Rodrigo Rizzi Starr. Contribuições para A Detecção de Vazamentos em Tubulações de Gás Natural - Uma Abordagem Baseada em Conhecimento

Rodrigo Rizzi Starr
Contribuies para a deteco de vazamentos em

tubulaes de gs natural:
Uma abordagem baseada em conhecimento
Florianpolis
30 de julho de 2006
UNIVERSIDADE FEDERAL DE SANTA CATARINA
PROGRAMA DE PS-GRADUAO EM
ENGENHARIA MECNICA
CONTRIBUIES PARA A DETECO DE VAZAMENTOS EM

TUBULAES DE GS NATURAL: UMA ABORDAGEM BASEADA
EM CONHECIMENTO
Dissertao submetida
para obteno do grau de
MESTRE EM ENGENHARIA MECNICA
RODRIGO RIZZI STARR
Florianpolis, julho de 2006.

ii

PROGRAMA DE PS-GRADUAO EM
ENGENHARIA MECNICA
CONTRIBUIES PARA A DETECO DE VAZAMENTOS EM TUBULAES DE

GS NATURAL: UMA ABORDAGEM BASEADA EM CONHECIMENTO
RODRIGO RIZZI STARR
Esta dissertao foi julgada adequada para obteno do ttulo de

MESTRE EM ENGENHARIA
ESPECIALIDADE ENGENHARIA MECNICA

sendo aprovada em sua forma final.
Prof. Jonny Carlos da Silva, Dr. Eng. Orientador
Prof. Fernando Cabral, Ph.D. Coordenador do Curso
BANCA EXAMINADORA
Prof. Acires Dias, Dr. Eng. Presidente
Prof. Guilherme Bittencourt, Dr. Rer. Nat.
Prof. Nelson Back, Ph. D.

iii
E gozo, num momento sensitivo e competente,

A libertao de todas as especulaes
E a conscincia de que a metafsica uma
conseqncia de estar mal disposto.
Fernando Pessoa
iv
minha me, que teria gostado de ver isto pronto

v
Agradecimentos
Agradeo a todos os que me aguentaram por esses longos anos. Em especial, gostaria de
agradecer minha famlia, por ter me apoiado quando decidi fazer um mestrado. Tambm quero
agradecer aos membros da equipe do projeto SEGRED, pois tornaram suportveis os percalos
que o projeto enfrentou. Ainda relacionado ao projeto SEGRED, gostaria de agradecer a com-
preenso e o interesse de todos os controladores do gasoduto que participaram das entrevistas
de aquisio de conhecimento.
Tambm gostaria de agradecer aos muitos amigos que me ajudaram lendo este trabalho e
dando opinies. Estes foram: meu pai, Greice Bauer, Luis Fernando Calil, Yuji Sakurada, Cyro
Albuquerque e Gustavo Alves. Muitos dos acertos deste trabalho so culpa deles. Os erros,
obviamente, so culpa nica e exclusivamente minha. Quero tambm agradecer ao Gustavo
Alves pelas frutferas discusses sobre programao, por ter me auxiliado a decifrar algumas
das mensagens de erro mais crpticas do g++ e por ter me ensinado a fazer compilao cruzada.
Aos meus companheiros de repblica Luis Antonio e Yuji agradeo por terem relevado meu
mau humor e minha recalcitrante recusa em lavar a loua durante os meses finais desse trabalho.
Agradeo tambm a Greice por ter me aturado durante esses dois anos, inclusive nos meus
momentos de mau humor.
Finalmente, agradeo ao meu orientador pelo apoio e a CNPq por ter patrocinado parte
deste trabalho.
vi
Sumrio
Lista de Figuras ix
Lista de Tabelas xi
Lista de siglas xii
Lista de smbolos e operadores xiv
Resumo xvi
Abstract xvii
1 Introduo 1
1.1 Objetivo e justificativa do trabalho . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Gasoduto Bolvia-Brasil . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Projeto SEGRED . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4 Organizao do texto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2 Deteco de vazamentos 12
2.1 Deteco de vazamentos por mtodos biolgicos . . . . . . . . . . . . . . . . 14
2.2 Deteco de vazamentos por hardware . . . . . . . . . . . . . . . . . . . . . . 14
2.3 Deteco de vazamentos por software . . . . . . . . . . . . . . . . . . . . . . 16
2.3.1 Variaes abruptas de fluxo ou presso . . . . . . . . . . . . . . . . . 16
2.3.2 Balano de massa ou volume . . . . . . . . . . . . . . . . . . . . . . . 17
2.3.3 Sistemas baseados em modelo dinmico . . . . . . . . . . . . . . . . . 18

Sumrio vii
2.3.4 Anlise pontual de presso . . . . . . . . . . . . . . . . . . . . . . . . 19
2.4 Descrio de algumas implementaes . . . . . . . . . . . . . . . . . . . . . . 20
2.4.1 Mtodos baseados em identificao de sistemas e sistemas dinmicos . 20
2.4.2 Mtodos baseados em anlises estatsticas . . . . . . . . . . . . . . . . 24
2.4.3 Mtodos baseados em tcnicas de inteligncia artificial ou heursticas . 27
2.5 Deficincias de sistemas de deteco de vazamentos por software . . . . . . . . 31
2.6 Sistema instalado na empresa-alvo . . . . . . . . . . . . . . . . . . . . . . . . 32
2.7 Concluses do captulo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3 Sistemas baseados em conhecimento 37
3.1 Engenharia do conhecimento . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.2 Representao de conhecimento e inferncia . . . . . . . . . . . . . . . . . . . 40
3.2.1 Ontologias, quadros e redes semnticas . . . . . . . . . . . . . . . . . 41
3.2.2 Sistemas de produo . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.2.3 Lgica difusa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.3 Ferramentas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.4 Concluses do captulo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
4 Descrio do prottipo 60
4.1 Requisitos do sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.2 Aquisio de conhecimento . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4.2.1 Anlises que devem ser realizadas pelo sistema . . . . . . . . . . . . . 67
4.3 Implementao da base de conhecimento . . . . . . . . . . . . . . . . . . . . . 70
4.3.1 Arquitetura do sistema . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.3.2 Anlise dos sinais do SCADA . . . . . . . . . . . . . . . . . . . . . . 82
4.3.3 Sistema de inferncia difusa . . . . . . . . . . . . . . . . . . . . . . . 85
4.4 Testes e avaliao de performance . . . . . . . . . . . . . . . . . . . . . . . . 89

Sumrio viii
4.4.1 Testes realizados sobre o subsistema de anlise numrica . . . . . . . . 89
4.4.2 Testes realizados sobre o sistema como um todo . . . . . . . . . . . . . 90
4.5 Arquitetura proposta para o mdulo de explicao . . . . . . . . . . . . . . . . 92
4.6 Comentrios sobre o desenvolvimento . . . . . . . . . . . . . . . . . . . . . . 95
5 Concluso e recomendaes para trabalhos futuros 98
5.1 Recomendaes para trabalhos futuros . . . . . . . . . . . . . . . . . . . . . . 100
Referncias 102
Apndice A Exemplos de uso do sistema 107
Apndice B Vocabulrio tcnico sobre gasodutos 110

ix
Lista de Figuras
1.1 Mapa do gasoduto Bolvia-Brasil . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Estao de entrega . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Estao de compresso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4 Vlvula de bloqueio de trecho . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.5 Exemplo de tela do SCADA . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.6 Viso geral da arquitetura do SEGRED Rede . . . . . . . . . . . . . . . . . . 9
1.7 Diagrama das classes que representam o gasoduto. . . . . . . . . . . . . . . . 9
2.1 Trecho de tubulao utilizado para simular um vazamento. . . . . . . . . . . . 29
2.2 Esquema do funcionamento dos filtros PQ e QP. . . . . . . . . . . . . . . . . . 33
3.1 Exemplo de uma ontologia simples com apenas um tipo de relao . . . . . . . 43
3.2 Exemplo de uma ontologia mais complexa . . . . . . . . . . . . . . . . . . . . 44
3.3 Exemplo de rede semntica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.4 Exemplo de um quadro e de um sistema de quadros . . . . . . . . . . . . . . . 46
3.5 Arquitetura de um sistema especialista . . . . . . . . . . . . . . . . . . . . . . 49
4.1 Ontologia de situaes operacionais possveis para o sistema especialista. . . . 68
4.2 Diagrama do processo de inferncia da classificao heurstica . . . . . . . . . 70
4.3 Diagrama das classes utilizadas para representar o gasoduto . . . . . . . . . . . 72
4.4 Classes para a representao dos estados dos filtros e concluses do sistema . . 73
4.5 Diagrama de influncia das anlises no contexto de filtros . . . . . . . . . . . . 76
4.6 Diagrama de influncia das anlises no contexto de anlises dos sensores . . . . 78
4.7 Diagrama de influncia das anlises no contexto de posio geogrfica . . . . . 79
4.8 Diagrama de influncia das anlises intermedirias . . . . . . . . . . . . . . . 80

Lista de Figuras x
4.9 Diagrama de influncia da parte final das anlises . . . . . . . . . . . . . . . . 81
4.10 Exemplo de aproximao produzida pelo algoritmo . . . . . . . . . . . . . . . 83
4.11 Classes da implementao das anlises sobre os dados dos sensores. . . . . . . 84
4.12 Diagrama das classes utilizadas no sistema de inferncia difusa. . . . . . . . . 88
4.13 rvore de inferncia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
A.1 Tela inicial do sistema de deteco de vazamentos . . . . . . . . . . . . . . . . 107
A.2 Exemplo de anlise do detector de vazamentos: situao normal . . . . . . . . 108
A.3 Exemplo de anlise do detector de vazamentos: vazamento prximo a EE . . . 108
A.4 Exemplo de anlise do detector de vazamentos: empacotamento . . . . . . . . 109

xi
Lista de Tabelas
2.1 Caractersticas da linha simulada em (BILLMAN; ISERMANN, 1987). . . . . . . . 22
2.2 Caractersticas da linha simulada em (BENKHEROUF; ALLIDINA, 1988). . . . . . 23
2.3 Caractersticas do duto Niigata-Sendai (Japo). . . . . . . . . . . . . . . . . . 24
2.4 Caractersticas da linha simulada em (TURNER; MUDFORD, 1988). . . . . . . . 25
2.5 Caractersticas da linha de testes utilizada em (WANG et al., 1993). . . . . . . . . 27
2.6 Caractersticas da linha de referncia utilizada em (BELSITO et al., 1998). . . . . 27
2.7 Desempenho do sistema de localizao de vazamentos de (BELSITO et al., 1998). 28
4.1 Mapa de conhecimento para o sistema. . . . . . . . . . . . . . . . . . . . . . . 68
4.2 Valores dos conjuntos difusos utilizados na anlise dos filtros. . . . . . . . . . 75
4.3 Valores para os filtros do PMS em cada um dos casos testados . . . . . . . . . 90
4.4 Resultados dos testes para as situaes bem determinadas. . . . . . . . . . . . 91
4.5 Resultados dos testes para as situaes mal determinadas . . . . . . . . . . . . 91
4.6 Situao da implementao de cada um dos requisitos do sistema. . . . . . . . 95

xii
Lista de siglas
ANP Agncia Nacional do Petrleo, Gs Natural e Biocombustveis
CENPES Centro de pesquisas da Petrobrs
CLIPS C Language Expert System Shell shell para produo de sistemas especialistas
CLP Controlador Lgico Programvel
CSC Central de superviso e controle
ECOMP Estao de compresso
EE Estao de entrega
GLP Gs Liqefeito de Petrleo
GNC Gs Natural Comprimido
GNL Gs Natural Liqefeito
GNV Gs Natural Veicular
IA Inteligncia Artificial
LGN Lquido de Gs Natural
LSS Leak Sensitivity Study estudo de sensibilidade para deteco de vazamentos
MCC Manuteno centrada em confiabilidade
NASA National Aeronautics and Space Administration agncia de administrao

aeronutica e espacial americana
PIG Pipeline Inspection Gauge dispositivo de inspeo de dutos
PMS Pipeline Management System sistema de deteco de vazamentos e

gerenciamento de gasodutos fornecido pela Energy Solutions International
Lista de siglas xiii
PQ Modelo onde as condies de contorno a montante so de presso e as condies

de contorno a jusante so de vazo
QP Modelo onde as condies de contorno a montante so de vazo e as condies

de contorno a jusante so de presso
RNA Rede neural artificial
SCADA Supervisory Control anda Data Acquisition Sistema de aquisio de dados e

controle supervisrio
SDV Sistema de Deteco de Vazamentos
SE Sistema especialista
SEGRED Sistema Especialista para Gerenciamento de Redes de Transporte de Gs Natural
SVD Singular Value Decomposition decomposio em valores singulares
TBG Transportadora Brasileira Gasoduto Bolvia-Brasil S.A.
UF Unexpected Flow desbalanceamento de vazo
UFSC Universidade Federal de Santa Catarina
UP Unexpected Pressure desbalanceamento de presso
UPGN Unidade de Processamento de Gs Natural
VES Vlvula de bloqueio de trecho (vlvula de esfera)
VSAT Very Small Aperture Terminal sistema de comunicao via satlite

xiv
Lista de smbolos e operadores
q Fluxo de massa em um trecho do duto
qi Fluxo de massa entrando em um trecho do duto
qo Fluxo de massa saindo de um trecho do duto
Me Massa contida em um trecho do duto
R Valor do desbalanceamento de massa no duto
A Parmetro de sensibilidade de um detector de vazamento
E{g(x)} Valor esperado de g(x). definida (KOOP, 2003), para o caso em que x discreto,
como:
N
X
E{g(x)} = g(xi )p(xi )
i=1
onde p(xi ) a probabilidade de ocorrncia do evento xi . Para o caso contnuo a
definio fica: Z
E{g(x)} = g(xi )p(xi )dx

desde que |E{g(x)}| <
x
b O valor estimado de x
Desvio padro
X Universo de discurso
A Conjunto difuso
e
A Funo de pertinncia de um conjunto difuso
e
A (x) Valor da pertinncia do elemento x X ao conjunto A

e e
a Varivel difusa. Representa a pertinncia de um determinado elemento a um de-

e
terminado conjunto difuso
h Funo difusa
e
Lista de smbolos e operadores xv
g Funo de agregao
e
a Funo de ativao
e
w Funo peso
e
min(, . . .) Mnimo entre vrios elementos, ou o menor elemento de um vetor
max(, . . .) Mximo entre vrios elementos, ou o maior elemento de um vetor

sup x f (x) O maior valor da funo f (x), para x variando dentro de seu domnio

inf x f (x) O menor valor da funo f (x), para x variando dentro de seu domnio
() Operador de disjuno (ou lgico)
() Operador de conjuno (e lgico)
() Operador de negao
C(a) Valor de certeza de uma varivel difusa. definido como:

e

1
C(a) = 2 a

e e 2
e(A) Entropia de um conjunto difuso A. definida como:

e e
!
X 1
e(A) = 1 2 A (x)

