APLICAÇÃO DE MACHINE LEARNING A DETECÇÃO E DIAGNÓSTICO DE FALHAS EM PROCESSO QUÍMICO

RESUMO – utilizamos novos métodos de Machine Learning (ML) (redes neuronais recorrentes, simples e gated e redes de convolução 2D) e comparamos sua eficiência com métodos lineares tradicionais (análise de componentes principais e do discriminante de Fischer dinâmico) para investigação de eficiência na detecção e diagnóstico de falhas em um benchmark de planta completa. Um grande volume de dados foi empregado para simular um contexto “big data” industrial. Os resultados para as técnicas de ML foram superiores aos das lineares, com uma melhora de até 8 % em acurácia, porém o treinamento foi complexo e computacionalmente custoso.