura 3.5 [Haykin 2001].
Figura 3.5: RNA simples de camada nica

Em outra forma, existem pelo menos mais uma camada alm das camadas de entrada
e de sada, chamada de camada oculta. As redes formadas pela camada de entrada, pela
camada de sada e por uma ou algumas camadas ocultas so denominadas de redes neurais de mltiplas camadas. O termo oculto indica que a sada do neurnio no ligada
diretamente a sada da rede neural, assim ficando invisvel para o usurio da rede. A figura
3.6 mostra um esboo de uma rede com camadas ocultas.
Figura 3.6: RNA simples de mltiplas camadas

A funo dos neurnios ocultos intervir entre a entrada externa e a sada da rede
de maneira til. Adicionando-se uma ou mais camadas ocultas, tornamos a rede capaz
de extrair estatsticas de ordem elevada, sendo uma caracterstica particularmente valiosa
quando o tamanho da camada de entrada grande [Haykin 2001].
Alm dessas arquiteturas existem outras arquiteturas de RNAs, por exemplo as redes
recorrentes que utilizam de mltiplas camadas atrelado ao conceito de realimentao, as
competitivas, entre outras.
As redes neurais baseadas na arquitetura de mltiplas camadas so geralmente chamadas de perceptrons de mltiplas camadas (MLP), devido a popularizao do modelo
do perceptron, citado anteriormente. Essas redes tiveram uma crescente popularizao
com o surgimento do algoritmo da retropropagao de erro (error backpropagation). Esse
algoritmo da retropropagao fundamentado na regra de aprendizagem por correo de
erro e bastante conhecido devido ao seu sucesso na resoluo de diversos problemas
difceis, por exemplo o problema do ou-exclusivo, aplicado juntamente com as MLPs.
3.2.1
Perceptron de mltiplas camadas (MLP)
Os percetrons de mltiplas camadas tm sido aplicados com sucesso para resolver diversos problemas difceis, atravs do seu treinamento de forma supervisionada com um
algoritmo muito conhecido como algoritmo de retropropagao de erro (backpropagation), o qual baseado na regra de aprendizagem por correo de erro [Haykin 2001].
O desenvolvimento do algoritmo de treinamento backpropagation mostrou que possvel treinar eficientemente redes com camadas intermedirias, resultando no modelo de
RNAs mais utilizado atualmente, as MLPs [Lopes 2009].
Basicamente, a aprendizagem por retropropagao de erro consiste em dois passos
atravs das diferentes camadas da rede: um passo para frente, a propagao, e um passo
para trs, a retropropagao. Durante o passo de propagao, os pesos sinpticos da rede
so todos fixos. Durante o passo para trs, os pesos sinpticos so todos ajustados de
acordo com uma regra de correo de erro.
O algoritmo de retropropagao derivado da regra delta, que funciona ajustando-se
o vetor de pesos de acordo com o gradiente do erro. O gradiente representado pela
derivada do erro pelos pesos no instante atual e o erro a subtrao da sada desejada
pela sada real. Na fase de retropropagao o sinal de erro segue um sentido contrrio da
informao, da camada de sada at a camada de entrada, ajustando os pesos de acordo

com uma parcela da sua contribuio no erro. Essa contribuio de cada peso sinptico no
erro est relacionada com o quanto cada peso deveria ser ajustado na fase de propagao.
As RNA tm uma metodologia de construo e execuo bem definida, a qual normalmente segue os passos abaixo.
1. Criao das camadas de neurnios: definio da quantidade de camadas ocultas e
de neurnios por cada camada, como tambm as funes de ativao dos neurnios
das camadas.
2. Criao das ligaes das camadas: definio das ligaes entre os neurnios das
camadas.
3. Definio de pesos sinpticos iniciais aleatrios.
4. Treinamento da RNA: processo em que informado o conjunto de amostras de
treinamento da rede para realizar o ajuste dos pesos.
5. Validao da RNA: processo em que so escolhidas algumas amostras do conjunto
de exemplos para validar o aprendizado da rede.
Uma desvantagem das redes neurais de mltiplas camadas adiante, por exemplo a
MLP, no considerarem o contexto de entrada e de sada do ambiente. Os valores de
um passado recente, os estados e as decises tomadas recentemente no so considerados
no processo de aprendizagem dessas redes neurais. Quando existe um problema que
necessita desse conhecimento passado, ou dessa memria, a soluo voltada as redes
neurais recorrentes, em especial as redes neurais recorrentes autorregressiva no linear
com entradas exgenas (NARX).
3.2.2
Redes neurais recorrentes autorregressiva no linear com entradas exgenas
As redes recorrentes autorregressiva no linear com entrada exgenas (NARX) diferem das redes alimentadas adiante pela existncia de fluxo de dados de forma retroalimentada, onde a sada de um neurnio pode servir de entrada para o mesmo ou para outro
neurnio qualquer da RNA. Essas redes apresentam recursos computacionais capazes de
representar sistemas dinmicos no lineares, como tambm a capacidade de implementar
alguns tipos de mquinas de estados finitos. Alm disso, estudo indicaram que essas redes
so to potentes quanto as mquinas de turing [Lin et al. 1998, Siegelmann et al. 1997].
Estudos demonstram que parte das dificuldades esto atribudas a dependncias de
longo prazo ou memria de longo prazo, isto , quando uma sada desejada no tempo T

depende de entradas presentes nos tempos t < T [Lin et al. 1998]. Esses problemas so
melhores solucionados pelas redes NARX, que alm de tudo convergem mais rpido e
generalizam melhor que outras redes recorrentes [Siegelmann et al. 1997].
Uma rede ARX consiste de uma rede neural MLP que realimenta o conjunto de entradas com valores passados da entrada e da sada, ou melhor, recebe valores anteriores
a entrada atual e a sada atual. Matematicamente, a operao da rede definida pela frmula abaixo:
y(t) = FY (x(t dx ), ..., x(t 1), x(t), y(t 1), ..., y(t dy ))
onde, x(t) representa a entrada da rede no tempo t, y(t) a sada da rede no tempo t,
dx o nmero de atrasos da entrada, dy o nmero de atrasos na sada e, por fim, a funo
FY, que mapeada pela MLP. A figura 3.7 mostra o exemplo de uma rede ARX com dois
atrasos na entrada e na sada.
Figura 3.7: Rede ARX com dois atrasos na entrada e na sada

Essa caracterstica de considerar valores atrasados da entrada e sada fundamenta a
melhor performance das redes neurais NARX nos problemas de dependncias de longo
prazo.
Captulo 4
Ferramenta para avaliao e inferncia
Conforme descrito no captulo 2, existem diversos requisitos que os protocolos de redes sem fio devem atender para serem aceitos na indstria. Os protocolos WirelessHART
e ISA 100.11a j descrevem em suas especificaes diversas tcnicas para a garantia da
maioria dos requisitos necessrios para implementao da tecnologia sem fio no ambiente
industrial. Porm, muitos dos parmetros que indicam a qualidade do funcionamento dessas redes no so visveis facilmente pelos usurios da tecnologia. E, em alguns casos,
no existem parmetros que qualifique o conjunto de dados informados pela rede.
Nesse sentido, a ferramenta desenvolvida nessa dissertao tem como objetivo apresentar de forma visual e intuitiva os dados disponveis pelos dispositivos em redes industriais sem fio baseadas nos protocolos WirelessHART e ISA 100.11a. A ferramenta,
nomeada por PW-DataAnalyzer, recebe os dados coletados da rede, tarefa realizada pelo
software PW-Logger, e gera grficos de avaliao da rede, de acordo com a escolha do
usurio da ferramenta.
A figura 4.1 apresenta o modelo de associao do PW-DataAnalyzer com o PWLogger para a gerao das avaliaes.
Figura 4.1: Modelo de associao do PW-DataAnalyzer com o PW-Logger
CAPTULO 4. FERRAMENTA PARA AVALIAO E INFERNCIA
4.1
37
Aquisio e registro dos dados: PW-Logger
O PW-Logger uma ferramenta de aquisio e registro de dados de redes baseadas

nos protocolos WirelessHART e ISA 100.11a. Sua principal funo realizar o interfaceamento do mdulo de registro dos dados com os drivers de comunicao que coletam
as informaes das redes [OLIVEIRA 2015] [TOM 2015]. Tais drivers, desenvolvidos em outros trabalhos, implementam os protocolos HART-IP (Highway Addressable
Remote Transducer over Internet Protocol) e GSAP (Gateway Service Access Point), os
quais so, respectivamente, protocolos padres das especificaes WirelessHART e ISA
100.11a.
4.1.1
Drivers de comunicao
Os drivers de comunicao utilizados no PW-Logger podem se comunicar com redes