e xX e 2
N Conjunto dos nmeros naturais
Z Conjunto dos nmeros inteiros
R Conjunto dos nmeros reais
LI Cadeia de caracteres
xvi
Resumo
Este trabalho trata da criao do prottipo de um sistema especialista para refinar mtodos
de deteco de vazamentos j existentes. A presena de sistemas de deteco de vazamentos em
dutos de transporte de leo ou gs importante pois, devido s grandes vazes e ao tipo de ma-
terial transportado nesses dutos, preciso detectar vazamentos rapidamente, de modo a evitar
perdas humanas, financeiras e danos ambientais. Um dos mtodos mais comuns para a detec-
o de vazamentos a realizao de anlises sobre os valores de sensores j presentes no duto
para outras funes. Este mtodo de deteco de vazamentos costuma ser chamado de detec-
o de vazamentos por software. Apesar de ser amplamente utilizado na indstria, este mtodo
tem algumas deficincias, entre elas uma sensibilidade reduzida e em alguns casos uma taxa de
alarmes falsos elevada. No entanto, com o contato dirio com estes sistemas, os controladores
do duto acabam desenvolvendo heursticas para lidar com as deficincias do sistema. Alm
disso, os controladores costumam utilizar o resultado das anlises do detector de vazamentos
na avaliao de outras condies presentes no duto. Sendo assim, esse trabalho apresenta a
implementao do prottipo de um sistema especialista capaz de realizar algumas das anlises
realizadas pelos controladores do duto. Esta implementao foi feita em parceria com uma
empresa controladora de um gasoduto de grandes dimenses. O sistema foi desenvolvido utili-
zando a fuso de um sistema especialista tradicional com um sistema baseado em lgica difusa.
O prottipo foi capaz de realizar satisfatriamente algumas das anlises necessrias, porm o
processo de desenvolvimento se mostrou extremamente dependente da empresa onde o sistema
ser instalado. Foi identificado que o suporte gerencial desta empresa fundamental para o
sucesso de um sistema deste tipo, sobretudo na etapa de aquisio de conhecimento.
Palavras-chave: Sistemas especialistas. Lgica difusa. Deteco de vazamentos. Gs natural.
xvii
Abstract
This work deals with the implementation of an expert system prototype to refine existing
leak detection methods. The presence of leak detection systems in oil or gas transportation pi-
pelines is important because, due to large flow rates and kinds of fluid usually flowing through
these pipelines, it is necessary to promptly detect leaks, so as to avoid human and financial
losses and environmental damages. One of the most common method of leak detection is the
analysis of information provided by sensors installed on the pipeline for other functions. This
method of leak detection is usually called software-based leak detection. Despite being widely
used in industry, this method has some drawbacks, among them a small sensitivity and, some-
times, a high rate of false alarms. On the other hand, in the daily contact with these systems,
pipeline controllers end up developing heuristics to deal with the system deficiencies. Besides,
pipeline controllers also use the results of the leak detector analysis while evaluating other ope-
rational conditions. Thus, this work presents the implementation of an expert system prototype
able to carry out some of the analysis performed by pipeline controllers. This prototype was
implemented in a partnership with a gas pipeline controller company. This system has been
developed using the fusion of a traditional expert system with a fuzzy logic based system. The
prototype was able to perform satisfactorily some of the required analysis, but the development
process has shown itself very dependent on the company where the system will be installed. It
has been identified that management support from this company is of fundamental importance
to the success of the development process, specially during knowledge acquisition.
Keywords: Expert systems. Fuzzy logic. Leak detection. Natural gas.
1
1 Introduo
Enquanto gasodutos e oleodutos so um mtodo eficiente e econmico de transportar flui-

dos por longas distncias, os riscos associados a vazamentos potenciais so altos. Vazamentos
em dutos carregando fluidos como leo, gasolina ou gs natural podem causar graves aciden-
tes, com risco de perdas humanas, danos ao meio ambiente e perdas materiais (BELSITO et al.,
1998). Alm disso, nos dutos de transporte de lquidos, existe tambm o problema do roubo de
mercadoria (IOURTCHENKO; LOSENKOV, 2002).
Como em dutos de transporte normalmente as vazes so muito grandes, mesmo o vaza-

mento de uma porcentagem pequena do fluxo de massa do duto pode ter conseqncias catas-
trficas se no for mitigado a tempo. Alm disso, este tipo de duto costuma passar por regies
pouco habitadas, onde um acidente, ainda que tenha uma chance menor de causar perdas huma-
nas, pode ficar oculto por mais tempo, provocando maiores danos ambientais e financeiros.
Por estas razes, dutos deste tipo sempre contam com algum sistema de deteco de va-
zamentos (SDV). Pelas mesmas razes, as legislaes sobre o setor nos EUA e na Alemanha
exigem que este tipo de sistema sempre seja instalado. A norma alem requere ainda que dois
sistemas independentes estejam ativos durante a operao e pelo menos um esteja ativo caso o
duto esteja inoperante, mas no esteja vazio (MATKO et al., 2003; EUA, 2005).
Estes sistemas de deteco de vazamentos operam sobre dados obtidos de sensores no duto
e, utilizando diferentes tcnicas, determinam se est ocorrendo um vazamento e, quando poss-
vel, onde ele est ocorrendo e qual a quantidade de produto vazado. Assim, devido aos dados
recolhidos do duto ou s anlises realizadas, comum em implementaes comerciais que es-
ses sistemas de deteco apresentem para os controladores do duto mais informaes alm das
relacionadas deteco de vazamentos propriamente dita. Por isso estes sistemas normalmente
integram outras funes, como rastreamento de PIGs (Pipeline Inspection Gauge dispositivo
para inspeo de dutos) e controle de estoque (quantidade de produto dentro do duto).
Diante do exposto acima, este trabalho visa estudar as vantagens que uma abordagem base-
ada em inteligncia artificial (IA) pode fornecer ao ser aplicada sobre os mtodos tradicionais
1.1 Objetivo e justificativa do trabalho 2
de deteco de vazamentos. Esse estudo foi feito no contexto do projeto SEGRED, que dis-
cutido mais adiante (seo 1.3). Para este projeto foi implementado um prottipo junto com
a empresa administradora do gasoduto Bolvia-Brasil, a TBG. Esta empresa ser chamada, de
agora em diante, de empresa-alvo.
1.1 Objetivo e justificativa do trabalho
O objetivo deste trabalho refinar o resultado de algoritmos de deteco de vazamentos

j existentes com o tipo de anlise que atualmente s pode ser feita pelos controladores do
duto. Assim, o que se prope melhorar um sistema de deteco de vazamentos j existente
utilizando o conhecimento dos controladores.
Para avaliar as vantagens e desvantagens desta abordagem foi feito um prottipo de um

sistema deste tipo. Para a implementao, foi utilizada uma integrao entre sistemas baseados
em regras e sistemas difusos. Os detalhes do processo de desenvolvimento esto descritos no
captulo 4 e permitem um estudo de caso do desenvolvimento de um sistema especialista.
A justificativa para uma abordagem desse tipo que, como para a deteco de vazamen-
tos necessrio realizar anlises detalhadas do estado do gasoduto, vrias outras situaes de
interesse para os controladores tambm podem ser detectadas. Alm disso, algumas situaes
podem influenciar no resultado do detector, fazendo com que ele emita alarmes falsos, ou no
seja capaz de executar sua funo corretamente. Criar um sistema que seja capaz de identificar
essas situaes e informar aos controladores, ou, por outro lado, utilizar as anlises do detector
para identificar diferentes situaes pode representar uma vantagem em termos operacionais.
1.2 Gasoduto Bolvia-Brasil
O sistema proposto neste trabalho foi implementado para o trecho brasileiro do gasoduto
Bolvia-Brasil. Nesta seo sero descritos detalhes do gasoduto necessrios compreenso do
sistema.
O trecho brasileiro do gasoduto Bolvia-Brasil estende-se desde a fronteira com a Bolvia

prxima a Corumb at a cidade de Canoas, prxima a Porto Alegre, no Rio Grande do Sul.
O gasoduto possui um comprimento total de 3.150 km, sendo 2.593 km no lado brasileiro. A
Figura 1.1 mostra um mapa com o gasoduto e todas as suas estaes.
1.2 Gasoduto Bolvia-Brasil 3
Figura 1.1: Mapa do gasoduto Bolvia-Brasil (cortesia da empresa-alvo).
Do ponto de vista deste trabalho, so importantes os seguintes componentes do gasoduto,

alm da tubulao propriamente dita:
Estaes de entrega (EEs);
Estaes de compresso (ECOMPs);
Vlvulas de bloqueio de trecho (VESs);
Central de superviso e controle (CSC).
As estaes de entrega so os pontos onde a custdia do gs transferida da empresa-

alvo para as distribuidoras regionais. Diz-se que ocorre uma transferncia de custdia porque
a empresa-alvo no dona do gs transportado. A principal funo dessas estaes diminuir
a temperatura e presso do gs at a condio de entrega, que definida por contrato, e medir
a quantidade de gs que foi entregue. Assim, nas EEs existem tanto vlvulas para diminuir a
presso do gs da presso em que ele transportado (normalmente entre 60.105 a 100.105 Pa)
at a presso em que ele deve ser entregue para a distribuidora (em torno de 35.105 Pa), quanto
aquecedores para compensar a queda de temperatura do gs devida expanso e manter o gs
ao redor da temperatura de entrega, que normalmente cerca de 20 C. Alm disso, estas esta-
es contam com sistemas para medir a quantidade de gs entregue, e sistemas de monitorao
e controle que, entre outras atividades, comunicam-se regularmente com o SCADA1 (Super-
visory Control and Data Acquisition sistema de aquisio de dados e controle supervisrio)
da empresa-alvo, para transmitir informaes pertinentes. Normalmente a freqncia com que
ocorre a comunicao baixa, em torno de 3 vezes por dia. Estas estaes contam com siste-
mas para que, caso ocorra alguma variao muito grande em algum parmetro monitorado, o
novo valor seja enviado imediatamente ao SCADA, independentemente de quando foi enviado
o ltimo pacote de dados. A Figura 1.2 mostra uma estao de entrega.
Figura 1.2: Estao de entrega (cortesia da empresa-alvo).
As estaes de compresso, como a mostrada na Figura 1.3, so responsveis por forne-

cer energia ao gs para compensar a perda de carga do duto. atravs delas que se ajusta a
quantidade de gs que transportada pelo gasoduto, e sua correta operao e funcionamento
fundamental para que a demanda de gs dos clientes possa ser atendida. Com exceo de
duas estaes no estado de So Paulo, todas as outras estaes do gasoduto so controladas
remotamente a partir da central de superviso e controle (CSC), na sede da empresa-alvo no
Rio de Janeiro. Uma ECOMP uma instalao complexa, que inclui de 2 a 4 compressores,
centrfugos ou alternativos; turbinas ou motores alternativos para acionamento dos compresso-
res; resfriadores para o gs natural (que se aquece devido ao trabalho de compresso); filtros;
sistema de gs de utilidades (utilizado, por exemplo, para alimentar os motores dos compresso-
res) e sistema de superviso e controle. Devido importncia e complexidade dessas estaes,
a freqncia de comunicao com a CSC muito maior que no caso das EEs, sendo em torno
de uma transferncia a cada segundo ou a cada trs segundos.
1 Nestetrabalho, quando se opta por utilizar um termo ou sigla no seu original em ingls, sempre em concor-
dncia com o modo como o termo utilizado dentro da empresa-alvo.
Figura 1.3: Vista geral de uma estao de compresso (cortesia da empresa-alvo).
Como existem variaes no consumo de cada EE, dependendo da hora do dia, do dia da
semana, e mesmo da poca do ano, as vazes nas ECOMPs devem ser sempre ajustadas de
acordo com o consumo previsto. Por esta razo comum aumentar ou diminuir a potncia apli-
cada pelos compressores. Por isso uma situao rara o gasoduto estar em regime permanente.
A situao normal estarem ocorrendo transientes de presso e vazo devido a esses ajustes.
Alm dessas duas estaes, um outro componente do gasoduto de interesse para o trabalho
a vlvula de bloqueio de trecho (VES). Estas vlvulas se encontram distribudas mais ou menos
uniformemente ao longo do duto, com uma distncia mdia de 30 km entre elas. Sua funo
isolar um trecho do gasoduto caso ocorra o rompimento da tubulao. Estas vlvulas devem
interromper o duto caso uma das seguintes condies seja detectada: ou a presso no gasoduto
est abaixo de um determinado limite (que varia dependendo da localizao da vlvula), ou a
presso est diminuindo com uma velocidade maior que um determinado limite (que tambm
varia de acordo com a localizao da vlvula). A Figura 1.4 mostra uma vlvula de bloqueio.
O princpio de funcionamento o seguinte: em caso de rompimento do duto, a presso a

montante e a jusante do ponto de rompimento cair rapidamente, e as vlvulas a montante e a
jusante deste ponto se fecharo, efetivamente isolando o trecho e impedindo que vaze para a
atmosfera uma quantidade maior de gs. Pode ocorrer tambm de a vlvula se fechar aciden-
talmente, devido a transientes de presso no gasoduto (SALAS; REID, 2002). Estes transientes
podem ocorrer, por exemplo, devido entrada em operao de um compressor em uma ECOMP.
Estas vlvulas no possuem nenhum tipo de monitoramento remoto e so pneumticas,

acionadas pelo prprio gs do gasoduto. Desse modo, caso ocorra um fechamento de vlvula,
esprio ou no, o nico meio de se identificar que ocorreu o fechamento atravs do efeito
nos medidores de vazo e/ou presso nas estaes prximas vlvula. Mesmo assim, por esse
mtodo difcil identificar com certeza a vlvula que se fechou, pois comum haver mais de
uma vlvula entre duas estaes. Portanto, para se encontrar a vlvula fechada, e para abrir
Figura 1.4: Vlvula de bloqueio de trecho. Elas normalmente so enterradas (cortesia da empresa-alvo).
novamente a vlvula caso tenha ocorrido fechamento esprio, preciso verificar vrias delas.
Este processo pode ser bastante lento, podendo demorar vrias horas dependendo das condies
climticas, uma vez que algumas vlvulas se encontram em locais de difcil acesso.
Finalmente, preciso compreender o funcionamento da central de superviso e controle

(CSC) da empresa-alvo. a partir desta central, instalada na cidade do Rio de Janeiro, que
todo o gasoduto monitorado e controlado. Todos os dados recolhidos de todos os sensores do
gasoduto so enviados para o sistema SCADA, cujos bancos de dados se encontram na CSC. O
SCADA, alm de armazenar esses valores para construir um banco de dados histrico, permite
a apresentao desses valores em telas sinpticas (um exemplo pode ser visto na Figura 1.5) e a
criao de alarmes para quando algum valor ultrapassa uma faixa considerada segura. O sistema
fornece tambm uma interface para atuar em sistemas que podem ser controlados remotamente,
como as ECOMPs, por exemplo.
Quando os dados das estaes em campo so armazenados pelo SCADA, junto com cada
ponto o sistema armazena um campo com informaes sobre a qualidade daquele dado, cha-
mado de quality bit2 . Os CLPs (controladores lgicos programveis) localizados em cada esta-
o, ao fazerem a aquisio dos dados dos sensores para enviar ao SCADA, podem determinar
que existe algum sensor defeituoso. Neste caso, ao invs de enviar um valor sem sentido, o
CLP informa ao SCADA que o sensor est defeituoso. Isto fica indicado no SCADA no campo
2 Apesar do nome, este campo capaz de armazenar mais valores alm de 0 e 1, diferente da interpretao usual
da palavra bit.
Figura 1.5: Exemplo de tela do SCADA. A tela mostra a estao de entrega de Jaguarina. Nas 4 linhas
inferiores possvel ver, em vermelho, os alarmes emitidos pelo SCADA (cortesia da empresa-alvo).
de qualidade daquela leitura. Alm disso, existem casos em que a CSC pode ter interesse em
desligar alguma leitura do SCADA. Isso pode ocorrer em estaes que esto em manuteno,
por exemplo, para evitar alarmes devido a valores fora da faixa. Para esses casos, o SCADA
fornece a opo de substituir essa leitura por um valor fornecido pelo usurio. Diz-se que este
sensor est forado, e isto tambm identificado no campo de qualidade. Essa uma con-
dio relativamente comum, e que deve ser levada em considerao por qualquer sistema de
deteco de vazamentos, por exemplo.
Na central de controle esto, por turno, dois engenheiros, chamados controladores, que mo-
nitoram os valores do SCADA e controlam todo o gasoduto. responsabilidade dessas pessoas
identificar problemas no gasoduto, e acionar o pessoal necessrio para resolv-los. Tambm
responsabilidade delas ajustar as vazes no gasoduto para que todos os consumidores sejam
atendidos. Essas tarefas so muito envolventes e complexas, o que costuma gerar estafa nos
controladores.
1.3 Projeto SEGRED 8
1.3 Projeto SEGRED
O SEGRED um sistema que vem sendo desenvolvido desde 2000, em uma parceria entre
a UFSC, a empresa-alvo e a Petrobrs/CENPES. O objetivo inicial do sistema ser uma fer-
ramenta de suporte identificao de falhas e situaes potencialmente perigosas em estaes
de entrega. Com o prosseguimento do projeto, a empresa-alvo mostrou interesse em expandir
o sistema para supervisionar todas as operaes do gasoduto. Assim, dois sistemas foram de-
senvolvidos: o SEGRED Estaes (CASTELANI et al., 2002; SILVA JR.; SILVA, 2002), cuja base
de conhecimento foca as estaes de entrega, e o SEGRED Rede (SILVA; PORCINCULA, 2003;
SILVA et al., 2004), que considera a operao do gasoduto como um todo, sem entrar em detalhes
de cada estao ou equipamento. como parte do escopo do SEGRED Rede que o presente
trabalho foi desenvolvido. Por ser o foco do trabalho, sempre que se utilizar SEGRED, se estar
tratando do SEGRED Rede.
Uma das caractersticas particulares do SEGRED a integrao entre o sistema especialista

e um software de simulao dinmica. Esta parece ser uma tendncia da aplicao de sistemas
especialistas na indstria de leo e gs (JOHNSON, 1999; URAIKUL et al., 2000; WALLOOPPILLAI
et al., 2000). Do ponto de vista de conhecimento, o sistema especialista contm conhecimento
operacional sobre o gasoduto, enquanto o simulador contm conhecimento sobre a dinmica do
gasoduto.
Esta integrao permite a anlise de cenrios operacionais, validao de medies do SCA-

DA, e extrapolao automtica do cenrio operacional atual para produzir prognsticos. Isto
emula um processo que realizado em algumas situaes pelos controladores do gasoduto, de
estudar o seu comportamento em um simulador antes de realizar manobras mais complexas.
No entanto, como esse processo de preparar a simulao, realiz-la e interpretar os resultados
moroso, isso feito em relativamente poucas situaes. Como o sistema especialista permite
automatizar uma parte deste processo, pelo menos para os casos mais rotineiros, obtm-se uma
melhora nas decises tomadas pelos operadores (SAMPATH; YEE, 2000).
O programa tem a arquitetura apresentada na Figura 1.6. A base de conhecimento do sis-

tema especialista dividida em grupos de regras, cada um com funes bem definidas, e objetos
que representam os componentes do gasoduto ou realizam funes auxiliares. As interaes en-
tre cada um desses agrupamentos coordenada por um subsistema de controle, o qual, por sua
vez, tambm implementado como um conjunto de regras.
Existe um grupo de objetos para representar o conhecimento sobre a topologia e estrutura

do gasoduto, fornecendo informaes sobre o estado de cada componente, e o modo como esto
1.3 Projeto SEGRED 9
Figura 1.6: Viso geral da arquitetura do SEGRED Rede. As setas indicam o fluxo de informaes.
organizados. Um diagrama dessas classes pode ser visto na Figura 1.7. Neste diagrama, VES
significa vlvula de bloqueio de trecho, EE estao de entrega, ECOMP estao de compresso,
SRCP sistema de reduo e controle de presso, SM sistema de medio de vazo e SF sistema
de filtragem e aquecimento (sendo estes trs ltimos subsistemas de uma estao de entrega).
TRECHO a classe que representa a organizao geogrfica dos componentes do gasoduto.
Figura 1.7: Diagrama das classes da base de conhecimento do SEGRED que representam o gasoduto.
O sistema realiza trs funes principais: validao dos dados vindos do SCADA ou do
operador; anlise do estado atual do gasoduto, com foco na deteco de falhas; e prognstico.
1.4 Organizao do texto 10
Validao Na fase de validao a consistncia de todos os pontos lidos do SCADA ou forne-

cidos pelo operador verificada. Caso alguma inconsistncia seja detectada, um alarme
disparado e as causas possveis da inconsistncia so avaliadas. Se for desejado, os
pontos problemticos podem ser substitudos automaticamente, de forma que o sistema
especialista possa levar a cabo as anlises restantes.
Anlise Nesta fase o estado de cada componente comparado com os seus limites operacio-
nais. Esta comparao busca determinar, por exemplo, se a presso a montante de uma EE
est muito baixa, ou se a temperatura do gs entregue est baixa. Estas informaes so
ento associadas a uma srie de causas possveis, e a causa que melhor descreve a situa-
o informada ao controlador. Estes modos de falha foram obtidos a partir de relatrios
de MCC (Manuteno Centrada em Confiabilidade) para cada estao.
Prognstico Durante esta fase o simulador usado para prever o estado do gasoduto algumas
horas a frente (normalmente 6 ou 8 horas). O resultado desta simulao alimentado no
sistema especialista, que ento executa anlises semelhantes s executadas durante a fase
de anlise, sobre dados simulados. A partir destas anlises so geradas para o operador
mensagens relativas a cada operao. As mensagens indicam a situao, o componente,
a hora em que foi identificada a situao e uma indicao da criticidade da situao.
A comunicao com o simulador implementada atravs de uma interface de simulao,

que traduz os dados entre o formato utilizado pelo simulador e pelo sistema especialista, e
fornece um modo abstrato para acessar o simulador, diminuindo o acoplamento entre os pro-
gramas.
Finalmente, a comunicao entre o sistema especialista e o SCADA feita atravs de uma

interface especfica, que tambm busca diminuir o acoplamento entre a representao utilizada
pelo sistema especialista e a representao utilizada na empresa-alvo.
1.4 Organizao do texto
No captulo 2 Deteco de vazamentos apresentada uma reviso bibliogrfica sobre

tcnicas de deteco de vazamentos. Uma descrio do mecanismo de deteco de vazamentos
atualmente instalado na empresa-alvo e a justificativa da abordagem utilizada pelo presente
trabalho tambm esto presentes neste captulo.
Em seguida, no captulo 3 Sistemas baseados em conhecimento so mostradas todas

as tcnicas utilizadas neste trabalho. Tambm so mostrados alguns aspectos relacionados ao
1.4 Organizao do texto 11
gerenciamento do projeto e desenvolvimento de sistemas especialistas.
No captulo 4 Descrio do prottipo est descrita, em detalhes, a soluo que foi

implementada. Tambm encontra-se neste captulo uma descrio do processo de desenvolvi-
mento do sistema.
Finalmente, no captulo 5 Concluso e recomendaes para trabalhos futuros alguns

comentrios so feitos sobre o desenvolvimento do sistema, vantagens e desvantagens da abor-
dagem utilizada so discutidas, e algumas recomendaes para pesquisa futura so propostas.
12
2 Deteco de vazamentos
Existem vrios modos possveis de se construir sistemas de deteco de vazamentos. Cos-

tuma-se classificar estes sistemas de acordo com esses modos. Existem duas classificaes
possveis: a primeira os classifica em trs categorias (ZHANG, 1997), levando em considerao
o tipo de sensor utilizado para a deteco:
Mtodos biolgicos: Utilizam indicadores biolgicos para a deteco.
Mtodos por hardware: Requerem que novos sensores sejam instalados no duto.
Mtodos por software: Utilizam apenas sensores instalados no duto para outras finalidades.
Apesar da nomenclatura, importante notar que os mtodos biolgicos e por hardware

tambm podem fazer uso de softwares para auxiliar no processamento de informaes. O que
diferencia estes dois mtodos do mtodo por software o uso de outros sensores no duto alm
dos sensores j instalados para outras razes. De outro modo, os mtodos de deteco de
vazamentos por software tm esse nome porque dependem exclusivamente de um software para
realizar a deteco.
A segunda classificao, recomendada pela API 1130 do American Petrolium Institute, di-
vide os sistemas de deteco (SDVs) em duas categorias:
SDV externally based: Estes sistemas utilizam sensores externos ao duto, como por exemplo,
sensores qumicos para gases. Na classificao mostrada anteriormente todos os mtodos
de deteco biolgicos e uma grande parte dos mtodos por hardware se enquadram nesta
categoria.
SDV internally based: Utilizam medidas internas do duto, como presso e fluxo de massa,
para identificar vazamentos. Todos os SDVs por software e alguns SDVs por hardware
se enquadram nessa classificao.
2 Deteco de vazamentos 13
Neste trabalho usada a primeira classificao por se adequar melhor ao modo como o
assunto tratado. Tambm se faz necessrio definir algumas mtricas que indiquem o desem-
penho dos mesmos. Para tanto, apresenta-se o seguinte conjunto de mtricas, que leva em
considerao tanto critrios tcnicos como financeiros (ENERGY, 2004; ZHANG, 1997):
Sensibilidade: Indica o menor vazamento detectvel em condies ideais, ou seja, com o sis-
tema SCADA funcionando corretamente e sem nenhum transiente ocorrendo no gasoduto.
expressa como uma vazo mssica.
Disponibilidade: Representa a porcentagem do tempo em que o sistema ser capaz de fun-

cionar com sensibilidade mxima. Devido a situaes inesperadas, como transientes ou
erros de instrumentao, o SDV pode precisar ter sua sensibilidade diminuda para evitar
alarmes falsos. Alm disso, existem SDVs que no funcionam de modo contnuo (e.g. os
baseados em indicadores biolgicos).
Credibilidade: Uma medida da probabilidade de um alarme produzido pelo sistema no ser

um alarme falso, supondo que o SCADA esteja funcionando corretamente.
Preciso: Mxima distncia entre a localizao estimada e a localizao real do vazamento. Se

aplica apenas para os sistemas capazes de localizar o vazamento.
Custo de aquisio e comissionamento: Este valor inclui a compra de todos os equipamentos

e softwares necessrios para o funcionamento do sistema, alm dos custos de instalao
e configurao dos equipamentos, capacitao de pessoal, etc.
Custo de operao: Este valor inclue custos com a manuteno do sistema, gastos com pessoal
e recursos para que o sistema permanea em funcionamento.
Nas 3 sees seguintes sero descritas as principais caractersticas de cada um dos mtodos
de deteco de vazamentos: biolgicos, por hardware e por software, com um maior detalha-
mento deste ltimo. Em cada seo ser dada uma pequena avaliao qualitativa do mtodo
com relao a algumas das mtricas definidas acima, de acordo com a literatura pesquisada.
Em seguida a estas 3 sees sero apresentadas algumas implementaes de detectores de

vazamentos que foram encontradas na literatura. Depois se comentar sobre as deficincias
dos mtodos de deteco por software e se explicar o funcionamento do sistema de deteco
instalado na empresa-alvo. O captulo termina com alguns comentrios conclusivos.
2.1 Deteco de vazamentos por mtodos biolgicos 14
2.1 Deteco de vazamentos por mtodos biolgicos
Os mtodos biolgicos se baseiam na presena de um tcnico humano especialmente trei-

nado no local onde est ocorrendo o vazamento. Para realizar a deteco, o tcnico pode levar
em considerao rudos, odores especficos do produto que o duto transporta1 , indicadores bi-
olgicos, como amarelamento da vegetao prxima ao vazamento (informao verbal)2 , ou
indicadores fsicos, como uma alterao do terreno (ZHANG, 1997). Tambm podem ser uti-
lizados cachorros especialmente treinados para detectar sons ou odores caractersticos de um
vazamento. Apesar de aparentemente simplrio este o mtodo de deteco mais sensvel exis-
tente at o momento, sendo que vazamentos muito pequenos s podem ser detectados atravs
dele.
Claramente o uso desse mtodo implica que a faixa onde se encontra o duto deva ser per-
corrida a p em sua totalidade. Isso pode ser completamente invivel em alguns casos, como
por exemplo, no oleoduto Trans-Alaska (que tem uma extenso de 1.242 km). Em outros ca-
sos as empresas agendam inspees regulares da linha, como por exemplo o trecho brasileiro
do gasoduto Bolvia-Brasil, que inspecionado em sua totalidade a cada 6 meses (informao
verbal)2 .
Em termos das mtricas definidas anteriormente, o uso de mtodos biolgicos para a detec-
o de vazamentos apresenta tima sensibilidade, preciso, credibilidade, baixo custo de insta-
lao e um custo moderado de operao. Porm, devido a sua natureza intermitente, apresenta
uma pssima disponibilidade. Entretanto, pode ser fundamental para a deteco de vazamentos
pequenos demais para serem detectados por outros mtodos.
2.2 Deteco de vazamentos por hardware
SDVs por hardware envolvem a instalao, ao longo do duto, de equipamento especializado

para a deteco de vazamentos. Por esta razo, normalmente estes SDVs apresentam sensibili-
dade e credibilidade de razovel a tima mas, em contrapartida, um custo de instalao alto e,
em alguns casos, um custo de operao alto tambm. A disponibilidade pode variar de razovel
a tima, dependendo do mtodo. Assim, esses sistemas normalmente so utilizados apenas em
reas de alto risco, como prximo a rios, reservas naturais ou regies inacessveis.
1 Nocaso do gs natural, este mtodo no se aplica, pois ele inodoro.