WirelessHART e ISA 100.11a, desde que as portas dos protocolos estejam abertas para
troca de informaes. Para as redes do protocolo WirelessHART utilizado o driver que
implementa o protocolo HART-IP, que realiza o empacotamento de um pacote HART em
um pacote IP. J para as redes do protocolo ISA 100.11a utilizado o driver que implementa o protocolo GSAP, que representado pelo armazenamento de informaes da rede
em objetos e definido na especificao do ISA 100.11a com o objetivo de estabelecer
uma interface entre o gateway e o cliente.
O protocolo HART-IP uma opo de interface de comunicao com dispositivos
HART para enviar pacotes encapsulados na comunicao TCP(Transmission Control Protocol)/IP ou UDP(User Datagram Protocol)/IP. A comunicao realizada atravs da conversao entre um servidor HART-IP, sendo um dispositivo HART que responde a requisies, e um cliente HART-IP, podendo ser uma aplicao que envia as requisies do
usurio. Tais requisies so baseadas no conjunto de comandos da camada de aplicao do protocolo HART, como os comandos comuns do HART e os comandos wireless
adicionados na especificao do HART 7.
A comunicao dos dispositivos no HART-IP estabelecida atravs de uma conexo
do tipo TCP ou UDP com o servidor, que tem como porta padro a 5094, podendo ser
alterada pelo fabricante [OLIVEIRA 2015]. Aps a conexo estabelecida, basta o usurio
enviar um comando HART para o endereo do dispositivo HART presente na rede. Para a
coleta dos dados so enviados comandos para o backbone, que, por sua vez, se comunica
direto com o gerenciador da rede, e para os prprios dispositivos de campo instalados na
38
rede. As respostas de todos esses comandos so registrados pelo PW-Logger, conforme

descrito na seo 4.1.2.
De maneira equivalente, o protocolo GSAP uma especificao responsvel por permitir a comunicao entre o gateway e uma aplicao cliente baseada no protocolo TCP
[TOM 2015], porm no protocolo GSAP no definido a troca de pacotes via uma
comunicao UDP. Aps o estabelecimento de uma conexo TCP com o gateway, a aplicao fica responsvel por solicitar dados atravs dos comandos GSAP. Para que seja
retornado dados sobre o dispositivo, necessrio enviar inicialmente o comando que cria
uma sesso de conversao. Dentro dessa sesso permitido o envio de comandos para
coletar informaes da rede, como dispositivos disponveis, topologia, quantidade de pacotes trafegados nos caminhos, entre outras.
Por fim, tanto o driver para comunicao com redes WirelessHART, baseado no HARTIP, quanto o driver para comunicao com redes ISA 100.11a, baseado no GSAP, foram
incorporados na ferramenta PW-Logger para o registro de informaes da rede.
4.1.2
Registro dos dados
A principal funcionalidade do PW-logger monitorar, de forma online, os dados

relevantes das redes industriais sem fio baseadas nos protocolos WirelessHART e ISA
100.11a, por meio dos drivers citados em 4.1.1. Algumas dessas informaes so disponibilizadas pelas aplicaes web dos gerenciadores de rede, ou at mesmo, disponibilizadas atravs de servidores Modbus ou OPC. Contudo, existem informaes relevantes
para usurios que gostariam de entender melhor a tecnologia que no so concedidas facilmente pelos fabricantes. Um exemplo o parmetro de quantidade de links ou, quando
a tecnologia dispe de tal mecanismo, os grafos que o dispositivo de campo pertence.
Nesse sentido, o PW-Logger foi desenvolvido para disponibilizar a maior quantidade
de informaes possveis relacionadas as redes WirelessHART e ISA 100.11a. Essas
informaes disponibilizadas independem dos fabricantes, pois as requisies so feitas
aos drivers que implementam comunicaes baseadas em HART-IP e GSAP. A interface
da ferramenta PW-Logger dividida em quatro partes:
Informaes dos dispositivos da rede.

Informaes dos vizinhos.
Informaes dos grafos.
Informaes dos links.
39
A figura 4.2 mostra as telas de cada bloco de informaes do PW-Logger.
(a) Informaes dos dispositivos
(b) Informaes dos vizinhos
(c) Informaes dos links
(d) Informaes dos

grafos
Figura 4.2: Blocos de informaes do PW-Logger

Observa-se que cada linha na figura 4.2(a) apresenta informaes de um dispositivo
da rede. Abaixo segue a descrio da cada parmetro.
Devices TAG do dispositivo.
DeviceType Tipo do dispositivo.
Join Status Estado atual do dispositivo na rede.
Address Endereo IPV6 do dispositivo.
DeviceID Identificador do dispositivo, representado pelo endereo EUI-64 do dispositivo.
Power State Estado da fonte de energia.
Battery (V) Tenso da bateria.
Battery Life Vida til da bateria dada em dias.
TimeStamp Horrio da ltima amostra.
No bloco de informaes dos vizinhos, cada linha apresenta informaes de um vizinho do dispositivo escolhido na caixa de seleo de dispositivos (Device). Por exemplo, na
figura 4.2(b) so apresentadas as informaes dos vizinhos(TT-IS-04 e YFGW-BBR001)
40
do dispositivo TT-IS-03. Abaixo segue a descrio de cada parmetro do bloco de vizinhos.

Neighbors TAG do vizinho.
Clock Source Status do vizinho como fonte de clock para o dispositivo.
Link Status Status do caminho entre o vizinho e o dispositivo.
DPDU TX Quantidade de pacotes transmitidos.
DPDU TXfail Quantidade de pacotes falhos na transmisso.
DPDU RX Quantidade de pacotes recebidos.
DPDU RXfail Quantidade de pacotes falhos na recepo.
RSSI Potncia do sinal.
Quality Qualidade do sinal.
A maioria das informaes apresentadas no bloco de informaes dos dispositivos
so disponibilizadas pelo fabricantes em seus sistemas de monitoramento da rede. Porm, algumas das informaes concedidas no bloco de informaes dos vizinhos no so
disponibilizadas pelos fabricantes, como o parmetro clock source. Esse parmetro informa se o vizinho ou no um dispositivo que serve de fonte de sincronizao para o
dispositivo principal. De acordo com [Standard 2012],
The system manager configures each DL clock recipient to treat one or several of its neighbors as DL clock sources. Such DL clock sources may be designated as preferred or secondary, based on the attribute dlmo.Neighbor[].ClockSource.
A DL clock recipient should adjust its clock value whenever it has an interaction with a preferred DL clock source.1
Observa-se no trecho acima que um dispositivo deve ficar sempre sincronizado com o
relgio do vizinho definido como fonte de clock preferncia. O gerenciador da rede o
responsvel por ajustar o relgio dos seus vizinhos, porm quando no existe um caminho
direto com o gerenciador necessrio que os vizinhos propagem o valor do relgio. De
acordo com [Standard 2010],
1O
gerente do sistema configura cada relgio para considerar um ou vrios dos vizinhos como fonte de
relgio. Tais fonte de relgio devem ser designados como preferencial ou secundria, com base no atributo
dlmo.Neighbor[].ClockSource. Um relgio deve ser ajustado seu valor sempre que ocorrer uma interao
com uma fonte de relgio preferencial.
41
When a network access point does not source the network clock it shall synchronize to the network devices acting as its clock parents.2
Na norma [Standard 2010] tambm estabelecido o conceito de sincronizao do
relgio atravs dos vizinhos, porm, diferentemente da norma [Standard 2012], no existem o conceito de fonte de relgio preferencial e secundrio, existe apenas ser ou no ser
fonte de relgio.
As informaes dos dispositivos e seus vizinhos so essenciais para informar a qualidade da comunicao entre os dispositivos. Nesse sentido, torna-se essencial, tambm,
apresentar as informaes dos caminhos (links) e dos grafos, para aqueles protocolos que
definem o conceito de roteamento por grafo. As figuras 4.2(c) e 4.2(d) mostram as interfaces que monitoram essas informaes de links e grafos.
As informaes dos links esto diretamente ligada a um dispositivo e um vizinho,
sendo necessrio escolher o dispositivo na caixa de escolha da figura 4.2(b) e o vizinho na
caixa de escolha da figura 4.2(c). Abaixo segue a descrio de cada parmetro do bloco
de links.
Superframe ID Identificador do superframe que o link est alocado.
Slot Number Nmero do slot que o link est alocado.
Link Period O perodo de repetio do link no superframe (parmetro disponvel apenas
para o protocolo ISA 100.11a).
Channel Offset Valor de offset de canal do link.
Link Option Direo do link (transmisso ou recepo).
Link Type Tipo do link (Normal ou Broadcast).
Essas informaes do bloco de links so geralmente ocultadas pelos fabricantes, na
maioria das vezes com o intuito de evitar o acumulo de informaes sem uma boa interpretao. Porm, esses parmetros so essenciais para aqueles usurios que pretendem
diagnosticar bem a tecnologia.
Por fim, existe o bloco de informaes de grafos, como pode ser visto na figura 4.2(d).
O bloco s contm um parmetro, o Graph Members, que informa quais os grafos que o
caminho, formado pelo dispositivo e seu vizinho, pertence.
Alm da funcionalidade de monitorar os parmetros de forma online, o PW-Logger
tambm responsvel por criar um registro desses dados periodicamente e salvar esses
2 Quando
um ponto de acesso da rede no fornecer o relgio da rede, o relgio deve sincronizar com os
dispositivos que atuavam como seus pais de fonte de relgio.
42
registros em uma ou, quando necessrio, em vrias planilhas de dados. Porm, a visualizao desses vrios dados em uma planilha no oferece alguma interpretao vantajoso
para os usurios. Assim, no sentido de apresentar as informaes da rede de forma vantajosa para tcnicos, engenheiros, desenvolvedores e gerentes das redes industriais sem fio,
baseadas nos protocolos WirelessHART e ISA 100.11a, foi desenvolvida a ferramenta
principal dessa dissertao: o PW-DataAnalyzer.
4.2
PW-DataAnalyzer
O PW-DataAnalyzer uma ferramenta para avaliao de redes industriais sem fio,