2 Informaesfornecidas pelo eng. Renato Aragonez, em palestra sobre inspeo de dutos ministrada em de-
zembro de 2004 no departamento de engenharia mecnica da Universidade Federal de Santa Catarina.
2.2 Deteco de vazamentos por hardware 15
Existe uma enorme variedade de tcnicas para a deteco (ZHANG, 1997; MATKO et al.,
2003). Abaixo apenas algumas so apresentadas.
Emisso acstica: Uma srie de transdutores acsticos instalada ao longo do gasoduto

e detectam o rudo produzido pelo gs vazando. Alm do custo associado instalao dos
transdutores existe ainda o problema da transmisso remota dos dados (BRODETSKY; SAVIC,
1993).
Ondas de presso: Transdutores de presso muito sensveis so instalados ao longo do

gasoduto. Esses transdutores detectam a onda de presso que percorre o duto quando da ocor-
rncia do vazamento. O conhecimento da densidade do fluido permite estimar a posio do
vazamento. Apresenta os mesmos problemas de custo e transmisso de dados que o mtodo
anterior.
Cabo sensor de fibra tica: Um cabo de fibra tica instalado ao longo do duto. Ao
ocorrer um vazamento, caso o gs entre em contato com o cabo, ocorrer uma diminuio da
temperatura que poder ser detectada atravs de uma tcnica chamada reflectometria tica no
domnio do tempo (MATKO et al., 2003).
Cabo sensor de vapores: Um tubo seletivamente permevel substncia que se deseja

detectar instalado ao longo do duto. Caso um vazamento ocorra, essa substncia entrar em
contato com o duto e ser absorvida. Para se analisar o que foi absorvido pelo tubo uma bomba
injeta ar em uma das extremidades a uma velocidade constante e de modo que o escoamento seja
laminar. Na outra extremidade existe algum sensor capaz de detectar a substncia de interesse.
Cada aumento na concentrao da substncia de interesse um pico de vazamento. Neste
caso, a concentrao da substncia indica o tamanho do vazamento e possvel determinar a
posio a partir da velocidade do escoamento no tubo.
Mtodos visuais: Estes mtodos se baseiam na diminuio ou aumento da temperatura no

terreno ao redor do vazamento. Utilizando algum mtodo de termografia, pode-se percorrer
a faixa do duto e buscar um vazamento. Como estes equipamentos normalmente podem ser
montados em automveis ou helicpteros, torna-se possvel inspecionar grandes distncias em
apenas um dia.
2.3 Deteco de vazamentos por software 16
2.3 Deteco de vazamentos por software
SDVs por software so sistemas de deteco que utilizam dados de sensores j disponveis
no duto, normalmente nas estaes de compresso ou de entrega, para buscar irregularidades
que indiquem a presena de um possvel vazamento. Estes sistemas se caracterizam como uma
soluo de compromisso entre custo e sensibilidade. A idia oferecer um sistema a um custo
relativamente baixo, com alta disponibilidade e uma sensibilidade razovel.
Do mesmo modo que para a deteco de vazamentos por hardware, existem diversas tcni-
cas possveis de anlise dos dados dos sensores. Estas tcnicas podem ser divididas, de forma
geral, em tcnicas baseadas puramente em anlise estatstica e tcnicas baseadas em princ-
pios fsicos, normalmente complementadas por alguma tcnica estatstica. Independente dos
princpios utilizados no mtodo, todos os mtodos estudados apresentam uma estrutura do tipo
extrator de caractersticas/classificador.
Nessa estrutura (FUKUNAGA, 1990), o primeiro processo na anlise do sinal um processo

de extrao de caractersticas. Neste, o sinal analisado e transformado, normalmente, em uma
n-upla de nmeros. Esta n-upla ento passada para o classificador que, a partir destes valores
e de alguns parmetros internos, decide se est ou no ocorrendo um vazamento.
Uma caracterstica comum a quase todos os SDVs por software que sua sensibilidade
parametrizada. Desse modo possvel deixar o detector mais ou menos sensvel, normalmente
com um impacto direto sobre o nmero de alarmes falsos. Por conta disto, muitas implementa-
es apresentam algum sistema auxiliar para diminuir a sensibilidade do detector (insensibiliza-
o) quando o duto passa por transientes fortes, que poderiam ser confundidos com vazamentos.
A seguir sero expostos os mtodos bsicos de deteco. Vale a pena notar que as categorias
em que eles foram divididos as vezes se sobrepem e que alguns mtodos poderiam ser includos
em mais de uma categoria. Como esta diviso simplesmente didtica, nestes casos decidiu-se
inclu-los na categoria que pareceu mais pertinente ou que representava a caracterstica principal
do mtodo.
2.3.1 Variaes abruptas de fluxo ou presso
Determina a ocorrncia de um vazamento a partir de uma variao muito grande nos valores
de vazo ou presso. Ou seja, dispara sempre que o gradiente de presso no sensor estiver abaixo
de um determinado valor pr-estabelecido (isto , quando a presso estiver caindo rapidamente).
Este mesmo princpio utilizado nas vlvulas de bloqueio de trecho, presentes a intervalos
regulares ao longo de um gasoduto para impedir que uma ruptura do duto provoque a liberao
de todo o gs armazenado no mesmo. Este mtodo, assim como as vlvulas de bloqueio de
trecho, ou gera muitos alarmes falsos ou tem uma sensibilidade muito baixa. Alguns SCADAs
podem ser programados para gerar automaticamente alarmes desse tipo (SALAS; REID, 2002;
WESTHOFF, 1999).
2.3.2 Balano de massa ou volume
um mtodo baseado na aplicao da conservao da massa. O princpio de funcionamento

simples:
dMe (t)
qi (t) qo (t) = (2.1)
dt
onde qi (t) o fluxo de massa na entrada do trecho, qo (t) o fluxo de massa na sada do trecho,
e Me (t) a massa presente no trecho.
O grande problema deste mtodo est em se determinar o valor do empacotamento (tambm

chamado de inventrio da linha ou line pack), o termo Me (t). Existe uma srie de mtodos
para determinar esse valor, com mais ou menos preciso. Os mais utilizados so modelos
de regime permanente e modelos dinmicos. Em geral, quando se usa um modelo dinmico
para determinar o empacotamento, esse mtodo classificado em outra categoria, devido
complexidade do modelo dinmico.
Modelos de regime permanente so utilizados principalmente para dutos de transporte de

lquidos. A desvantagem desses modelos que, por no levarem em considerao a dinmica
do sistema, apresentam divergncias muito grandes quando o sistema est passando por um
transiente. Nestes casos, a sensibilidade do detector deve ser diminuda para evitar alarmes
falsos. Em (PIETSCH; PETHERICK, 1994) se apresenta um boa discusso da influncia dos erros
de estimativa do empacotamento na sensibilidade do detector de vazamentos.
A tomada de deciso (classificao) feita a partir do desbalanceamento de linha, definido

por:
dMe (t)
R(t) = qi (t) qo (t) (2.2)
dt
Caso R(t) > A, onde A a sensibilidade, se considera que existe um vazamento.
Uma linha de desenvolvimento comum utilizar algum mtodo de teste de hiptese sobre
o valor de R(t), de modo a obter uma menor taxa de alarmes falsos. Uma das desvantagens
(que o prximo mtodo a ser apresentado busca mitigar) deste mtodo que ele no leva em
considerao uma srie de fenmenos dinmicos no duto, como a compressibilidade do fluido,
elasticidade das paredes do duto e trocas trmicas com o meio. Isso uma enorme desvantagem,
sobretudo em gasodutos, pois nestes o efeito de compressibilidade no desprezvel.
2.3.3 Sistemas baseados em modelo dinmico
Muitos mtodos de deteco so baseados em modelos dinmicos do duto. Este modelo

pode ser realizado de vrias formas. A mais comum utilizando um software simulador, nor-
malmente especfico para a tarefa. Um outro modo, utilizado em alguns mtodos de deteco
(ver seo 2.4.1), a resoluo analtica das equaes dinmicas que representam o duto e a
implementao da soluo em algum software especfico. Independentemente de como feita
a modelagem, o modelo resultante pode ser utilizado de vrias formas.
A mais bvia delas utiliz-lo para refinar o mtodo apresentado na seo anterior. Ao se
calcular o empacotamento com maior preciso possvel conseguir uma sensibilidade maior
para aquele mtodo e uma diminuio no nmero de alarmes falsos.
No entanto, existem outras aplicaes possveis, como analisar diretamente a diferena

entre os resultados da simulao e os dados obtidos do SCADA. Sob esse ponto de vista o
modelo funciona como um filtro, bastante elaborado, de transientes.
Outros mtodos de deteco utilizando modelos dinmicos podem ser encontrados na li-
teratura acadmica, mas no foram encontradas referncias de aplicaes prticas desses sis-
temas. Entre esses sistemas vale destacar o descrito por Loparo et al. (1991), que utiliza uma
abordagem de mltiplos modelos, alguns representando o duto com vazamento, outros sem
vazamento. A deteco consiste em identificar o modelo cuja resposta melhor corresponda
resposta medida no duto. Em um outro caso, se usa uma rede neural artificial junto com um
modelo dinmico para detectar e localizar vazamentos (BELSITO et al., 1998).
Apesar do aumento de sensibilidade que o modelo dinmico oferece, esta tcnica traz tam-
bm algumas desvantagens. A primeira que, entre todas as tcnicas de deteco de vazamentos
por software, ela a mais custosa devido ao custo de criao e manuteno do modelo e do soft-
ware de simulao. Alm disso, alguns parmetros do modelo, como a rugosidade do duto e os
valores de calibrao dos sensores, so difceis de se obter e variam com o tempo. De acordo
com alguns autores, s se obtm modelos realmente teis para a deteco de vazamentos usando
modelos adaptativos (NICHOLAS et al., 1992).
Um outro ponto a ser considerado o nvel de detalhamento do modelo. importante

recordar que nem sempre um nvel maior de detalhe no modelo significar um aumento na
concordncia entre os dados simulados e os dados reais (GOODREAU; BACHMAN, 2000). Esse
nvel timo de detalhamento sempre difcil de ser obtido e depende da situao especfica. Por
exemplo, comum se considerar as paredes do duto como estando a uma temperatura constante,
mas alguns autores levam em considerao a troca de calor entre a parede do duto e o solo ao
redor (TURNER; MUDFORD, 1988; CONDACSE; GUIDRY, 2002) e afirmam que isso influenciou
positivamente os resultados. Tambm preciso levar em considerao as incertezas nos dados
de entrada do modelo e como essas incertezas se propagam at os resultados finais. Alm disso,
os custos de criao e manuteno de um modelo mais complexo devem ser comparados com
as vantagens obtidas com esse aumento de complexidade.
Uma alternativa para se diluir os custos de desenvolvimento e/ou manuteno do modelo e

de compra do software utilizar o mesmo simulador e/ou modelo para outras atividades, como
a previso de demanda, estudo de cenrios operacionais, etc. Esta a abordagem de alguns
pacotes de simulao como, por exemplo, o sistema utilizado pela empresa-alvo.
2.3.4 Anlise pontual de presso
O mtodo de anlise pontual de presso um dos mais simples (e tambm dos menos
sensveis) mtodos de deteco de vazamentos por software. Ele pode ser considerado um
refinamento, utilizando tcnicas estatsticas, do mtodo de deteco de variaes abruptas de
presso (NICHOLAS et al., 1992).
O princpio de funcionamento do mtodo que a presso no duto ir declinar em funo

de um vazamento. A partir disto pode-se realizar um teste de hipteses para determinar se
a presso est declinando de maneira significativa. A grande desvantagem deste mtodo est
exatamente em que este teste pressupe que a presso em um determinado ponto no duto um
processo estocstico estacionrio. Esta aproximao s razovel quando o duto est operando
em regime permanente. Desse modo, durante operao transiente este mtodo no pode ser
utilizado, sob pena de uma avalanche de alarmes falsos.
O mtodo consiste em analisar os dados mais recentes adquiridos por um determinado sen-
sor. Estes dados so divididos em duas parties, que podem ou no se sobrepor parcialmente,
uma indo do ponto mais antigo existente na srie at um ponto intermedirio e a outra indo desse
ponto intermedirio, ou de um ponto prximo a esse, at o ponto mais recente. Ento a mdia
e a varincia dessas duas parties devem ser calculadas. Deve-se suspeitar de um vazamento
quando a mdia da partio que trata dos pontos mais recentes for significativamente (do ponto
de vista estatstico) menor do que a mdia da partio mais antiga. Pode-se estabelecer como
parmetro de sensibilidade a confiana do teste estatstico. Quanto maior a confiana desejada
no resultado, menor a sensibilidade do mtodo.
2.4 Descrio de algumas implementaes 20
Um dos modos utilizados para melhorar esse mtodo acopl-lo a um modelo dinmico e
fazer a anlise pontual de presso sobre o resduo entre os valores medidos e os valores previstos
pelo simulador.
Devido a suas limitaes, esse mtodo funciona melhor quando aplicado a dutos pequenos
que carregam fluidos incompressveis por distncias pequenas e operam em regime permanente.
Nestes casos, o sistema extremamente vantajoso, pois apresenta baixo custo e baixa comple-
xidade.
2.4 Descrio de algumas implementaes
Nesta seo ser apresentada uma reviso bibliogrfica sobre mtodos de deteco de va-
zamentos por software. Dada a natureza acadmica da maioria dos artigos estudados, salvo
em algumas excees, nenhum deles foi implementado na prtica ou utilizado durante lon-
gos perodos por alguma companhia. Sendo assim, deve-se utilizar com cautela os resultados
apresentados. No entanto, sempre que esses resultados estiverem disponveis, eles sero apre-
sentados.
As descries a seguir so mais indicativas da realidade dos SDVs baseados em software

que as descries apresentadas na seo 2.3, pois demonstram a complexidade e o nvel de
detalhe que um mtodo deve levar em considerao para que possa ser usado na prtica, e
tambm mostram como os vrios princpios apresentados na seo 2.3 podem ser combinados
e melhorados.
Para facilitar a leitura, os mtodos foram agrupados pelas caractersticas mais marcantes de
cada um. Mas vale reforar que esse agrupamento simplesmente didtico, sem se arvorar a
ser definitivo nem perfeito.
2.4.1 Mtodos baseados em identificao de sistemas e sistemas dinmicos
O princpio de funcionamento desses mtodos consiste em, a partir das equaes diferen-
ciais que descrevem o sistema, produzir filtros ou observadores de estado que identifiquem um
vazamento e, se possvel, indiquem a posio do mesmo. Sendo assim, pode-se classificar estes
mtodos como baseados em modelo dinmico.
No sistema desenvolvido por Billman & Isermann (1987) se utiliza um mtodo de balano
de massa, utilizando um modelo dinmico para calcular o empacotamento. Estes autores prope
duas inovaes: um mtodo para determinar o coeficiente de atrito do gs com a tubulao e
um mtodo para decidir se est ocorrendo um vazamento baseado em correlao cruzada.
Partindo das equaes dinmicas do fluido, e supondo que o fluxo turbulento e isotrmico,
os autores discretizam essas equaes utilizando o mtodo das diferenas centrais. A partir
desse modelo e utilizando-se o mtodo dos mnimos quadrados construdo um observador
de estados no-linear. Este observador busca determinar o valor dos coeficientes de atrito da
tubulao e esses coeficientes so ento utilizados para atualizar o modelo dinmico.
Para determinar a presena de um vazamento realizada a comparao entre o fluxo de

massa na entrada e na sada da linha. Assim, sendo qi (k) a vazo medida no ponto i do duto e
qbi (k) a vazo prevista pelo modelo para esse ponto, pode-se gerar dois resduos x(k) e y(k), onde
x(k) = q0 (k) qb0 (k) representa o resduo entre a vazo medida e a vazo simulada na entrada e
y(k) = qn (k) qbn (k) representa a mesma medida na a sada do duto.
Para realizar a comparao entre os dois sinais, os autores utilizam o seguinte teste de
correlao cruzada:
xy () = E x(k)y(k + )

(2.3)
Nesta equao, representa um atraso qualquer. Como os dados so obtidos como sries
temporais, Z. A aplicao deste filtro resulta, teoricamente, em

0 sem vazamento

xy () =

(2.4)
f (qL , xL ) com vazamento

onde f uma funo qualquer de qL , o fluxo do vazamento e xL , a posio do vazamento.
Para calcular a funo de correlao cruzada pode-se utilizar um filtro recursivo de primeira
ordem:
c
xy (, k) =
c xy (, k 1) + (1 )x(k)y(k + ), (2.5)
onde uma constante entre 0 e 1.
Para reduzir os efeitos do rudo, o alarme de vazamento tomado como o somatrio sobre
vrios atrasos [M; M], M N. De acordo com os autores esta soma reage sensivelmente a
pequenos vazamentos.
M
X
xy P (k) = c
xy (, k) (2.6)
=M
Aps a deteco do vazamento, para estimar a posio so utilizadas duas medidas de

autocorrelao:
M
X
xx P (k) = c
xx (, k) (2.7)
=M
XM
yy P (k) = c
yy (, k). (2.8)
=M
A posio do vazamento pode ento ser estimada por:

LR
xbL = P (k) , (2.9)
1 xx
yy (k)
P
e a quantidade de massa perdida no vazamento
qbL (k) = E{x(k) y(k)}. (2.10)
Para testar esse sistema foi utilizada a simulao de uma linha de gs com as caractersticas
mostradas na Tabela 2.1.
Tabela 2.1: Caractersticas da linha simulada em (BILLMAN; ISERMANN, 1987).

Comprimento 150.000 m
Dimetro 0,26 m
Fluido No especificado
Estaes de monitorao de presso 2
Vazo nominal No especificado
Presso nominal No especificada
Perodo de amostragem 3 min
Para esse problema as definies de x(k) e y(k) foram modificadas para:
x(k) = x(k) E{y(k)}

e (2.11)
y(k) = y(k) E{x(k)}
e (2.12)
Este sistema foi capaz de detectar um vazamento de 2,5% do fluxo de massa entre 50 e 100
amostragens, contando a partir do incio do vazamento, com o duto em operao transiente.
Em uma outra abordagem, Benkherouf & Allidina (1988) prope utilizar um modelo din-
mico do duto prevendo uma srie de pontos de vazamentos e utilizar um filtro para identificar a
vazo em cada um desses pontos. A partir deste modelo os autores mostram ser possvel deter-
minar a posio do vazamento real (caso este exista) e a vazo naquele ponto. Em uma situao
normal, onde no existe nenhum ponto de vazamento, o resultado da identificao vazo nula
para todos os pontos.
Para criar o modelo, os autores partem das equaes diferenciais parciais que descrevem
o comportamento dentro do duto supondo a existncia de uma srie de vazamentos, homoge-
neamente espaados ao longo do duto. A partir destas equaes, realizando uma discretizao
utilizando o mtodo das caractersticas, chegam a um conjunto de equaes diferenciais ordi-
nrias. Estas equaes so ento linearizadas ao redor do ponto de operao atual e um filtro
de Kalman construdo a partir desse modelo para estimar a vazo em cada um dos pontos de
vazamento.
Os autores demonstram que uma mdia ponderada da distncia entre cada ponto de vaza-
mento e a quantidade de massa que o estimador determinou para aquele ponto mostra a locali-
zao do vazamento real, e que a soma da massa total vazando estimada pelo modelo indica a
quantidade de massa que est vazando. Os autores no apresentam qualquer esquema de como
deve ser tomada a deciso de vazamento/no-vazamento.
Os resultados dos testes numricos realizados indicam um desempenho razovel. A simu-

lao foi feita utilizando-se um simulador dinmico e acrescentando ao sinal obtido um rudo
branco3 de mdia 0 e varincia conhecida. As caractersticas da linha simulada esto na Tabela
2.2.
Tabela 2.2: Caractersticas da linha simulada em (BENKHEROUF; ALLIDINA, 1988).

Comprimento 90 km
Dimetro 0,785 m
Fluido Um gs no especificado
Vazo nominal 2.000 kg/s
Presso nominal 10 MPa
Perodo de amostragem No informado
O sistema foi capaz de detectar um vazamento de 2% do fluxo de massa em regime perma-

nente, 80 min aps a instalao do vazamento. Como os autores no prope nenhum mtodo
para a tomada de deciso sobre vazamento, esse tempo pode provavelmente ser melhorado.
Um sistema de deteco de vazamentos baseado em modelo dinmico mais tradicional

apresentado em (FUKUSHIMA et al., 2000). Este sistema est em operao para detectar vaza-
mentos em uma linha de transporte de GLP entre Niigata e Sendai (Japo). As caractersticas do
duto esto mostradas na Tabela 2.3. O modelo utilizado neste sistema foi obtido pela discretiza-
3 Rudo branco um rudo em que cada freqncia aparece com a mesma intensidade.
o de um conjunto de equaes diferenciais parciais, utilizando o mtodo das caractersticas.

Em cada passo de deteco, ao se decidir que no existem vazamentos, utilizado um sistema
de sintonia dos parmetros do simulador para reconciliar os sinais simulados com os sinais
medidos.
Tabela 2.3: Caractersticas do duto Niigata-Sendai (Japo).

Comprimento 250 km
Dimetro No indicado
Fluido GLP
Vazo nominal 4, 5 106 m3 /s
Presso nominal No indicada
Perodo de amostragem 30 s
O princpio utilizado para a deteco de vazamentos a conservao da massa nas fronteiras

de cada elemento da malha de discretizao. O sistema capaz de detectar vazamentos da
ordem de 1,1% do fluxo de massa, em cerca de 16 amostragens. O sistema apresenta um erro
mximo de 20% e um erro mnimo de 4% na localizao dos vazamentos e o menor vazamento
cujo tamanho possvel estimar de 1,8%.
2.4.2 Mtodos baseados em anlises estatsticas
Aqui sero mostrados alguns mtodos cujo principal diferencial o uso de anlises esta-
tsticas, ou sobre os sinais obtidos direto do SCADA, ou sobre os resultados obtidos de algum
outro mtodo.
Turner & Mudford (1988) prope um mtodo bastante interessante, baseado em modelos
dinmicos (ver seo 2.3.3), que faz um uso um pouco inusitado do simulador, para obter o
empacotamento, e em seguida utiliza anlises estatsticas para descontar o efeito de rudos nos
sensores e decidir se existe ou no um vazamento.
Para a simulao o modelo da linha dividido em vrios segmentos, cada um correspon-

dendo a uma estao de medio de presso e temperatura. Durante a simulao os valores de
presso e temperatura so utilizados como condies de contorno para esses segmentos, mas
no se obriga que a massa fluindo entre dois segmentos se conserve.
Desse modo, na fronteira de cada segmento haver um desbalanceamento R entre a massa

calculada saindo do segmento anterior e a massa calculada entrando no segmento atual. Os au-
tores argumentam que, devido a esse relaxamento nas condies de contorno de cada segmento,
possvel utilizar dados de todos os sensores disponveis, sem ser necessrio ignorar os dados
de nenhum sensor. E que o uso da maior quantidade possvel de dados experimentais permite
que o resultado do clculo do simulador para o empacotamento no segmento seja o mais preciso
possvel.
O simulador retorna o desbalanceamento de massa em cada segmento, seguindo um pro-

cedimento semelhante ao j detalhado na seo 2.3.3. Se considera que est ocorrendo um
vazamento quando R for maior que um determinado limiar A. No entanto, os autores argu-
mentam que, como este desbalanceamento influenciado fortemente por erros de medio e
erros advindos da simulao, deve ser utilizada a mdia de R sobre um determinado nmero de
amostragens N e A deve ser uma funo do erro padro deste sinal.
O artigo ainda trata da localizao do vazamento e da determinao da quantidade de pro-

duto vazada, mas no convm mostrar estes resultados por estarem fora do escopo deste traba-
lho.
Os resultados dos testes realizados pelos autores indicam um bom desempenho, sendo capaz
de detectar um vazamento de 1% do fluxo de massa em aproximadamente 100 amostragens (ou
seja, 150 min).
Os dados utilizados na simulao so de uma seo do gasoduto que vai de Dampier at

Perth (Austrlia). Para a deteco de vazamentos, ao sinal obtido na simulao original foi
acrescentado um rudo branco de mdia 0 e varincia de 3,5 vezes o desvio padro do sinal. As
caractersticas da linha simulada se encontram na Tabela 2.4.
Tabela 2.4: Caractersticas da linha simulada em (TURNER; MUDFORD, 1988).

Comprimento 134 km
Dimetro 0,643 m
Fluido Um gs no especificado
Estaes de monitorao de presso e temperatura 6
Estaes de medio de vazo 2, no incio e no fim do duto
Vazo nominal 100 kg/s
Subseqentemente, Turner (1988) demonstrou um melhoramento no processo estatstico

proposto anteriormente. Especificamente, para melhorar a utilizao dos dados disponveis, o
autor mostra um algoritmo para associar a cada medio um determinado peso e demonstra
qual a melhor distribuio de pesos. O uso dessa tcnica pode melhorar (ou seja, diminuir)
em cerca de 3 vezes a taxa de alarmes falsos obtida em experimentos anteriores.
Em uma abordagem bastante distinta desta, Loparo et al. (1991) apresenta um mtodo para
deteco de vazamentos em trocadores de calor que, entretanto, genrico o suficiente a ponto
de poder ser aplicado a dutos.
A abordagem consiste em construir um modelo dinmico para cada um dos possveis modos
de operao do sistema, incluindo operao normal e vrios tipos de falha. O princpio do
mtodo supor que o processo de falha um processo de salto randmico entre um nmero
finito de estados (cada estado representado por um modelo). Assim, construdo um filtro cuja
sada a probabilidade condicional de que o processo esteja operando em cada um dos estados
possveis. A deteco realizada por uma funo de limiar simples, que seleciona como modelo
que melhor representa a planta o modelo com uma probabilidade (definida pelo filtro) acima de
um determinado patamar.
Apesar do mtodo proposto ser teoricamente interessante, os resultados obtidos pelos au-
tores em um experimento foram muito pobres, provavelmente devido a rudos nos sensores e
imprecises nos modelos.
Uma outra abordagem bastante interessante a proposta por Wang et al. (1993). O princpio
comparar duas sries temporais, uma reconhecidamente sem vazamento e outra que se deseja
testar, e verificar se elas correspondem ao mesmo processo estocstico. Esta comparao ser
feita utilizando uma medida que se chama informao de Kullback, ou informao mtua.
O mtodo consiste em selecionar uma srie temporal xk0 em um momento em que, sabida-
mente, no existem vazamentos, e uma srie xk1 que ser testada. s duas sries associado
um modelo auto-regressivo (no teste os autores utilizaram ordem 5 para esse modelo). Depois
aplicado sobre esses modelos e sobre algumas caractersticas estatsticas do sinal um teste
baseado na informao de Kullback4 . O resultado desse teste depois passado por um limiar
para classificar a srie como indicadora de um vazamento ou no.
O artigo parte de duas suposies fortes: a queda de presso ao longo do duto linear e os
sinais de presso podem ser perfeitamente modelados por um modelo de regresso linear mais
um componente de rudo gaussiano com mdia 0 e desvio padro .
O artigo mostra todas as dedues e testa o sistema em um duto de gua de 120 m de

comprimento, como mostra a Tabela 2.5.
O sistema foi capaz de detectar um vazamento de 0,5% aps 100 amostragens e um vaza-
mento de 1% aps cerca de 50 amostragens.
4 Tambm chamada, por abuso de linguagem, de distncia de Kullback-Leibler, apesar de, tecnicamente, no
ser uma distncia.
Tabela 2.5: Caractersticas da linha de testes utilizada em (WANG et al., 1993).

Comprimento 120 m
Dimetro No indicado
Fluido gua
Vazo nominal No indicada
Perodo de amostragem 20 ms
2.4.3 Mtodos baseados em tcnicas de inteligncia artificial ou heursti-

cas
Um outro grupo de tcnicas existentes so aquelas baseadas em inteligncia artificial. Estas

tcnicas podem ser tanto fruto de heursticas como de teorias de aprendizado automatizado.
Estas sero apresentadas primeiro, enquanto aquelas, por serem de maior interesse para esse
trabalho, sero apresentadas por ltimo.
Um exemplo do uso de aprendizagem automatizada pode ser encontrado em (BELSITO et al.,

1998). Neste artigo os autores treinam uma rede neural que, recebendo como entrada sinais dos
sensores do gasoduto e de um simulador dinmico, produz como sada o tamanho do vazamento
no gasoduto. As sadas possveis da rede so: 0%, 1%, 2%, 3%, 5% e 10% do fluxo de massa.
Os autores se prope a detectar vazamentos de at 1% com 100 s de atraso. A linha de

referncia uma linha de transporte de amnia liqefeita. Os testes foram feitos sobretudo com
dados obtidos de um simulador do duto de referncia.
As caractersticas da linha de referncia esto mostradas na Tabela 2.6
Tabela 2.6: Caractersticas da linha de referncia utilizada em (BELSITO et al., 1998).

Comprimento 74,668 km
Dimetro 0,203 m
Fluido Amnia lquida
Vazo nominal 10,4 kg/s
Presso nominal 2,22 MPa (sada); 2,82 MPa (entrada)
O artigo inicia com um estudo das caractersticas dos sensores, como erro e deriva. Depois
gerado um banco de dados de sinais de treinamento, teste e validao, a partir do simulador,
sem estarem corrompidos com rudo. Os vazamentos simulados (e utilizados para treinar a rede
neural) so de 0%, 1%, 2%, 3%, 5% e 10%. Uma comparao dos espectros dos sinais dos
simulador (corrompido com rudo gerado por computador) e do duto de referncia feita para
validar o rudo incluso no sinal do simulador.
A rede neural utilizada foi uma perceptron de 3 camadas, com funo de ativao sigmoidal.
Inicialmente a rede treinada utilizando-se sinais sem rudo, por apresentar uma convergncia
mais rpida. Como entrada da rede foram utilizados os sinais dos dois medidores de fluxo,
colocados no incio e no final da linha, e dos 13 medidores de presso. Os sinais foram norma-
lizados para mdia 0 e desvio padro 1. A sada da rede um valor normalizado entre 0, 1 a
0, 9, indicando o tamanho do vazamento (de 0% a 10%).
Com a introduo de sinais com rudo foi necessrio utilizar um filtro de mdia mvel
(com 9 pontos) sobre os sinais de entrada na rede e acrescentar informao sobre a deriva dos
medidores de fluxo: isso foi introduzido como uma diferena entre o valor dos fluxmetros de
entrada e sada em t . Por isso, a rede foi expandida para aceitar mais uma entrada, ficando
com 16 entradas no total.
Durante o treinamento da rede com sinais apresentando pequenos transientes se fez neces-
srio incluir a sada do modelo dinmico como mais uma entrada da rede neural.
Tabela 2.7: Desempenho do sistema de localizao de vazamentos de (BELSITO et al., 1998).