atravs de dados coletados e registrados pela ferramenta PW-Logger, descrita em 4.1. Os
dados so coletados de redes industriais baseadas nos protocolos WirelessHART e ISA
100.11a e em funcionamento por um determinado perodo de tempo, com o perodo entre
amostras determinado pelo usurio na ferramenta PW-Logger.
A ferramenta realiza trs tipos de avaliaes: avaliao quantitativa, avaliao qualitativa e avaliao por inferncia. Na avaliao quantitativa so apresentados grficos dos
dados sem inserir caractersticas ou mtricas das redes sem fio. J na avaliao qualitativa
so apresentados resultados a partir de mtricas, como estabilidade de um caminho. E,
por fim, a avaliao por inferncia utiliza da tcnica inteligente redes neurais artificiais
para inferir um parmetro da rede. Tais parmetros avaliados foram escolhidos atravs
da anlise dos requisitos para implementao da tecnologia no ambiente industrial, requisitos definidos em 2.1. Na figura 4.3 so apresentados os mdulos de avaliao e seus
respectivos grupos de grficos de avaliao.
4.2.1
Avaliao quantitativa
Na avaliao quantitativa, os dados so apresentados atravs de grficos temporais.

Cada amostra do grfico referente a uma amostra na planilha de dados gerada pelo PWLogger. A tabela 4.1 apresenta os diversos tipos de grficos que so gerados como forma
de avaliao.
Nessa avaliao os dados no sofrem processamento ou modificao, os dados registrados na planilha so apenas impressos no grfico.
43
Figura 4.3: PW-DataAnalyzer e seus mdulos de avaliao.

Avaliao Quantitativa
Grupo
Grficos
Vida til da bateria
Parmetros dos ns
Tenso da bateria
Quantidade de pacotes
Parmetros dos vizinhos
Nvel de potncia do sinal
Quantidade de links
Fonte de clock
Tabela 4.1: Tabela dos grficos de avaliao quantitativa.
4.2.2
Avaliao qualitativa
J na avaliao qualitativa, os dados armazenados nas planilhas so processados ou

analisados para a gerao de novos dados de interesse do usurio. Esses dados resultantes
do processamento so apresentados, tambm, atravs de grficos temporais e diagrama de
caixa. A tabela 4.2 apresenta os diversos tipos de grficos.
Nota-se que grande parte das avaliaes qualitativas, mostradas na tabela 4.2, utilizam um dado que no foi registrado na planilha de dados, a estabilidade. Esse parmetro
de grande importncia para a confiabilidade e disponibilidade da rede, pois um caminho
Grupo
Consumo de energia
Disponibilidade
44
Avaliao Qualitativa
Grficos
Estabilidade e nvel de potncia do sinal do caminho
Estabilidade e vida til dos vizinhos
Inferncia de rotas
Estabilidade do caminho
Tabela 4.2: Tabela dos grficos de avaliao qualitativa.

com pssima estabilidade pode levar a perda de vrios pacotes da rede, consequentemente, levando a reduo da confiabilidade do sistema. A estabilidade de um caminho de
transmisso pode ser definida conforme mostra a equao 4.1.
Estabilidade do caminho = (1
Quantidade de pacotes falhos

) 100%.
Quantidade de pacotes transmitidos
(4.1)
Esse parmetro de estabilidade utilizado nas avaliaes de consumo de energia e

de disponibilidade. Nas avaliaes de consumo de energia so definidos dois tipos de
grficos de avaliao: estabilidade do caminho versus potncia do caminho, que oferece
uma viso geral do estado dos caminhos de um dispositivo origem com seus vizinhos,
e estabilidade do vizinho versus vida til da bateria do vizinho. Nessa segunda avaliao, o parmetro de estabilidade do vizinho apresentado atravs da mdia e do desvio
padro da estabilidade de todos os caminhos daquele vizinho com outros dispositivos.
Essa avaliao torna-se importante quando o dispositivo de campo est incluso numa rede
em malha e o usurio deseja conhecer a qualidade de seus vizinhos, como tambm qual
vizinho consome menos energia na transmisso.
Em relao ao grupo de disponibilidade, so definidos dois tipos de avaliaes: estabilidade do caminho, o qual utiliza a equao 4.1, e a inferncia de rotas primria e
secundria. Essa segunda avaliao, como o prprio nome j diz, agrupa alguns dados
para avaliar quem so as rotas primria e a secundria daquele dispositivo. Os termos
rotas primria e secundria s so utilizados quando a rede definida em topologia em
malha, possibilitando assim que alguns dispositivos sirvam de roteadores para transmitir
informaes at o gerente da rede. Essa avaliao foi idealizada a partir do desconhecimento de quais vizinhos estavam sendo utilizados como rotas em testes de redes em
malha. Nos testes foram observados que os vizinhos que estavam recebendo mais pacotes
do dispositivo origem eram os vizinhos que tinha maior quantidade de links ou que estavam servindo de fonte de relgio para o dispositivo. Com isso, para realizar a inferncia
45
de quais so as rotas primria e secundria do dispositivo so avaliados os parmetros de

quantidade de links de transmisso e dispositivos fonte de relgio.
4.2.3
Avaliao por inferncia
Nesta avaliao foi definido o modelo de apenas um parmetro: a vida til da bateria.
Esse modelo foi baseado na tcnica inteligente redes neurais artificiais e ser aplicado
para inferir amostras futuras do parmetro.
Conforme visto na seo 2.3, a vida til da bateria torna-se um parmetro essencial
para a avaliao de qualquer sistema que utilize ns sensores com a tecnologia sem fio,
os quais necessitam de fonte de energia com capacidade de fornecimento limitada. Esse
parmetro informa o tempo restante que a bateria consegue fornecer energia para o funcionamento correto do instrumento e a disponibilizao de tal parmetro obrigatrio para
os dois protocolos que estamos trabalhando. Percebe-se que a preciso dessa informao
influencia, principalmente, no planejamento da manuteno do sistema. Em setores que a
parada do sistema de automao resulta na reduo do lucro, a previso desse parmetro
primordial.
As normas no definem a forma com que esse parmetro estimado, como tambm a
maioria das empresas no disponibilizam tal algoritmo de estimao. Com isso, torna-se
necessrio avaliar as informaes disponibilizadas pelos fabricantes. Mesmo com uma
estimao atual correta, no se tem controle das condies de consumo futuras, pois as
diversas interferncias que surgem influenciam na estabilidade dos caminhos, que podem
resultar em uma retransmisso de pacotes, que, consequentemente, resulta no aumento do
consumo de energia. Alm disso, variaes de temperatura e mudanas na arquitetura da
rede tambm influenciam no consumo de energia, alterando de forma inesperada a vida
til da bateria do n sensor.
Nesse sentido, a avaliao por inferncia utiliza dados da rede em funcionamento
durante um determinado perodo de tempo, em conjunto com a potencialidade das redes
neurais de apreender o comportamento no linear, para inferir a vida til da bateria em
instantes futuros. Porm, conforme visto na seo 3.2.2, as redes neurais comuns no
so modeladas para aprender comportamentos temporais, como o comportamento da vida
til da bateria, que calcula o valor atual a partir dos parmetros de consumo e do valor
passado. Para tal comportamento, ser utilizada uma rede neural ARX com 10 (dez)
atrasos na entrada.
46
Modelo de RNA ARX

A rede neural implementada recebe como entrada um vetor de dados de vida til da
bateria, sendo que 1 dado de entrada a amostra coletada no tempo "n"e os outros dados
so os valores atrasados dessa amostra. Essas amostras so retiradas do objeto criado
na importao dos dados do PW-Logger. O objeto criado armazena um vetor com os
valores de vida til da bateria para cada instrumento, sendo assim necessrio realizar um
processamento para gerar os conjuntos de treinamento para a rede neural.
O conjunto gerado a partir de um processo de atraso de amostras, que cria uma lista
de vetores, a partir do vetor original, para serem os vetores de entrada dos conjuntos de
treinamento da rede neural. O processo de atraso de amostras mostrado na figura 4.4.
Figura 4.4: Processo de atraso de amostras

Os conjuntos de treinamento da rede so formados pelos vetores de entrada, obtidos
de acordo com o processo mostrado na figura 4.4, e pelos vetores de sada ideal. A sada
ideal de cada vetor de entrada sempre a amostra seguinte do conjunto de dados. Por
exemplo, o vetor A, resultante do processo de atraso mostrado na figura 4.4, tem como
sada ideal o valor "X12", e o vetor B tem como sada ideal o valor "X13". Com isso,
o armazenamento de todos esses vetores (entradas e sada ideal) gera os conjuntos de
treinamento da rede neural ARX.
47
Conforme introduzido na seo 3.2.2, uma rede neural ARX simplesmente uma
rede MLP que recebe como entrada valores passados da entrada e da sada, porm a sada
presente no sistema modelado o valor futuro da entrada, por isso no faz sentido atrasar
a sada da rede neural. Portanto, a rede se resume ao modelo mostrado na figura 4.5.
Figura 4.5: Modelo da rede neural

Como a ferramenta implementada na linguagem Java, foi decidido utilizar o Framework Encog para implementao da rede neural artificial em software.
Implementao da RNA: Encog
O Encog um framework para implementao de tcnicas inteligentes em Java, como
tambm em outras linguagens como C# e .Net. Ele suporta algoritmos como mquinas
de vetores de suporte, redes neurais artificiais, redes bayesianas, programao gentica e
modelos oculto de Markov [Heaton 2010]. Existem vrios tipos de arquiteturas, como
mapas auto-organizveis, redes de hopfield, redes neurais com funes de ativao de
base radial, bem como, vrios tipos de algoritmos de treinamento, como algoritmo da
retropropagao, algoritmo de Levenberg-Marquardt e algoritmo de Nelder-Mead, disponveis para construir uma rede neural utilizando esse framework. Alm disso, o framework
tambm define diversas funes de ativao para as camadas, como funo linear, funo
logartmica, funo gaussiana, funo senoide e funo sigmoide.
No presente trabalho ser utilizado o Encog para implementar a rede neural apresentada na figura 4.5. A primeira parte da implementao consiste nas etapas de criao e de
48
definio da arquitetura da rede, as quais so apresentadas no trecho de cdigo 4.1.

1
network = new BasicNetwork () ;
2
3
// Camada de entrada
network . addLayer (new BasicLayer (new ActivationLinear () ,false,

inputSize ));
// Camada oculta
network . addLayer (new BasicLayer (new ActivationLOG () ,false,10) );
// Camada de sada
network . addLayer (new BasicLayer (new ActivationLinear () ,false,1) )
9
10
network . getStructure () . finalizeStructure () ;
Cdigo 4.1: Criao da RNA

A escolha da funo logartmica e da quantidade de neurnios na camada oculta foi
devido aos desempenhos obtidos durante alguns testes realizados com dados reais. Essa
estrutura de rede ser treinada de acordo com o trecho de cdigo mostrado em 4.2.
1
network . reset () ;
2
3
train = new NelderMeadTraining ( network , trainingSet );
4
5
int epoch = 1;
do {
train . iteration () ;
epoch ++;
} while(( train . getError () > minError ) && ( epoch < maxEpoch ));
10
11
train . finishTraining () ;
Cdigo 4.2: Treinamento da RNA

O mtodo reset(), utilizado na linha 1 do trecho de cdigo 4.2, inicializa aleatoriamente os pesos da rede (network). Essa rede, com pesos iniciais j configurados,
inclusa no objeto de treinamento(train), o qual define como algoritmo de treinamento o
Nelder-Mead, para que seja realizado o treinamento da rede. Essa etapa de treinamento
realizada at que o erro da iterao seja menor que o erro mnimo ou at que a quantidade
de pocas ultrapasse o limite definido, sendo essas etapas definidas nas entre as linhas 5
e 9 do trecho de cdigo 4.2. O erro mnimo definido 0.01 e o limite de pocas 100. A
49
etapa de finalizao do treinamento definido na linha 11 do trecho 4.2, onde so fixados

os pesos finais da rede.
Inferncia da vida til da bateria
O sistema de inferncia da vida til da bateria, que recebe como dados as amostras do
parmetro de vida til da bateria e retorna a inferncia da vida til da bateria em amostras
futuras, pode ser compreendido atravs do fluxograma mostrado na figura 4.6.
Figura 4.6: Fluxograma parcial do sistema de inferncia da vida til da bateria.

Observe na figura 4.6 que para realizar o tratamento dos dados de vida til da bateria
so realizadas duas etapas: a aquisio e o atraso dos dados. Na aquisio dos dados
utilizada a ferramenta de aquisio e registro dos dados das redes WirelessHART e ISA
100.11a, como apresentado na seo 4.1. J a etapa de atraso dos dados foi explicado na
seo 4.2.3. Logo aps a etapa de tratamento dos dados existe a etapa de processamento
da rede neural, a qual foi explicado na seo 4.2.3.
Por fim, a ltima etapa se resume a utilizao da rede neural para realizar a inferncia
do parmetro. Nessa etapa a rede neural j foi processada e precisa apenas ser empregada. A utilizao da rede se resume em pegar o vetor de entrada do ltimo conjunto
de treinamento, aplicar rede e obter a sada da rede para compor o seu conjunto dados
de inferncia. Esse mesmo dado de sada deve ser inserindo no vetor de entrada, sendo
necessrio a eliminao da amostra mais antiga do vetor, para que no prximo instante
a rede processe o vetor de entrada, j considerando o valor inferido no ltimo processamento. A quantidade de vezes que esse procedimento de processamento da rede deve ser
executado , aproximadamente, 1/3 do conjunto de treinamento, sendo esse valor definido
50
atravs de testes executados na pesquisa.

O sistema apresentado na figura 4.6 parece ser ideal para o propsito do trabalho, porm ele pode apresentar desempenhos bem diversos para os mesmos conjuntos de treinamento devido utilizao do algoritmo de Nelder-Mead. Esse algoritmo de treinamento
apresenta pssimos desempenhos para alguns valores iniciais dos pesos. Para sanar tal
problema, o sistema de inferncia implementado inclui a etapa de escolha da rede mais
especialista, que se resume a um lao de 10(dez) repeties de treinamento da rede que,
no final, escolhe a rede que obteve melhor desempenho. O fluxograma final do sistema
de inferncia mostrado na figura 4.7.
Figura 4.7: Fluxograma final do sistema de inferncia da vida til da bateria.

A escolha da rede mais especialista baseada na mdia dos erros de validao da
rede. Como visto em 4.2.3, no existe realimentao da sada na entrada, a rede treinada
apenas com os vetores de entradas e de sada dos conjuntos de treinamento. Porm, para
realizar a inferncia a sada da rede precisa ser inclusa como um dos valores do vetor
de entrada do prximo instante. Nesse sentido, a validao da rede utiliza esse mesmo
paradigma. Na validao a rede recebe apenas o vetor de entradas do primeiro conjunto
de treinamento para gerar o valor da sada da rede, sendo esse um dos valores do vetor
de entrada na prxima execuo da rede, e assim por diante. O valor da sada da rede
comparado com o valor ideal de sada naquele instante, gerando um erro de validao da
rede. Todos esses erros de validao sero contabilizados para gerar a mdia de erros de
validao, e assim, tornando-se o parmetro de escolha da rede mais especialista.
O termo especialista vem justamente do fato da rede conhecer somente o primeiro
vetor de entrada dos conjuntos de treinamento e obter o melhor desempenho na especializao da rede, sendo a mdia dos erros de validao a mtrica utilizada para definir o
melhor desempenho entre os desempenhos obtidos nos diversos treinamentos.
51
Com base em todos os mtodos de avaliao da rede apresentados, seja quantitativo,

qualitativo ou por infrencia, tornou-se necessrio a validao da ferramenta em situaes
reais das redes industriais baseadas nos protocolos WirelessHART e ISA100.11a. Os
testes para validao da ferramenta sero apresentados no captulo seguinte.
Captulo 5
Estudo de casos
Neste captulo, sero apresentadas alguns casos de aplicao da ferramenta. O primeiro estudo de caso apresenta uma anlise de uma rede da tecnologia ISA 100.11a com
5 dispositivos de campo em visada pro gateway. No segundo estudo de caso realizado
um teste de mudana de rotas com uma rede em malha composta por 5 dispositivos de
campo. E, por fim, o terceiro caso apresenta uma avaliao por inferncia da vida til da
bateria utilizando uma rede WirelessHART com apenas 1 dispositivo.
5.1
Estudo de caso 1
O primeiro caso analisado refere-se a uma rede em malha formada por dispositivos
de campo fabricados pela empresa Yokogawa, os quais so baseados no protocolo ISA
100.11a. Todos os dispositivos, incluindo o gateway, esto alocados dentro de um laboratrio de teste, onde todos os dispositivos de campo esto com visada para o gateway.
Portanto, mesmo que os dispositivos sejam configurados para operar em uma rede em
malha, os dispositivos de campo ainda podem ter uma comunicao direta com o gateway, formando assim uma rede em estrela. Na figura 5.1 mostrado a topologia da rede
retirada da ferramenta web de monitoramento da rede do prprio fabricante.
Na figura 5.1 os dispositivos de campo esto nomeados pelos ltimos 4 (quatro) bits
do endereo EUI-64, com exceo do gateway(GW), backbone(BBR) e gerenciador de
segurana (SM). Com isso, abaixo segue o endereo EUI-64 de cada dispositivo com sua
respectiva TAG.
1F0F TT-IS-01
1F1A TT-IS-03
1F34 TT-IS-04
1F2C TT-IS-05
1F51 LD-IS-01
CAPTULO 5. ESTUDO DE CASOS
53
Figura 5.1: Rede ISA 100.11a adotada no estudo de caso 01