Tamanho do vazamento (% da entrada) 1 2 5 10
Tempo de deteco (pontos) 8 6 4 3
A rede mostrou-se sensvel ao nmero de estaes de medio de presso. Tambm se

mostrou bastante sensvel ao caso de sensores de vazo defeituosos.
O uso de RNAs para a deteco de vazamentos parece ser uma abordagem interessante,
porm neste artigo os autores desprezaram uma srie de conhecimentos j presentes sobre de-
teco de vazamentos, ao invs de associar uma RNA a outros mtodos para tentar refinar a
resposta.
J em Konvalinka et al. (1992) est descrito um sistema baseado em aprendizado que foi
testado em um gasoduto real. O artigo descreve a soluo utilizada para a deteco de vazamen-
tos no DP Gas, na antiga Iugoslvia. A rede possui cerca de 1300 km de extenso e funciona
com uma presso entre 25 e 42 bar. Tem 250 clientes (ou seja, pontos de sada) e mais de um
fornecedor (o artigo no especifica quantos). O perodo de amostragem do SCADA de 30 s.
Os modelos matemticos utilizados para simular a rede no incluem efeitos dinmicos. Quando
a rede est operando neste regime o modelo consegue calcular a vazo mssica e a presso nos
pontos de medio com um erro mximo de 1%.
Os autores levam em considerao que, a princpio, se poderia criar um SE para determinar

a presena de vazamentos. No entanto, o conhecimento necessrio para a implementao do SE
no estava disponvel quando da realizao do projeto.
O mtodo adotado pelos autores para resolver o problema foi utilizar algum mtodo de
aprendizado. Foi escolhido o aprendizado por induo em uma rvore de deciso (RUSSELL;
NORVIG, 2004, cap. 18), por permitir uma melhor visualizao do conhecimento gerado e por
fornecer explicaes razoveis do processo de raciocnio.
A aplicao deste mtodo implica trs coisas: criar um corpo de exemplos que estejam
classificados corretamente, fornecer um corpo de caractersticas teis extradas a partir dos
sinais temporais do simulador e da planta (extrao de caracterstica) e gerar rvores de decises
a partir destes dados.
Para gerar os dados de vazamentos foi utilizado um meio bastante engenhoso. Se procurava
no banco de dados histrico da rede de gs uma srie em que, dentro de um certo perodo
de tempo (t1 , t2 ), todos os fluxos e presses em um determinado trecho da rede estivessem
aproximadamente constantes, com excesso de um ponto, que ser chamado de ponto j (veja
Figura 2.1). Quando esses sinais eram encontrados, o simulador era alimentado com todos os
dados reais, a no ser com os valores do ponto j. Neste ponto, a vazo e a presso eram mantidas
fixas, com um valor consistente com uma vazo menor do que a que estava sendo efetivamente
medida. Deste modo, simulava-se um vazamento de gs em alguma regio do tramo que ligava
ao ponto de medio j.
Figura 2.1: Trecho de tubulao utilizado em (KONVALINKA et al., 1992) para simular um vazamento. Na
figura, as setas indicam a direo do gs e os pontos marcados com Qi , Pi so locais onde se tem leituras
de presso e temperatura.
Dependendo do tamanho do vazamento simulado, eles foram classificados em trs tipos:

pequenos (< 5%), mdios (de 5% at 20%) e grandes (> 20%). Os tipos de vazamento tambm
foram classificados em trs tipos: vazamentos de crescimento lento, vazamentos de crescimento
rpido e vazamentos constantes. Foram recolhidos 11.000 exemplos atravs desse mtodo, que
foram separados em 70% para treinamento e 30% para teste.
Com relao extrao de caractersticas, foi utilizado um conjunto de 16 transformaes

diferentes sobre os sinais obtidos a partir do simulador e do SCADA. Estas transformaes
foram escolhidas baseadas na intuio dos projetistas. Durante o treinamento, observou-se que
algumas das anlises eram irrelevantes.
O treinamento foi realizado utilizando-se o software Assistant Professional. Foi utilizado

um processo puramente experimental de desenvolver rvores de deciso e depois test-las com
relao a taxa de acerto. Os resultados obtidos foram os seguintes:
1. O uso de uma nica rvore de deciso para todo o gasoduto apresentou uma taxa de acerto
muito baixa. O melhor resultado foi na classificao de vazamento/no-vazamento onde
se obteve uma taxa de acerto de 85%;
2. O desenvolvimento de uma rvore de deciso para cada estao de medio produziu os

melhores resultados, onde se obteve uma taxa de acerto mnima de 75% nas regies da
linha com menor fluxo e um mximo 94%, isso tanto na deteco quanto na classificao
do vazamento.
3. O tempo de deteco fortemente dependente da taxa de atualizao do SCADA. Como

no sistema foi utilizada uma taxa de atualizao de 10 min, o tempo mnimo de deteco
era de 2 h. Isso se deve principalmente necessidade de um certo nmero de dados para
se avaliar mdias e espectros, por exemplo.
Um outro exemplo prtico da aplicao de inteligncia artificial para deteco de vazamen-

tos o apresentado por Kerkhof et al. (2002). Ao contrrio dos sistemas apresentados anteriores,
este baseado em sistemas especialistas e no em aprendizado de mquina.
Este sistema foi implementado para monitorar o TransCanada Pipeline, composto por
cerca de 38.000 km de dutos, em alguns casos com at 7 linhas paralelas. O objetivo do sistema
como um todo o de ser um sistema consultor, capaz de fornecer informaes complemen-
tares s fornecidas pelo SCADA e de diminuir a presso sobre os operadores auxiliando no
monitoramento dos estados dos sensores do gasoduto.
Uma das funes realizadas por esse sistema o monitoramento de anomalias de presso,
que podem ser indicativas de vazamentos ou fechamento de vlvulas de bloqueio, e busca de
padres que podem indicar um vazamento. A implementao desse sistema foi feita utilizando-
se ao mesmo tempo regras e processamento de sinais. O mdulo de processamento de sinais
2.5 Deficincias de sistemas de deteco de vazamentos por software 31
reduz os sinais lidos do SCADA a uma srie de caractersticas que so ento passadas ao sistema
especialista. Este contm regras que, a partir destas caractersticas e de relaes esperadas
entre os valores de cada estao de medio, detectam uma srie de condies operacionais de
interesse.
2.5 Deficincias de sistemas de deteco de vazamentos por

software
Como foi visto nas sees anteriores, em geral os SDVs por software utilizam uma combi-
nao de tcnicas de anlise estatstica e simulao dinmica para determinar a presena de um
vazamento. Tambm foi visto que o desempenho de cada tcnica varia bastante de acordo com
a implementao. Ainda assim, a maior dificuldade na deteco de vazamentos por software
est na baixa qualidade dos sinais de entrada (ENERGY, 2004).
Como essas anlises esto baseadas em informaes provenientes de sensores que foram
instalados no duto por outras razes, esses sensores no foram otimizados para a tarefa de
deteco de vazamentos, uma vez que as outras tarefas de gerenciamento e controle do gasoduto
impe restries mais brandas na qualidade e quantidade das medies do gasoduto.
Assim, so poucos os sistemas que se dizem capazes de detectar vazamentos menores que
1% do fluxo de massa de um gasoduto (BELSITO et al., 1998), mesmo em se tratando de dutos
de transporte de lquidos (que, devido ao grande mdulo de compressibilidade, permitem uma
sensibilidade maior). Mesmo entre os produtos comerciais, nenhum dos pesquisados se disse
capaz de detectar vazamentos menores que 0,5% do fluxo de massa, mesmo com as melhores
condies possveis.
Apesar desses nmeros parecerem razoveis, preciso notar que em um duto de transporte
de gs de grande capacidade um vazamento de 1% pode significar o mesmo consumo que uma
estao de entrega e que mesmo um vazamento com metade dessas dimenses seria prontamente
detectado por qualquer comunidade prxima, devido ao intenso rudo que o gs produz ao
escapar para a atmosfera.
Portanto, devido a essas limitaes e apesar de serem usados com freqncia na prtica, a
eficcia operacional dos SDVs por software ainda um tema controverso na indstria (NICHO-
LAS et al., 1992; WESTHOFF, 1999).
No obstante esses problemas, deve-se levar em considerao que durante a operao nor-
mal de um gasoduto os controladores realizam alguns testes e observam alguns sinais especfi-
2.6 Sistema instalado na empresa-alvo 32
cos para detectar vazamentos, normalmente baseados em heursticas sobre o funcionamento do

gasoduto. Portanto, uma alternativa de desenvolvimento ainda relativamente pouco explorada
mimetizar em um software as aes desses controladores, de modo a realizar uma parte da
tarefa e diminuir o estresse sobre eles.
2.6 Sistema instalado na empresa-alvo
O sistema de deteco de vazamentos utilizado pela empresa-alvo faz parte de um pacote

de administrao do gasoduto chamado PMS (Pipeline Management System), fornecido pela
Energy Solutions International.
O princpio de funcionamento do PMS bem simples: fazer a diferena entre os valores

medidos no gasoduto e os valores obtidos atravs de simulao, e tentar identificar nestas dife-
renas evidncias de um vazamento. Os valores de entrada para a simulao so presso, vazo
e temperatura. Para se obter uma boa sensibilidade na deteco de vazamentos importante que
esses valores sejam precisos.
Por esta razo, o sistema utiliza principalmente os dados das estaes de compresso, por-
que todas possuem medidores de presso e a maior parte delas possue medidores de vazo (em
algumas estaes, por um erro de projeto, o medidor de presso est dentro da regio do by-
pass, tornando-se inativo sempre que a estao est com todos os compressores desligados). J
as estaes de entrega no possuem medidores da vazo atravs do gasoduto, apenas da vazo
para o cliente. Alm disso, o sistema de comunicao das ECOMPs do tipo VSAT, que per-
mite uma freqncia de transmisso de dados grande, de cerca de uma a cada 3 segundos, ou
por uma conexo terrestre. J as estaes de entrega funcionam com o sistema Inmarsat, que
basicamente uma linha discada via satlite. O custo de transmisso por esse sistema mais
alto, de modo que as comunicaes entre EEs e a CSC so bem menos freqentes.
Para que o sistema seja eficaz, deve ser possvel fazer simulaes bastante rpidas, de modo
a permitir verificaes freqentes (da ordem de uma a cada 20 segundos). Para atingir esta taxa
necessrio utilizar um modelo simplificado do duto. Por exemplo, no modelo utilizado pela
empresa-alvo as estaes de entrega so consideradas derivaes simples.
Para fazer a simulao, preciso dividir as variveis de processo em dois grupos: umas,
as conhecidas, sero alimentadas no modelo e as outras sero previstas por ele. Assim, para se
utilizar todas as variveis de processo, o PMS utiliza dois modelos, chamados de PQ e QP.
No modelo PQ so definidas como variveis conhecidas a presso a montante (i.e. na

ECOMP a montante do trecho de interesse, quando essa ECOMP possui um sensor de vazo
fora do by-pass) e a vazo a jusante. Assim o modelo deve prever a vazo a montante e a presso
a jusante. No modelo QP feito o inverso: so definidas como variveis de entrada a vazo a
montante e a presso a jusante e se busca a presso a montante e a vazo a jusante.
Desse modo, possvel fazer comparaes de todas as presses e vazes medidas com
as simuladas. Essas comparaes resultam em 4 filtros: o filtro de presso inesperada (UP
unexpected pressure) e de vazo inesperada (UF unexpected flow), para a estao a montante
e a jusante. Cada um desses filtros calculado subtraindo-se do valor esperado (ou simulado) o
valor medido. A figura 2.2 explica essa comparao.
Figura 2.2: Esquema do funcionamento dos filtros PQ e QP.
Alm disso, um outro parmetro que deve ser definido o tempo de simulao. So utili-
zados 3 tempos de simulao diferentes para cada filtro, totalizando desse modo 12 filtros. Os
filtros so chamados de slow, medium e fast, para tempos de simulao de 100, 30 e 5 min,
respectivamente.
Apesar do menor tempo de simulao ser de 5 min, isso no quer dizer que s ocorra uma
simulao a cada 5 min. O que ocorre que a cada ciclo de aquisies (20 s) disparada uma
simulao do tipo slow, uma do tipo medium e uma do tipo fast, para cada um dos modelos, PQ
e QP, ou seja, 6 simulaes diferentes. Desse modo, a cada 20 s o valor dos desbalanceamentos
apresentados por esses doze5 filtros atualizado.
De posse destas informaes, o programa ento as compara com um limiar. Esse limiar
calculado em duas partes: a base e o complemento.
A base definida previamente atravs de um estudo, chamado de LSS Leak Sensitivity

Study, feito pela Energy Solutions, que determina qual o tamanho mximo do desbalancea-
5 Cada simulao produz 2 filtros: um para a estao a montante e outra para a estao a jusante.
mento sem que haja suspeita de vazamento. Valores acima desse parmetro podem indicar um
vazamento.
O complemento calculado pelo PMS, para cada tempo de simulao (slow, medium e fast)
e tipo de filtro (UF e UP), levando em considerao condies operacionais, como ocorrncia
de transientes na linha, utilizando mtodos prprios. Esse complemento ento adicionado ao
limiar base.
A princpio, detectar se um desses limiares foi ultrapassado j faria um sistema de deteco

de vazamentos razovel. No entanto, ele seria muito suscetvel a alarmes falsos, caso ocorra
uma situao em que apenas um dos filtros ultrapasse o limiar em apenas uma das simulaes.
Para diminuir a possibilidade de alarmes falsos utilizado ainda um sistema de contagem

de vezes em que o sistema ultrapassou o limiar. Cada filtro tem associado a si um contador. Este
contador pode ter os valores -1, 1, 2, 3 e 4, e inicia em 1. A cada vez (i.e. a cada perodo de 20 s)
que o filtro apresenta um valor acima do limiar, o contador incrementado. Do mesmo modo,
cada vez que o desbalanceamento fica abaixo do limiar, o contador decrementado. Quando o
desbalanceamento se torna negativo, o contador decresce para -1.
Desse modo, tem-se uma escala crescente de alertas de vazamento. De acordo com o ma-
nual (VALERIANO, 2001), o nvel 2 significa vazamento possvel; o nvel 3 alerta de vazamento;
o nvel 4 vazamento confirmado; -1 significa empacotamento (ou seja, um desbalanceamento
negativo) e o nvel 1 situao normal. Atravs desse sistema possvel diminuir o nmero de
alarmes falsos.
Assim que pelo menos 3 contadores a jusante e 3 contadores a montante estiverem com
nvel 4, o sistema inicia o processo de localizao de vazamentos. Por ser um processo iterativo,
conforme o tempo passa, o sistema melhora sua estimativa da posio do vazamento. O sistema
de localizao de vazamento retorna trs nmeros, em quilmetros: um limite inferior para a
posio do vazamento, um limite superior e a posio mais provvel.
A partir desta viso geral do funcionamento do sistema, existem alguns detalhes que preci-
sam ser notados. O primeiro deles se refere velocidade de resposta de cada um dos tipos de
filtro: UF ou UP. Os filtros de vazo (UF) so muito mais sensveis que os filtros de presso,
e apresentam uma resposta muito mais rpida. Por essa razo, eles so extremamente sujeitos
a transientes, e costumam disparar com uma freqncia muito maior que os filtros de presso
(UP). comum um transiente acionar todos os trs filtros de vazo em uma determinada es-
tao, esses filtros voltarem para o estado normal e s ento o filtro lento de presso acusar
alguma coisa. Para verificar se o valor alto para um dos filtros de presso em uma estao est
relacionado com um valor alto no filtro de vazo, preciso observar o histrico dos filtros de
vazo at 2 horas antes.
Como os filtros de vazo so muito sensveis a transientes, qualquer estado de alarme em