A avaliao da rede apresentada na figura 5.1 foi realizada atravs de amostras coletadas a cada 10 minutos, por um perodo de, aproximadamente, 12 dias seguidos. Aps
esses dias de funcionamento, foi retirado um arquivo de registro de dados atravs da
ferramenta PW-Logger e realizado as avaliaes quantitativa dos dados, conforme os resultados apresentados a seguir.
A primeira avaliao quantitativa foi em relao aos pacotes transmitidos, recebidos
e falhos na rede. Na figura 5.2 so apresentados os grficos de quantidade de pacotes
transmitidos pelos dispositivos de campo.
Na figura 5.2 pode se deduzir que todos os dispositivos de campo tem visada com o
gateway, pois , em todos os casos, o vizinho que recebe a maior quantidade de pacotes
dos dispositivos o gateway. Alm disso, possvel perceber quando foram utilizadas
as outras rotas do dispositivo, ou at mesmo, se foram utilizadas. Observa-se na figura
5.2(c) que o dispositivo s tem pacotes transmitidos para o gateway, pois a quantidade de
pacotes transmitidos para os outros vizinhos zero.
Na maioria das vezes, em uma rede em malha, os dispositivos de campo s tentam
enviar pacotes por mais de um vizinho quando ocorre alguma falha de transmisso. Por
exemplo, um dispositivo de campo A, que tem como vizinhos o dispositivo B e o gateway,
prefere enviar o dado diretamente para o gerente da rede, atravs do gateway, em vez de
enviar o pacote pelo dispositivo B, com isso evitando um maior consumo de energia. Se,
por acaso, ocorrer uma falha na transmisso para gateway, o dispositivo A tenta enviar o
pacote atravs do dispositivo B.
54
Figura 5.2: Grficos de quantidade de pacotes transmitidos pelos dispositivos de campo

de uma rede ISA 100.11a.
Nesse sentido, torna-se essencial a avaliao dos pacotes falhos na transmisso. Os
grficos na figura 5.3 mostram o quantitativo de pacotes falhos na transmisso de todos os
dispositivos de campo da rede, equivalente aos grficos de pacotes transmitidos em 5.2.
Com os grficos apresentados na figura 5.3, possvel deduzir momentos que houveram alguma disparidade na quantidade de pacotes falhos. Por exemplo, atravs do grfico
da figura 5.3(b), observa-se que, no dia 10 de junho, houve um aumento considervel na
quantidade de pacotes falhos entre o dispositivo TT-IS-03 e seu vizinho YFGW-BBR001
(backbone). Outra vantagem a possibilidade de observar quando a rota redundante est
sendo utilizada, ou melhor, quando os outros vizinhos, alm do gateway, esto sendo utilizados. De acordo com os grficos apresentados nas figuras 5.3(d) e 5.3(e), possvel
verificar que existem pacotes perdidos em mais de um vizinho dos dispositivos TT-IS-05
e LD-IS-01.
55
Figura 5.3: Grficos de quantidade de pacotes falhos na transmisso dos dispositivos de

campo de uma rede ISA 100.11a.
Com o intuito de avaliar em um mesmo grfico a quantidade de pacotes transmitidos
e falhos na transmisso, foi criado um tipo de grfico de avaliao para tal objetivo. As
figuras 5.4 apresentam os grficos de transmisso e falha dos dispositivos de campo.
Porm, mesmo que o usurio fique ciente dos caminhos de transmisso que esto com
maior quantidade de pacotes falhos, com os grficos apresentados at agora o usurio
no consegue entender o porqu de algum caminho apresentar uma maior quantidade de
pacotes falhos. Para sanar tal dvida, foi criado um grfico que apresenta o valor do nvel
de potncia do sinal de cada vizinho de um dispositivo. Na figura 5.5 so apresentados os
grficos de nvel de potncia do sinal recebido de todos os dispositivos de campo pelos
seus vizinhos.
56
Figura 5.4: Grficos de pacotes transmitidos e falhos dos dispositivos de campo de uma
rede ISA 100.11a.
Com os grficos de nvel de potncia do sinal possvel deduzir em quais horrios ou
momentos ocorreram algum tipo de interferncia ou alterao na rede que fez com que
os nveis dos sinais fossem alterados. Observa-se que, aproximadamente, nos dias 14,
15 e 16 de junho houveram alteraes no caminho de comunicao entre os dispositivos
TT-IS-05 e LD-IS-01, pois, atravs dos grficos mostrados nas figuras 5.5(d) e 5.5(e),
pode-se verificar que os nveis de potncia diminuram para a faixa de -65 dBm.
J que observou-se que o caminho entre os dispositivos TT-IS-05 e LD-IS-01, a ferramenta oferece um grfico para avaliao da estabilidade desse caminho no perodo de
funcionamento da rede, mostrado na figura 5.6.
57
Figura 5.5: Grficos de nvel de potncia dos sinais recebidos pelos dispositivos de campo
de uma rede ISA 100.11a.
Nota-se na figura 5.6 que a estabilidade est variando, mas ainda com um nvel de
estabilidade aceitvel, prximo de 100%. Porm, analisando a figura 5.5(a), observa-se
que o que nvel de potncia do sinal no caminho entre o TT-IS-01 e o YFGW-BBR001
est bastante instvel. Nesse caso, interessante analisar como essa instabilidade no nvel
do sinal est afetando a estabilidade do caminho entre esses dois elementos da rede. Na
figura 5.7 apresentada a estabilidade desse caminho.
Facilmente, pode-se deduzir que a inconstncia do sinal no caminho pode ser um fator
para a reduo da estabilidade do caminho, como observado na figura 5.7. E, por fim, foi
desenvolvido um grfico de avaliao qualitativa que avalia as estabilidades dos caminhos
juntamente com os nveis de potncia. Para tal avaliao, definidas anlises temporais e
anlises de variabilidade atravs de diagrama de caixa.
58
Figura 5.6: Grfico de estabilidade do caminho entre os dispositivos LD-IS-01 e TT-IS05.
Figura 5.7: Grfico de estabilidade do caminho entre os dispositivos TT-IS-01 e YFGWBBR001.

Atravs do grfico apresentado na figura 5.8, possvel avaliar o conjunto de valores
coletados de estabilidade dos caminhos formados pelo dispositivo LD-IS-01 com seus
vizinhos, como tambm os valores coletados de nvel de potncia do sinal. O objetivo
desse grfico analisar como est a estabilidade e o nvel de potncia dos vizinhos do
dispositivo escolhido para avaliao, que no caso da figura 5.8 o LD-IS-01. Por exemplo,
atravs do grfico da figura 5.8, nota-se que o vizinho que est com o nvel de potncia
mais fraco e mais disperso o TT-IS-05, porm o YFGW-BBR001 apresenta um conjunto
de valores de estabilidade mais disperso que os valores de estabilidade do TT-IS-05.
59
Figura 5.8: Grfico de estabilidade do caminho e nvel de potncia do sinal dos vizinhos
do dispositivo LD-IS-01.
A avaliao atravs do grfico de "estabilidade do caminho e potncia do sinal", como
visto na figura 5.8, pode auxiliar na alterao da topologia da rede, devido a descoberta
de algum vizinho que esteja com um nvel fraco do sinal e grande perda de pacotes. No
somente esse grfico, mas todos os grficos da ferramenta podem auxiliar numa possvel
alterao da rede para melhorar o desempenho.
5.2
Estudo de caso 2
Neste segundo estudo de caso, sero apresentados os resultados de um procedimento

de testes para avaliar as mudanas de rotas de um nico dispositivo, quando exposto a um
comportamento diferente. O teste teve como objetivo principal determinar, atravs de uma
anlise do comportamento da rede sem fio em determinadas situaes, quais parmetros,
acessveis aos usurios, podem indicar quais so as rotas primria e secundria definidas
para um instrumento. Para tal teste foi necessrio configurar uma rede em malha com
cinco dispositivos de campo, onde quatro desses tm visada com o gateway e, apenas, um
dispositivo no tem. Na figura 5.9 mostrada a topologia adotada para o teste.
Inicialmente, a rede foi configurada com todos os cinco instrumentos, conforme apresenta a figura 5.9. Todos os dispositivos estavam com viso para o gateway, inclusive
o elemento que no deveria ter viso. Com isso, aps a configurao da rede, um instrumento foi colocado em situaes que ficasse com viso para os outros dispositivos de
campo e sem visada para o gateway. Esse dispositivo considerado o dispositivo de
teste da rede, conforme a indicao na figura 5.9, e so as rotas de trfego de dados dele
60
Figura 5.9: Topologia adotada no estudo de caso 02.

que sero avaliadas no teste. Entende-se que depois que o dispositivo de campo perde a
comunicao com o gateway, ele deve comear a trafegar informaes atravs de outra
rota. Ento, para entender melhor como o dispositivo de teste se comporta na perda de
uma das suas rotas de transmisso, ou melhor, da sua melhor rota de trfego, a cada iterao do teste, removido da rede o instrumento com que o dispositivo teste mantm a
maior quantidade de pacotes transmitidos. Nessa situao, a cada interao, o dispositivo
procura uma nova rota para trafegar seus dados at o gateway.
O teste foi realizado com as duas tecnologias de redes industriais avaliadas nesta dissertao: WirelessHART, com equipamentos da empresa Emerson, e ISA 100.11a, com
equipamentos da empresa Yokogawa. Na figura 5.10 so apresentados as topologias, com
a nomenclatura dos dispositivos presentes na rede, para as duas tecnologias testadas.
(a) Rede ISA 100.11a Yokogawa
(b) Rede WirelessHART Emerson
Figura 5.10: Topologias de testes.
61
Observa-se que o dispositivo LD-IS-02 e o dispositivo YT-WH-01 sero os dispositivos de teste utilizados nessa avaliao. Para identificar quais os parmetros que indicam
quais so as rotas primrias e secundrias dos dispositivos, foram utilizadas as avaliaes
quantitativa dos pacotes transmitidos, da quantidade de links de transmisso disponveis e
do parmetro de fonte de clock desses dispositivos de teste. Porm, para que seja possvel
realizar uma avaliao da mudana de rota necessrio identificar quais os dispositivos
disponveis na rede, quais foram removidos e em que horrios eles foram removidos. Na
figura 5.11 so mostradas linhas do tempo que representam o funcionamento das redes,
indicando os momentos que cada dispositivo foi removido da viso do dispositivo de teste.
(a) Rede ISA 100.11a Yokogawa
(b) Rede WirelessHART Emerson
Figura 5.11: Linhas do tempo para o funcionamento das redes.

A partir do grfico apresentado na figura 5.11, possvel verificar que o primeiro
dispositivo a ser removido da viso do dispositivo de teste sempre o gerenciador da
rede. Aps isso, os dispositivos removidos so escolhidos de acordo com a quantidade de
pacotes transmitidos. Na figura 5.12 so mostrados os grficos de pacotes transmitidos
pelos dispositivos de teste das duas redes, definidos na figura 5.10.
Observando os grficos da figura 5.12 junto com as remoes informadas nas linhas
do tempo da figura 5.11, torna-se verdico a informao que o vizinho removido sempre o que tem a maior quantidade de pacotes transmitidos para o dispositivo de teste,
assim obrigando que os dispositivos de teste procurem um outro vizinho para transmitir
os pacotes.
62
(a) Pacotes transmitidos pelo LD-IS-02 na rede ISA 100.11a Yokogawa
(b) Pacotes transmitidos pelo YT-WH-01 na rede WirelessHART Emerson
Figura 5.12: Grficos de avaliao dos pacotes transmitidos pelos dispositivos de teste.
Dotados da avaliao dos pacotes transmitidos pelos dispositivos de teste, pode-se deduzir quais as rotas esto sendo utilizadas com maior frequncia, consequentemente, qual
a rota preferencial ou primria do dispositivo de teste. Com base nesses dados, testes
com outros parmetros foram realizados para verificar quais os parmetros, disponveis
para a ferramenta, so indicadores de rotas primria e secundria. Nesses testes, definiuse que a quantidade de links de transmisso e os dispositivos configurados como fonte de
relgio so parmetros que indicam quais so essas rotas.
Na figura 5.13 mostrado um grfico, para a rede da tecnologia ISA 100.11a, que
engloba os trs parmetros avaliados: quantidade de pacotes transmitidos, quantidade de
links de transmisso e dispositivos fonte de clock.
Com base nos resultados apresentados nos grficos da figura 5.13, possvel verificar
que o dispositivo que estabelece a funo de fonte de relgio (clock) com o LD-IS-02
63
Figura 5.13: Grfico de parmetros de indicao das rotas primria e secundria do dispositivo ISA 100.11a.
sempre o que tem a maior quantidade de links e o que recebe a maior quantidade de
pacotes do LD-IS-02. Pode-se ento, deduzir que esse dispositivo est definido como a
rota preferencial ou primria naquele momento de funcionamento da rede. Por exemplo,
no incio do funcionamento da rede, o gateway (YFGW-BBR001) era o dispositivo definido como fonte de clock primrio para o LD-IS-02, como tambm, o dispositivo que
tinha maior quantidade de links, junto com o TT-IS-01, e que tinha a maior quantidade de
pacotes recebidos do LD-IS-02, sendo assim a rota primria para o envio dos dados.
Aps o gateway ter sua viso com o LD-IS-02 removida, o dispositivo de teste escolheu o TT-IS-01, que j era uma rota secundria do LD-IS-02, para torna-se a rota primria
para o trfego de informaes. Ento, o TT-IS-01 ficou sendo o dispositivo com maior
quantidade de links, configurado com a fonte de clock primria e o dispositivo com maior
quantidade de pacotes recebidos do LD-IS-02. No momento que o TT-IS-01 tornou-se a
rota primria, o dispositivo TT-IS-05 foi configurado como uma rota secundria para o
LD-IS-02, tanto que a quantidade de pacotes no caminho entre eles comeou a crescer,
como pode ser visto no perodo entre 09:45 e 10:05 do grfico de pacotes transmitidos na
64
figura 5.13. Esse comportamento de escolha de outras rotas primria e secundria, e de

definio de maiores quantidades de links de transmisso e fontes de clock, foram repetidos at que o dispositivo de teste (LD-IS-02) no tivesse dispositivo para manter uma
conexo, momento definido em, aproximadamente, 10:52.
Atravs das avaliaes desses trs parmetros, foi definido um grfico que realiza a
inferncia das rotas primrias e secundrias. A inferncia das rotas foi realizada considerando o parmetro de fonte de clock e a quantidade de links definidos no caminho,
da mesma forma que analisamos anteriormente. Na figura 5.14 apresentado o resultado da inferncia de rotas para o teste realizado com a tecnologia ISA 100.11a, sendo o
dispositivo de teste o LD-IS-02.
Figura 5.14: Grfico de inferncia das rotas primria e secundria do dispositivo ISA
100.11a.
Da mesma forma, foi realizado o teste para a tecnologia WirelessHART, sendo o dispositivo de teste o YT-WH-01. Na figura 5.15 mostrado o grfico de parmetros que
indicam quais so as rotas primrias e secundrias do dispositivo.
Nos resultados apresentados na figura 5.15 existe um perodo que o dispositivo de
teste, o YT-WH-01, no definiu quantidade de links e fontes de relgio, como tambm,
no tem amostras de quantidade de pacotes, o que aparece apenas resultado da interpolao de dados do grfico. Nesse momento, o fato que o dispositivo de teste ficou sem
viso para o nico dispositivo da rede, que seria o TT-WH-04, o qual voltou a ser vizinho
do YT-WH-01 minutos depois.
Porm, os resultados tiveram as mesmas concluses que os resultados com o teste da
65
Figura 5.15: Grfico de parmetros de indicao das rotas primria e secundria do dispositivo Wireless HART.
rede ISA 100.11a. O YT-WH-01 sempre transmiti mais pacotes para o dispositivo que
tiver maior quantidade de links de transmisso e que for fonte de clock para o dispositivo de teste, YT-WH-01. Lembre-se que no protocolo WirelessHART, s existem duas
definies de fonte de clock: ou no uma fonte de clock. Essa definio diferente do
protocolo ISA 100.11a, porque nesse ltimo so definidos trs estados de fonte de clock:
uma fonte de clock preferencial, uma fonte de clock redundante e no fonte de clock.
Por fim, foi realizado a inferncia de rotas primria e secundria, como mostrado na
figura 5.16. E, da mesma forma que o grfico 5.15, no perodo de, aproximadamente,
17:35 e 17:57 o dispositivo ficou sem viso com o ltimo dispositivo da rede.
66
Figura 5.16: Grfico de inferncia das rotas primria e secundria do dispositivo WirelessHART.
5.3
Estudo de caso 3
Por fim, foi realizado o terceiro estudo de caso. Este estudo baseia-se em uma rede da
tecnologia WirelessHART Emerson formada por apenas um dispositivo de campo. Com
base nos dados recebidos, foi avaliado a vida til da bateria do nico dispositivo de campo,
o TT-WH-03. A figura 5.17 apresenta o grfico de vida til da bateria do dispositivo no
perodo de tempo registrado pelo PW-Logger.
Figura 5.17: Grfico da vida til da bateria do dispositivo TT-WH-03.
67
Observa-se que existe uma tendncia na queda da vida til da bateria do dispositivo
que no atende uma predio correta. Por exemplo, atravs do grfigo mostrado na figura
5.18, observa-se que na amostra prximo ao instante 04:00 o dispositivo indica que restam
2477 dias para acabar a bateria, porm na amostra seguinte, no instante prximo a 04:50,
o dispositivo indica que restam 2476 dias para acabar a bateria, ento o estimador diminuiu 1 dia em, aproximadamente, 50 minutos. Nesse caso, torna-se necessrio que um
sistema de inferncia baseado em redes neurais artificiais aprenda o comportamento desse
parmetro para informar ao usurio qual o correto valor do parmetro alguns amostras
a frente.
Figura 5.18: Parte do grfico da vida til da bateria do dispositivo TT-WH-03.