um (ou mesmo nos trs) filtro de vazo de uma estao dever ser ignorado. Apenas se algum
filtro na estao complementar tambm estiver em estado de alarme dever o estado desses
filtros ser levado em considerao.
No entanto, apesar dessa sensibilidade, no devem existir inconsistncias entre filtros. Isso
quer dizer que, por exemplo, o filtro de vazo de uma estao no pode indicar um valor de
empacotamento e o filtro de presso um valor de vazamento. No obstante, em alguns casos,
um alarme negativo na presso e um positivo na vazo podem indicar uma situao em que o
gasoduto est empacotando e houve um aumento de vazo naquela ECOMP.
Caso alguma inconsistncia seja identificada, a maior probabilidade de que se trata de

sensores defeituosos ou dados forados. Um dado forado quando, como foi explicado na
seo 1.2, a CSC fixa o valor de um dos sensores do SCADA, de modo que a leitura realizada
em campo seja sempre ignorada e apenas o valor fixado registrado no banco de dados. Essas
situaes devem ser sempre avisadas, pois podem indicar algum defeito ainda no identificado
pelos controladores.
Em geral, dados defeituosos que j so conhecidos pelo SCADA (como dados forados ou
leituras incorretas) so informados para o PMS, que ignora esses dados e os emula, ou utilizando
uma mdia histrica, ou inferindo o valor a partir de simulao. O sistema tambm aumenta
o nvel do limiar, de modo que esse dado no cause alarmes falsos. No entanto, um erro de
calibrao de sensor de vazo em uma EE pode aparecer como uma suspeita de vazamento.
Para dirimir essa dvida, deve-se buscar as seguintes informaes:
O trend de vazo da EE. Caso a vazo esteja crescendo muito rapidamente, ou tenha
crescido muito recentemente, a probabilidade de que seja um defeito de instrumentao
ou um vazamento aps os medidores de vazo da EE grande;
Caso o trend de vazo da EE indique um aumento brusco, deve-se confirmar esse au-
mento com o cliente. Isto pode ser indicao de um problema na linha do cliente, ou
simplesmente de que ocorreu um aumento no previsto do consumo;
Tambm deve-se rever o registro de calibrao dos medidores de vazo da EE em questo.

Caso os medidores tenham sido calibrados a muito tempo pode-se desconfiar de um erro
de calibrao.
2.7 Concluses do captulo 36
2.7 Concluses do captulo
Pelo que foi mostrado neste captulo, fica claro que a deteco de vazamentos por software
uma rea bem desenvolvida, com tcnicas bastante elaboradas. No entanto, como foi visto
na seo 2.5, existem grandes limitaes na capacidade desses sistemas de ter sua sensibilidade
aumentada. Por outro lado, uma via de desenvolvimento que at o momento no foi muito
explorada a possibilidade de, s anlises realizadas pelo detector de vazamento, acrescentar
outras que simulem, ou se aproximem, das anlises que os controladores realizam durante a
operao do duto.
Pode-se considerar que, nesse caso, est se desenvolvendo um novo detector de vazamentos,
com mais conhecimento agregado e capaz de fornecer informaes mais teis aos operadores.
Considera-se que isto justifica a abordagem proposta nesta dissertao, qual seja: aplicar a um
sistema de deteco de vazamentos tradicional (nesse caso, o instalado na empresa-alvo) um
sistema especialista capaz de analisar a sada desse sistema e, a partir de heursticas e conhe-
cimento operacional fornecido pelos prprios controladores do gasoduto, fornecer mensagens
mais informativas aos operadores. Considera-se que um sistema desse tipo fornece ainda as
seguintes vantagens (SAMPATH; YEE, 2000; JOHNSON, 1999; WALLOOPPILLAI et al., 2000):
Diminuio da carga de trabalho dos controladores, pois realizar parte das anlises mais
rotineiras;
Melhorar a resposta da organizao a situaes de falha do gasoduto, uma vez que o

sistema pode tornar disponveis rapidamente vrias informaes teis aos controladores;
Identificar at pequenos problemas com o SCADA e/ou instrumentao.
No prximo captulo ser feita uma reviso dos conhecimentos especficos de inteligncia
artificial que foram utilizados no desenvolvimento do sistema.
37
3 Sistemas baseados em conhecimento
Como foi mencionado anteriormente, este trabalho pretende criar um sistema especialista
(SE) para auxiliar na anlise dos dados produzidos pelo detector de vazamentos da empresa-
alvo. Sendo assim, este captulo visa introduzir as tcnicas de inteligncia artificial (IA) que
foram utilizadas no desenvolvimento do prottipo.
O captulo est organizado do seguinte modo: inicialmente, feita uma breve introduo so-
bre engenharia de conhecimento, abordando apenas os fatos relevantes para o desenvolvimento
desse sistema. Em seguida, so apresentadas as tcnicas de representao de conhecimento e
inferncia que foram utilizadas no projeto. E finalmente se trata um pouco das ferramentas
computacionais utilizadas na implementao do sistema.
3.1 Engenharia do conhecimento
O campo de estudo da inteligncia artificial abarca inmeras reas, que pesquisam, por
exemplo, a representao de conhecimento, mtodos de inferncia, aprendizado, etc. Uma
destas reas, que acabou se desenvolvendo em uma disciplina prpria, a engenharia de co-
nhecimento. Enquanto boa parte da pesquisa em inteligncia artificial se voltava apenas para os
aspectos computacionais, quando se iniciaram as primeiras aplicaes prticas, na dcada de 70
e 80, percebeu-se a necessidade de solucionar, metodicamente, uma srie de problemas ainda
pouco explorados.
Estes problemas incluem, por exemplo, o gerenciamento do desenvolvimento dos sistemas

e a aquisio do conhecimento que deve ser implementado nos mesmos. A engenharia de
conhecimento a disciplina que nasceu do estudo das solues desses problemas. Ela um
ponto de contato entre a inteligncia artificial e as teorias de administrao, do mesmo modo
que ocorreu com a engenharia de software, que se desenvolveu em um ponto de contato entre
a administrao e as cincias da computao, quando se iniciaram as aplicaes industriais de
software (SOMMERVILLE, 1995).
3.1 Engenharia do conhecimento 38
As aplicaes prticas da inteligncia artificial que deram origem engenharia de conheci-

mento so chamadas de sistemas especialistas (SEs), ou de sistemas baseados em conhecimento.
Estes sistemas so chamados assim pois visam implementar o mesmo tipo de anlise que um
especialista realiza. Isto porque descobriu-se que a especializao humana tende a ser sempre
em um campo bem definido e normalmente bastante restrito (DYM; LEVITT, 1991). Essa carac-
terstica permite ao mesmo tempo delimitar bem o conhecimento necessrio para implementar o
sistema e fazer com que o valor comercial do sistema seja grande, pois disponibiliza um conhe-
cimento normalmente restrito a poucos especialistas dentro de uma empresa para um nmero
maior de pessoas, efetivamente fazendo com que esse conhecimento possa produzir mais valor
(SCHREIBER et al., 1999).
interessante conhecer a definio de conhecimento no contexto da engenharia de conhe-

cimento, e como este conceito se ope a dados e informao. Isto auxilia a entender a diferena
fundamental entre os sistemas baseados em conhecimento e outros sistemas tradicionais, como
um sistema de controle de estoques, por exemplo. Assim (SCHREIBER et al., 1999, pgs. 3-4,
traduo nossa):
Dados: Dados so sinais no interpretados. Por exemplo, a luz vermelha em um farol de

trnsito um dado;
Informao: Informao so dados com significado. Assim, saber que a luz vermelha do sinal
significa que obrigatrio parar informao, ou seja, o saber do significado do dado faz
com que ele carregue informao;
Conhecimento: Conhecimento o conjunto total de dados e informaes dos quais as pessoas

fazem uso prtico em aes, para levar a cabo tarefas e criar mais informao. Sendo as-
sim, o conhecimento tem dois aspectos distintos: primeiramente, um senso de propsito,
pois o conhecimento faz parte do maquinrio intelectual para atingir alguma meta; em
segundo lugar, uma capacidade de gerar mais informao.
No entanto, os mesmos autores alertam para o fato dessas definies serem teis apenas na
medida em que auxiliam a compreenso de um determinado problema e que a diferena entre
dados, informao e conhecimento inerentemente dependente do contexto. Apesar disso, na
definio fica clara a caracterstica principal de conhecimento, que a capacidade de gerar
mais informao. Entender esse fato ajuda a entender o que talvez seja a tarefa mais difcil no
desenvolvimento de sistemas especialistas: a aquisio de conhecimento.
Como foi dito anteriormente, sistemas especialistas so implementados para realizar a

mesma tarefa que um especialista humano. Sendo assim, dois processos fundamentais no de-
3.1 Engenharia do conhecimento 39
senvolvimento do sistema so a aquisio de conhecimento do especialista e a representao

abstrata desse conhecimento para que ele possa ser implementado no sistema.
Existem diferentes vises sobre como esses processos devem ser realizados. A viso nas
dcadas de 70 e incio da dcada de 80 era de que o processo de desenvolvimento de um sis-
tema especialista um processo de transferncia de conhecimento do especialista para a base de
conhecimento. Este processo assume que o conhecimento que requerido pelo sistema especia-
lista j existe e necessita apenas ser coletado e implementado. Tipicamente, esse conhecimento
era implementado em sistemas baseados em regras. Com o passar do tempo, uma anlise cui-
dadosa de vrios sistemas especialistas mostrou que as regras de produo eram utilizadas para
representar diferentes tipos de conhecimento, como por exemplo: informaes sobre a ordem
em que as metas devem ser atingidas estava combinada com informaes especficas do domnio
de conhecimento. Essa combinao de diferentes tipos de conhecimento torna a manuteno do
sistema difcil e lenta (STUDER et al., 1998). Alm disso, sistemas baseados em regras costumam
apresentar dificuldade de separao entre as diferentes funes que o conhecimento implemen-
tado exerce. Assim, apesar de regras serem bastante modulares, a base de conhecimento pode
ficar pouco modular devido interdependncia entre as regras. Isto contribue para a dificuldade
de manuteno e expanso dos sistemas.
Alm disso, percebeu-se que a premissa da abordagem de transferncia estava errada, pois
o conhecimento tcito do especialista tem uma funo muito importante em sua capacidade de
resolver problemas. Todas estas desvantagens resultaram na mudana da abordagem de transfe-
rncia para a abordagem de modelagem. Assim, atualmente, consenso que, para desenvolver
um sistema especialista, preciso desenvolver um modelo computacional com capacidades de
resoluo de problemas comparveis a do especialista (dentro do domnio de especialidade).
importante perceber que o objetivo no construir um modelo adequado do ponto de vista cog-
nitivo, mas sim um modelo que produza resultados similares aos do especialista . Isso porque
o especialista no est consciente de grande parte de seu prprio conhecimento e portanto no
capaz de transfer-lo. Assim, o foco do processo de aquisio de conhecimento passou a ser
este processo de construo de um modelo (STUDER et al., 1998).
Tambm durante a dcada de 80, anlises feitas sobre sistemas especialistas j implementa-
dos mostraram que existiam, apesar das diferenas nos tipos de representao de conhecimento
e mecanismos de inferncia utilizados, semelhanas nos mtodos utilizados para resolver os
problemas. O primeiro estudo desse tipo foi realizado por Clancey (1985), que, estudando v-
rios sistemas especialistas, descobriu um padro que foi chamado de classificao heurstica.
Com o passar do tempo, outros mtodos de soluo foram descobertos e surgiram bibliotecas
3.2 Representao de conhecimento e inferncia 40
de mtodos de soluo de problemas. Isso permitiu que sistemas especialistas pudessem ser
construdos a partir de componentes reutilizveis, o que torna o desenvolvimento mais rpido
e livre de erros. Alm disso, a existncia desses mtodos de soluo pode guiar o processo de
aquisio de conhecimento e modelagem, uma vez que, identificado o mtodo de soluo, o tipo
de conhecimento necessrio para a implementao do sistema j estar bem definido (STUDER
et al., 1998).
Quanto ao processo de desenvolvimento do sistema, consenso que o melhor mtodo de

desenvolvimento para um sistema especialista o desenvolvimento baseado na espiral de Bo-
ehm (ALONSO et al., 2000; SCHREIBER et al., 1999). Neste mtodo de desenvolvimento, o sistema
passa por sucessivas iteraes de especificao, aquisio e modelagem do conhecimento, im-
plementao, testes, gerao de prottipos e avaliao do prottipo. Estes ciclos devem ser em
rpidos, preferencialmente com poucos meses entre cada ciclo.
3.2 Representao de conhecimento e inferncia
Historicamente, o foco da comunidade de inteligncia artificial oscila entre dois assuntos:

as teorias de contedo e as teorias de mecanismo. As teorias de contedo versam sobre o
modo como o conhecimento pode ser representado em um programa e as teorias de mecanismo
determinam o modo como novas concluses podem ser obtidas a partir do conhecimento re-
presentado. Sem dvida, essa separao nem sempre clara, sendo que alguns mecanismos de
inferncia funcionam melhor com algumas tcnicas de representao e vice-versa.
No obstante, esta diviso til, pois permite considerar diferentes mtodos de represen-
tao e mecanismos como possveis componentes do sistema, cada um com suas vantagens e
desvantagens. Pode-se ento selecionar o componente mais adequado, ou a combinao mais
adequada de componentes para a soluo do problema. Sendo assim, o objetivo desta seo
apresentar as diferentes teorias de contedo e mecanismo utilizadas no desenvolvimento do
projeto.
Para a representao de conhecimento foram utilizadas ontologias, quadros e redes semn-

ticas. Na verdade, essas trs teorias tm tantos pontos de contato, e, historicamente, seu de-
senvolvimento esteve to conectado, que praticamente impossvel tratar de uma sem levar em
considerao pelo menos alguns aspectos das outras duas. Por conta disso, essas trs teorias
esto apresentadas juntas na seo 3.2.1.
Para realizar a inferncia, foram utilizadas dois mecanismos: regras de produo e lgica
difusa. A descrio desses mecanismos est apresentada nas sees 3.2.2 e 3.2.3, respecti-
vamente. Vale a pena comentar que, apesar destes dois mecanismos no serem normalmente
vistos como teorias de contedo, de fato existe conhecimento representado nestes mecanismos.
O conhecimento implementado o conhecimento necessrio para a resoluo do problema, ou
seja, o mtodo de soluo.
No sistema que foi implementado, estes dois mecanismos so utilizados concomitante-