O sistema de inferncia implementado nessa dissertao descrito na seo 4.2.3. E a
quantidade de amostras inferidas pelo sistema de, aproximadamente, 1/3 da quantidade
de amostras coletadas para o treinamento da rede neural. Nesse caso, como os dados reais
foram coletados em, aproximadamente, 2 dias (48 horas), como visto na figura 5.17, ento
o sistema vai inferir amostras futuras at 16 horas a frente.
Inicialmente, para executar a inferncia, necessrio que usurio escolha qual dispositivo ser utilizado e clique na opo de "Processar RNA", como mostrado na figura
5.19(a). Aps a rede ter sido processada, o sistema habilita duas funcionalidades: a anlise da rede neural e a gerao da inferncia dos dados, que a funcionalidade principal
do mdulo. Essas funcionalidades habilitadas podem ser observadas na figura 5.19(b).
Com a opo de "Anlise da Rede" possvel observar os grficos de validao da
rede. A validao sem realimentao da rede ARX, que no acumula o erro de inferncia,
68
(a) Tela inicial.
(b) Tela de processamento da RNA.
Figura 5.19: Tela do sistema de inferncia utilizando RNA.

e a validao com a realimentao, utilizada para procurar a rede mais especialista, como
descrito na seo 4.2.3. Os grficos gerados pela anlise da rede podem ser vistos na
figura 5.20.
Atravs dos grficos de validao apresentados na figura 5.20, nota-se que a rede neural, escolhida como melhor especialista, consegue obter um bom desempenho na validao, tanto quando a validao realizada realimentando o sada na entrada futura quanto
na validao da rede sem realimentao. Aps processar a rede, etapa que cria, treina e
retreina at encontrar a melhor rede, possvel gerar a inferncia dos dados, etapa principal do mdulo. Na figura 5.21 mostrado o resultado da gerao de valores inferidos da
vida til da bateria do dispositivo TT-WH-03.
Observe que no grfico mostrado na figura 5.21 existem amostras de duas cores diferentes. As amostras apresentadas na cor vermelha so dados reais, coletados pelo PWLogger e utilizados pelo PW-DataAnalyzer para fazer o treinamento da rede neural. J as
amostras apresentadas na cor azul so os dados inferidos pela rede neural do mdulo de
69
(a) Validao da RNA ARX sem realimentao.
(b) Validao da RNA ARX com realimentao.
Figura 5.20: Grficos de validao da rede neural ARX.

avaliao por inferncia. Observa-se que o sistema infere dados do dia 16 de abril, dados
que no foram apresentados rede de acordo com o grfico mostrado em 5.17. Essa limitao da inferncia de, aproximadamente, 30% do tamanho do conjunto de treinamento
devido utilizao de modelos NARX, que no apresentam eficincia quando o conjunto
de dados inferidos grande. O grande motivo desse problema que um erro de inferncia
gerado em um instante da execuo da rede acumulado, gerando assim uma totalizao
de erros que pode levar os dados futuros a valores extremamente grandes positivamente
ou negativamente, ou melhor, levando os dados inferidos ao infinito.
Figura 5.21: Grfico de inferncia da vida til da bateria do dispositivo TT-WH-03.
70
Captulo 6
Concluso
O cenrio das redes sem fio para a comunicao entre dispositivos de campo na automao industrial est crescendo. Nesse crescimento, muitos protocolos e equipamentos
esto sendo desenvolvidos para suprir essa necessidade da indstria. Porm, para que tal
tecnologia consiga penetrar na indstria, necessrio que ela seja confivel e validada.
Nesse sentido, esta dissertao apresentou uma ferramenta capaz de avaliar, atravs
de diversas formas e de diversos parmetros, redes industriais baseadas nos protocolos
WirelessHART e ISA 100.11a. Trazendo como vantagens a incluso de elementos matemticos que facilitaram na visualizao da avaliao, como tambm, tcnicas inteligentes
para entender o comportamento da rede e prever informaes.
A ferramenta foi utilizada para avaliar algumas redes, conforme apresentado no captulo 5. No primeiro estudo de caso foram retirados grficos que avaliaram o trfego
de dados pelos caminhos, o nvel de potncia dos sinais e a estabilidade dos caminhos.
No segundo estudo de caso foram avaliados os parmetros que indicam as possveis rotas
primria e secundria de um dispositivo em uma rede em malha, para tal estudo foram
realizados testes com as duas tecnologias: WirelessHART Emerson e ISA 100.11a Yokogawa. E, por fim, foi realizado uma avaliao para inferir a vida til da bateria de
um dispositivo de campo utilizando a rede neural implementada na ferramenta. Com os
resultados obtidos nesses estudos de caso, nota-se que a ferramenta desenvolvida nesta
dissertao apoia diversas avaliaes das redes industriais baseadas nos protocolos WirelessHART e ISA 100.11a.
As avaliaes apresentadas e desenvolvidas na ferramenta podem apoiar projetos de
desenvolvimento, teste e instalao das tecnologias. Alm disso, pode auxiliar na deciso
de procedimentos de manuteno das redes, por exemplo, quando existe a necessidade de
troca de bateria de um ou mais dispositivos da rede, ou, quando existe a necessidade de
mudana de topologia para melhorar a estabilidade e a confiabilidade da rede. A partir de
CAPTULO 6. CONCLUSO
72
todas essas avaliaes possvel utilizar a tecnologia com maior confiana.
6.1
Trabalhos futuros
Apesar dos resultados eficazes obtidos pela ferramenta, ainda existem muitos avaliaes a serem implementadas. Abaixo segue alguns pontos importantes para incluir e
melhorar no trabalho.
Definir quais os outros parmetros que podem ser coletados dos drivers para serem
avaliados.
Definir outros tipos de grficos de diagnstico de um dispositivo, apresentando a
maior quantidade de informaes de forma intuita.
Melhorar a avaliao por inferncia da vida til da bateria incluindo mais parmetros de entrada da rede neural.
Incluir mais tcnicas inteligentes para o diagnstico dos dispositivos de campo nas
redes industriais sem fio.
6.2
Publicaes associadas
A ferramenta desenvolvida nesta dissertao foi utilizada na gerao das seguintes

publicaes:
"Cenrio Atual das Redes Industriais Sem Fio: Experimentos e Testes de CampoRio Automao, 2015.
"Cenrio Atual das Redes Industriais Sem Fio: Experimentos e Testes de Redes em
Malha- Simpsio Brasileiro de Automao Inteligente, 2015 [submetido].
Referncias Bibliogrficas
Arumugam, Gopi Saminathan & Thirumurugan Ponnuchamy (2015), Ee-leach: development of energy-efficient leach protocol for data gathering in wsn, EURASIP Journal
on Wireless Communications and Networking 2015(1), 19.
Baidya, Sonali Sen & Abhishek Baidya (2015), Energy conservation in a wireless sensor
network by an efficient routing mechanism, em Communication, Information &
Computing Technology (ICCICT), 2015 International Conference on, IEEE, pp. 1
6.
Bega, Egdio Alberto (2011), Instrumentao Industrial, Rio de Janeiro: Intercincia.
Beitollahzadeh, Jaber, Abdollah Amirkhani Shahraki & Karim Mohammadi (2013), A
new method for increasing the lifetime of network and reducing energy consumption
in wireless sensor network, em Electrical Engineering (ICEE), 2013 21st Iranian
Conference on, IEEE, pp. 15.
Chen, D., M. Nixon & A. Mok (2010), WirelessHART: Real-Time Mesh Network for
Industrial Automation, Springer.
Christin, Delphine, Parag S Mogre & Matthias Hollick (2010), Survey on wireless sensor
network technologies for industrial automation: The security and quality of service
perspectives, Future Internet 2(2), 96125.
Collotta, Mario, Giovanni Pau & Gianfranco Scata (2014), A fuzzy system to reduce
power consumption in wireless sensor networks: A comparison between wirelesshart and ieee 802.15.4, em Energy Conference (ENERGYCON), 2014 IEEE International, IEEE, pp. 766771.
Costa, Mrcio S & Jorge LM Amaral (2012), Anlise de redes sem fio industriaisisa100
x wirelesshart, InTechAmerica do Sul, So Paulo (140), 6167.
de Campos, Mario Massa & Kaku Saito (2004), Sistemas inteligentes em controle e automao de processos, Cincia Moderna.
73
REFERNCIAS BIBLIOGRFICAS
74
Gomes, Ruan D, Marcelo S Alencar, Iguatemi E Fonseca & Abel C Lima Filho (2014),
Desafios de redes de sensores sem fio industriais, Revista de Tecnologia da Informao e Comunicao 4(1).
Goyal, Rahul (n.d.), A review on energy efficient clustering routing protocol in wireless
sensor network.
Guimares, Paulo (2008), Mtodos Quantitativos Estatsticos, IESDE Brasil.
Haykin, Simon S (2001), Redes neurais, Bookman.
Heaton, Jeff (2010), Programming neural networks with encog 2 in java. heaton research.
Kiani, Farzad, Ehsan Amiri, Mazdak Zamani, Touraj Khodadadi & Azizah Abdul Manaf
(2015), Efficient intelligent energy routing protocol in wireless sensor networks,
International Journal of Distributed Sensor Networks 2015.
Kulkarni, Raghavendra V, Anna Forster & Ganesh Kumar Venayagamoorthy (2011),
Computational intelligence in wireless sensor networks: A survey, Communications Surveys & Tutorials, IEEE 13(1), 6896.
Kumar Somappa, Admar Ajith, Knut Ovsthus & Lars M Kristensen (2014), An industrial
perspective on wireless sensor networks - a survey of requirements, protocols, and
challenges, Communications Surveys & Tutorials, IEEE 16(3), 13911412.
Lajara, Rafael J, Juan J Perez-Solano & Jose Pelegri-Sebastia (2015), A method for modeling the battery state of charge in wireless sensor networks, Sensors Journal,
IEEE 15(2), 11861197.
Lin, Tsungnan, Bill G Horne, Peter Tino & C Lee Giles (1998), Learning long-term
dependencies is not as difficult with narx recurrent neural networks.
Lopes, Daniel, Heitor Medeiros Florencio, Adrio Duarte Neto, Ivanovitch Medeiros
Silva, Anderson Santos & Luiz Affonso Guedes (2015), Cenrio atual das redes
industriais sem fio: Experimentos e testes de campo, Congresso Rio Automao .
Lopes, Kennedy Reurison (2009), Implementao de classificador neural no ambiente
Foundation Fieldbus, Tese de doutorado, UNIVERSIDADE FEDERAL DO RIO
GRANDE DO NORTE.
Lugli, Alexandre B. (2014), Redes sem fio para automao industrial, So Paulo: Erica.
75
Oliveira, Alan Vicente (2012), Anlise comparativa de metodologias de estimao de

parmetros aplicada a modelos analticos utilizados na predio do tempo de vida
de uma bateria, Mestrado em modelagem matemtica, Programa de Ps-Graduao
em Modelagem Matemtica, Iju, RS, Brasil.
OLIVEIRA, JLIO CSAR MELO GOMES DE (2015), Desenvolvimento de sistema de
monitoramento de redes wirelesshart, Universidade federal do rio grande do norte.
Petersen, Stig & Simon Carlsen (2011), Wirelesshart versus isa100. 11a: the format war
hits the factory floor, Industrial Electronics Magazine, IEEE 5(4), 2334.
Rezha, Fadillah Purnama & Soo Young Shin (2014), Performance analysis of isa100. 11a
under interference from an ieee 802.11 b wireless network, Industrial Informatics,
IEEE Transactions on 10(2), 919927.
Rukpakavong, Wilawan, Lin Guan & Iain Phillips (2014), Dynamic node lifetime estimation for wireless sensor networks, Sensors Journal, IEEE 14(5), 13701379.
Schneider, Keila Kleveston (2011), Modelos analticos na predio do tempo de vida de
baterias utilizadas em dispositivos mveis, Tese de doutorado, Universidade Regional do Noroeste do Estado do Rio Grande do Sul.
Semente, Rodrigo S, Alonso Silva, Andrs O Salazar, Felipe DM Oliveira & Alberto S
Lock (2013), A energy efficient wsn system for limited power source environments,
em Sensing Technology (ICST), 2013 Seventh International Conference on, IEEE,
pp. 193197.
Siegelmann, Hava T, Bill G Horne & C Lee Giles (1997), Computational capabilities of
recurrent narx neural networks, Systems, Man, and Cybernetics, Part B: Cybernetics, IEEE Transactions on 27(2), 208215.
Silva, IMD (2013), Uma Metodologia para Modelagem e Avaliao da dependabilidade
de Redes Industriais Sem Fio. 175p, Tese de doutorado, Tese (Doutorado em Engenharia Eltrica e Computao), Universidade Federal do Rio Grande do Norte,
Natal, RN.
Standard, IEC (2010), Industrial communication networks - wireless communication
network and communication profiles - wirelesshart, IEC 62591 .
Standard, IEC (2012), Industrial communication networks - wireless communication
network and communication profiles - isa 100.11a, IEC 62734 .
76
Standard, ISA (2009), Wireless systems for industrial automation: process control and
related applications, ISA-100.11 a-2009 .
TOM, WILLY MOSER DE FIGUEIREDO (2015), Desenvolvimento de um driver de
comunicao para coleta de dados em redes isa100.11a, Universidade federal do rio
grande do norte.
Willig, Andreas, Kirsten Matheus & Adam Wolisz (2005), Wireless technology in industrial networks, Proceedings of the IEEE 93(6), 11301151.
Yang, Dong, Youzhi Xu & Mikael Gidlund (2010), Coexistence of ieee802. 15.4 based
networks: A survey, em IECON 2010-36th Annual Conference on IEEE Industrial
Electronics Society, IEEE, pp. 21072113.

HeitorMedeirosFlorencio DISSERT

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

HeitorMedeirosFlorencio DISSERT

Hochgeladen von

Copyright:

Verfügbare Formate

UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE

U NIVERSIDADE F EDERAL DO R IO G RANDE DO N ORTE

Ferramenta para avaliao e inferncia de

Heitor Medeiros Florencio

Nmero de Ordem do PPgEEC: M451

UFRN / Biblioteca Central Zila Mamede

Ferramenta para avaliao e inferncia de

Heitor Medeiros Florencio

Prof. Dr. Adrio Duarte Dria Neto (orientador) . . . . . . . . . . . . . . . . DCA/UFRN

Prof. Dr. Luiz Affonso Henderson Guedes de Oliveira . . . . . . . . . . DCA/UFRN

Prof. Dr. Ivanovitch Medeiros Dantas da Silva . . . . . . . . . . . . . . . . . . IMD/UFRN

Prof. Dr. Dennis Brando . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . EESC/USP

Aos meus pais, Florncio e

Redes industriais sem fio

Protocolos de comunicao sem fio: WirelessHART e ISA 100.11a . . . .

Elementos matemticos para avaliao e inferncia

Redes neurais artificiais . . . . . . . . . . . . . . . . . . . . . . . . . . .

Perceptron de mltiplas camadas (MLP) . . . . . . . . . . . . . .

Redes neurais recorrentes autorregressiva no linear com entradas

Ferramenta para avaliao e inferncia

Aquisio e registro dos dados: PW-Logger . . . . . . . . . . . . . . . .

Registro dos dados . . . . . . . . . . . . . . . . . . . . . . . . .

Avaliao por inferncia . . . . . . . . . . . . . . . . . . . . . .

Exemplo de uma rede WirelessHART . . . . . . . . . . . . . . . . . . .

Exemplo de uma rede ISA 100.11a . . . . . . . . . . . . . . . . . . . . .

Diferentes modos de salto de frequncia suportados pelo ISA 100.11a.

Estimador de vida til de bateria - SiliconLabs. Fonte: Website da SiliconLabs. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Representao grfica do diagrama de caixa. . . . . . . . . . . . . . . . .

Neurnios interligados formando uma rede neural . . . . . . . . . . . . .

Modelo de neurnio artificial de McCulloch-Pitts . . . . . . . . . . . . .

Tipos de aprendizagem: supervisionada (a) e no supervisionada (b) . . .

RNA simples de camada nica . . . . . . . . . . . . . . . . . . . . . . .

RNA simples de mltiplas camadas . . . . . . . . . . . . . . . . . . . .

Rede ARX com dois atrasos na entrada e na sada . . . . . . . . . . . . .

Modelo de associao do PW-DataAnalyzer com o PW-Logger . . . . . .

Blocos de informaes do PW-Logger . . . . . . . . . . . . . . . . . . .

PW-DataAnalyzer e seus mdulos de avaliao. . . . . . . . . . . . . . .

Processo de atraso de amostras . . . . . . . . . . . . . . . . . . . . . . .

Modelo da rede neural . . . . . . . . . . . . . . . . . . . . . . . . . . .

Fluxograma parcial do sistema de inferncia da vida til da bateria. . . . .

Fluxograma final do sistema de inferncia da vida til da bateria. . . . . .

Rede ISA 100.11a adotada no estudo de caso 01 . . . . . . . . . . . . . .

Grficos de quantidade de pacotes transmitidos pelos dispositivos de campo

Grficos de quantidade de pacotes falhos na transmisso dos dispositivos

Grficos de pacotes transmitidos e falhos dos dispositivos de campo de

Grficos de nvel de potncia dos sinais recebidos pelos dispositivos de

Grfico de estabilidade do caminho entre os dispositivos LD-IS-01 e TTIS-05. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Grfico de estabilidade do caminho entre os dispositivos TT-IS-01 e YFGWBBR001. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58

Topologia adotada no estudo de caso 02. . . . . . . . . . . . . . . . . . .

5.10 Topologias de testes. . . . . . . . . . . . . . . . . . . . . . . . . . . . .

5.11 Linhas do tempo para o funcionamento das redes. . . . . . . . . . . . . .

5.12 Grficos de avaliao dos pacotes transmitidos pelos dispositivos de teste.

5.13 Grfico de parmetros de indicao das rotas primria e secundria do

5.14 Grfico de inferncia das rotas primria e secundria do dispositivo ISA

5.15 Grfico de parmetros de indicao das rotas primria e secundria do

5.16 Grfico de inferncia das rotas primria e secundria do dispositivo WirelessHART. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

5.17 Grfico da vida til da bateria do dispositivo TT-WH-03. . . . . . . . . .

5.18 Parte do grfico da vida til da bateria do dispositivo TT-WH-03. . . . . .

5.19 Tela do sistema de inferncia utilizando RNA. . . . . . . . . . . . . . . .

5.20 Grficos de validao da rede neural ARX. . . . . . . . . . . . . . . . . .

5.21 Grfico de inferncia da vida til da bateria do dispositivo TT-WH-03. . .

Tabela de estimao da vida da bateria da Honeywell. Fonte: 2014HONEYWELL-alive-on-batteries . . . . . . . . . . . . . . . . . . . . .

Tabela de estimao da vida da bateria da Emerson. Fonte: 2014-EMERSONSmartPower . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21