mente, junto com tcnicas de programao mais tradicionais, como programao orientada a
objetos. Desse modo, possvel utilizar um para complementar as deficincias no outro, ob-
tendo assim um sistema mais flexvel e mais expressivo.
Na literatura existem exemplos de que a integrao entre as vrias teorias, tanto de represen-
tao quanto de mecanismo, pode fornecer melhores resultados. Um exemplo de um ambiente
de desenvolvimento que permite especificamente a integrao entre diversos paradigmas o
ambiente BEST (VRANE; STANOJEVIC , 1995), que integra sistemas baseados em regras de pro-
duo, com programao lgica, quadros, lgica difusa e tcnicas de programao procedural
e orientada a objetos. Um exemplo de um sistema especialista desenvolvido em reas de apli-
cao prximas do presente projeto pode ser visto em (BIAGETTI; SCIUBBA, 2004). O objetivo
deste sistema realizar o diagnstico e produzir prognsticos de uma planta de cogerao a gs
natural. Neste sistema foram utilizados regras de produo e lgica difusa, alm de tcnicas
matemticas de anlise de sinais.
3.2.1 Ontologias, quadros e redes semnticas
Para explicar estas trs teorias de representao de conhecimento e a relao entre elas,
interessante iniciar pelo conceito de ontologia pois este , de certo modo, mais genrico que os
conceitos de quadro e de rede semntica.
O termo ontologia foi emprestado pela IA da filosofia, onde foi originalmente cunhado. Na
filosofia, ontologia a teoria dos objetos conhecidos e cogniscveis (MORENTE, 1967). Ou seja,
ontologia o ramo da filosofia que estuda os objetos e suas relaes em geral, sem particularizar
ou restringir seus estudos a nenhuma classe especfica de objetos. Esta definio pode ser
comparada com a definio de ontologia dentro da IA (CHANDRASEKARAN et al., 1999, traduo
nossa):
Ontologias so teorias de contedo sobre os tipos de objetos, suas propriedades e

as relaes entre os objetos que so possveis dentro de um determinado domnio
de conhecimento. Elas fornecem termos para descrever o conhecimento sobre o
domnio.
Assim, em IA, ontologias descrevem, formalmente, conceitos que podem ser utilizados
pelos programas. Uma ontologia define tanto um vocabulrio de representao, normalmente
especfico a um determinado domnio de conhecimento, quanto um corpo de conhecimento
descrevendo algum domnio (CHANDRASEKARAN et al., 1999).
importante notar que no o vocabulrio propriamente dito que define uma ontologia,
mas as conceitualizaes dos termos nos vocabulrios. Desse modo, traduzir uma ontologia
de uma lngua para outra no deve alter-la conceitualmente, apesar de que, como argumenta
Hofstadter (1979), isso no verdade para o caso geral, pois podem no existir mapeamentos
perfeitos para o mesmo conceito em diferentes lnguas. Uma conceitualizao um modelo
abstrato de algum fenmeno no mundo real. Um aspecto importante de uma ontologia que as
conceitualizaes que ela representa devem ser consensuais, ou seja, dentro da rea de conhe-
cimento sobre a qual versa a ontologia, vrios especialistas devem concordar com as definies
dos conceitos presentes na ontologia (STUDER et al., 1998).
Da explicao anterior se percebe que ontologias so ferramentas bastante genricas. Elas

podem ser utilizadas tanto para armazenar informaes que sero utilizadas apenas por seres
humanos, como para garantir um vocabulrio comum entre vrios especialistas de uma rea ou
como uma ferramenta de gerenciamento de conhecimento, armazenando a memria corporativa
de uma empresa. Tambm, caso seja adequadamente desenvolvida e genrica o suficiente, uma
ontologia pode ser utilizada por diferentes sistemas especialistas que tratam da mesma rea.
Para tornar a discusso menos abstrata, a Figura 3.1 exemplifica o tipo mais simples de
ontologia, uma taxonomia. Na figura, as linhas tracejadas representam relaes do tipo -um.
Esta ontologia representa algum conhecimento sobre jogos e poderia ser usada, por exemplo,
por um sistema de recomendao inteligente de uma loja de brinquedos. Em um processo de
aquisio de conhecimento, esta ontologia pode ser parte do resultado das primeiras entrevistas
de aquisio.
Vale a pena relatar um fato historicamente interessante sobre este tipo de ontologia: Borges
(1981) mostra em seu ensaio El idioma analtico de John Wilkins alguns trabalhos que, do
ponto de vista moderno, so ontologias. O mais interessante deles o sistema proposto por
John Wilkins, que d nome ao ensaio.
Neste sistema, criado em 1664, se dividem todos os objetos em 40 categorias ou gneros,

cada um deles dividido em subcategorias chamadas diferenas, estas por sua vez divididas em
espcies. Nesta taxonomia, cada gnero representado por um monosslabo de duas letras; cada
diferena por uma consoante e cada espcie por uma vogal. Deste modo seria possvel criar um
idioma universal para expressar qualquer conceito. interessante contrastar essa idia com um
Figura 3.1: Exemplo de uma ontologia simples, que contm apenas relaes do tipo -um.
dos usos atuais das ontologias em IA, que a definio de bases de conhecimento consensuais
para cada rea do conhecimento (STUDER et al., 1998).
A Figura 3.2 mostra uma ontologia derivada da anterior, porm mostrando mais relaes
entre os conceitos do que apenas a relao -um. A semelhana entre o nome das relaes
utilizadas e as relaes padro utilizadas em modelagem orientada a objetos (LARMAN, 1998)
no acidental: um dos mtodos de se representar computacionalmente uma ontologia utili-
zando uma estrutura de classes e objetos. Outros mtodos que podem ser utilizados so redes
semnticas e, mais recentemente, lgicas de descrio (NARDI; BRACHMANN, 2003).
Como foi dito anteriormente, um dos modos de se representar ontologias utilizar redes
semnticas. Estas redes so compostas por ns e arcos, onde os ns normalmente representam
indivduos ou objetos e os arcos representam relaes entre esses objetos. E de fato, as Figuras
3.1 e 3.2 so redes semnticas.
Em geral, uma rede semntica representa um conjunto de proposies sobre os objetos

(GIARRATANO; RILEY, 1998, cap. 2) equivalentes s definidas em lgica de primeira ordem
(BITTENCOURT, 2001, cap. 3). Esta relao com a lgica de primeira ordem se mantm desde os
primeiros estudos sobre o assunto, realizados por Charles Pierce na primeira dcada do sculo
XX, quando este estudava as relaes entre seus grafos existenciais e a lgica proposicional
Figura 3.2: Exemplo de uma ontologia mais complexa, contendo, alm de relaes do tipo -um,
relaes de composto-por (representadas por linhas contnuas) e alguns atributos para os objetos (re-
presentados dentro de elipses e conectados aos objetos por uma linha contnua).
(LEHMANN, 1992; RUSSELL; NORVIG, 2004), que por sua vez formaram a base da semitica
(PIERCE, 1999).
A Figura 3.3 mostra um exemplo de rede semntica, retirado de (LEHMANN, 1992), des-
crevendo a frase Toby, o tigre faminto, segue sua me. interessante perceber que, assim
como foi comentado anteriormente sobre ontologias, essa rede permaneceria a mesma para di-
ferentes frases com o mesmo significado, como Toby, filho da tigresa que ele est seguindo,
est faminto, Aquela que deu luz o faminto tigre Toby por ele seguida e mesmo Toby
the hungry tiger follows his mother. Devido a esta invarincia, os primeiros usos de redes
semnticas em IA foram exatamente em processamento de linguagem natural e em traduo
automtica (LEHMANN, 1992; HOFSTADTER, 1979).
Para que uma rede semntica possa ter alguma utilidade, preciso que ela esteja associada
a um interpretador. Um interpretador um mecanismo capaz de manipular as representaes, e
deduzir novas proposies a partir das que j esto representadas na rede (BITTENCOURT, 2001,
cap. 2). Este processo corresponde a encontrar as conseqncias implcitas do conhecimento
explicitamente representado na rede e uma das habilidades fundamentais de um sistema dito
inteligente (NARDI; BRACHMANN, 2003).
Figura 3.3: Exemplo de rede semntica representando a frase Toby, o tigre faminto, segue sua me.
Nesta rede, as linhas finas tracejadas representam relaes do tipo -um e as linhas no tracejadas re-
presentam atributos. Os retngulos representam conceitos concretos e as elipses representam conceitos
abstratos. Os objetos ou relaes com linhas grossas representam asseres sobre indivduos especficos
e podem ser consideradas como conhecimento sobre o problema sendo tratado no momento. As linhas fi-
nas representam conhecimento prvio, independente de qualquer indivduo especfico (LEHMANN, 1992,
pg 2).
Assim, dependendo do mecanismo utilizado para interpretar a rede semntica, ela pode ser
mais ou menos expressiva. Em (LEHMANN, 1992) so dados vrios exemplos de formalismos
de redes semnticas. Em geral, estes mecanismos so definidos limitando-se o tipo e o nmero
de relaes entre os objetos possveis de serem representadas. O exemplo mais simples uma
rede semntica que permite apenas a representaes da relao -um. Estas redes, apesar
de simples, permitem representar perfeitamente taxonomias como as mostradas na Figura 3.1.
Alm disso, possvel fazer inferncias rapidamente sobre essas redes (isto , com baixa com-
plexidade algortmica). No caso dessa rede, o nico tipo de inferncia que ela capaz de fazer
dizer se algum objeto um tipo de outro objeto.
Caso se acrescente ao tipo de relaes possveis as relaes instncia-de e implementa-

interface, obtm-se uma rede semntica capaz de representar a estrutura de classes e objetos
presentes na maior parte das linguagens orientadas a objeto. Inclusive, durante o processo de
compilao de um programa em Java ou C++, o procedimento de verificao de tipos realizado
pelo compilador nada mais do que uma srie de consultas feitas rede semntica que descreve
todos os tipos definidos pelo programa.
Esta semelhana entre as linguagens orientadas a objetos e redes semnticas capazes de

representar relaes do tipo -um no meramente acidental. Durante o desenvolvimento do
paradigma de orientao a objetos, alm da influncia da pesquisa em simulao de sistemas
discretos houve influncia dos resultados de pesquisas em inteligncia artificial (GRAY, 1994),
sobretudo atravs de uma outra tcnica de representao, chamada quadros, que apareceu pela
primeira vez no incio da dcada de 70, inicialmente como um modelo cognitivo do processo de
compreenso de uma cena ou uma histria e como um modelo do funcionamento da memria
(MINSKY, 1975).
Um quadro (do ingls frame) uma estrutura de dados que representa um determinado indi-
vduo ou situao, de modo semelhante aos ns das redes semnticas mostradas anteriormente.
Associado ao quadro esto vrios tipos de informaes: sobre como utilizar o quadro, sobre as
relaes entre esse quadro e outros quadros e sobre atributos especficos a esse objeto ou situ-
ao. Na linguagem utilizada quando se fala de quadros, estas informaes so chamadas de
terminais ou atributos. Cada terminal pode ter um nome e ou indicar uma conexo com outro
quadro ou estar associado a um determinado valor.
Com isso possvel conectar um conjunto de quadros entre s, com os atributos de um qua-
dro referenciando alguns outros. Um conjunto de quadros interconectados desse modo forma
um sistema de quadros. Estes quadros formam uma rede equivalente a uma rede semntica. De
fato, atualmente se considera quadros um dos melhores modos para implementar computacio-
nalmente uma rede semntica (LEHMANN, 1992). A Figura 3.4 d um exemplo de um sistema
de quadros, junto com o exemplo de um quadro.
Figura 3.4: Exemplo de um quadro representando a idia de MINHA_CASA. Os nomes em letras

maisculas representam ponteiros a outros quadros. Note que alguns atributos podem receber uma lista
de valores. Na direita, tm se o exemplo de um sistema de quadros, mostrando a relao entre eles.
Associados a idia de quadros esto trs conceitos muito teis para a representao de
conhecimentos: o raciocnio padro, o uso de facetas nos atributos e os sacis (BITTENCOURT,
2001).
O raciocnio padro a habilidade de um quadro recm-criado herdar valores padro para

os atributos que no puderam ser preenchidos explicitamente pelo processo de criao. Essa
idia mais facilmente compreendida com um exemplo prtico. Antes de mais nada suponha
que quadros so um modelo cognitivo plausvel para o funcionamento de memria. Depois pea
a uma pessoa que imagine uma casa. Apesar de no haver sido fornecido nenhum detalhe sobre
a casa, essa pessoa provavelmente formar em sua mente uma imagem especfica de uma casa,
talvez a de uma casa pedaggica com quatro paredes do mesmo tamanho e um telhado de duas
guas, ou a casa onde ela mora ou morou na infncia. Pelo modelo de quadros, o que se pediu
foi que a pessoa instanciasse um quadro de casa em sua mente. Como no foi fornecida uma
descrio precisa da casa, os atributos descrevendo as caractersticas da casa receberam valores
padro (RUSSELL; NORVIG, 2004). Uma aplicao desse tipo de raciocnio pode ser vista na rede
semntica da Figura 3.2. Nela, o nmero padro de jogadores de um objeto pertencente a classe
Jogo dois. Assim, possvel determinar automaticamente que o nmero de jogadores em
um jogo de xadrez tambm dois, pois esse valor padro ser herdado da classe Jogo.
Facetas so restries que podem ser aplicadas a valores de objetos. Por exemplo, na
Figura 3.4, o atributo Local pode ter uma restrio que indica que esse atributo s pode
receber como valor referncias a quadros da classe LUGAR e que o nmero mximo de
valores (cardinalidade) que podem estar nesse atributo 1. Outros tipos de restries podem ser
colocadas, dependendo da implementao do sistema.
Finalmente, a terceira caracterstica importante so os sacis (daemons em ingls). Sacis

so funes procedurais que podem estar associadas a atributos e que so executadas em de-
terminadas ocasies. Ocasies comuns so: sempre que o atributo for consultado, sempre que
o atributo for modificado, ou sempre que o atributo for apagado (BITTENCOURT, 2001). Os
sacis permitem implementar facilmente atributos calculados, como por exemplo, a rea de um
telhado a partir da descrio de sua geometria. Eles tambm permitem embutir na representao
verificaes automticas de consistncia, como no caso da modificao do valor de um atributo.
3.2.2 Sistemas de produo
Sistemas de produo so um dos mtodos de inferncia mais bem sucedidos na rea de

sistemas especialistas. Estes sistemas so baseados na idia de Emil Post, que props em 1936
um modelo genrico de computao baseado na aplicao sucessiva de um conjunto de re-
gras, chamadas regras de produo, sobre cadeias de caracteres (BITTENCOURT, 2001). Neste
sistema, cada regra da forma Ri : LE LD , onde tanto LE quando LD indicam cadeias de
caracteres. Ao se aplicar uma regra dessa forma sobre uma cadeia de caracteres qualquer, todas
as ocorrncias de LE sero substitudas por LD .
Assim, um sistema de Post composto por um conjunto ordenado de regras, chamado de

base de regras, e por uma seqncia de caracteres, chamada de memria de trabalho. Alm
disso, deve existir um componente ativo, chamado interpretador, que, para cada regra, caso a
seqencia em LE esteja contida na memria de trabalho, substitui na memria de trabalho a
primeira ocorrncia de LE por LD e volta a verificar se a regra pode ser aplicada. Caso ela no
possa, o interpretador passa para a prxima regra e assim sucessivamente at o fim do conjunto
de regras. Neste ponto, o interpretador retorna primeira regra no conjunto de regras e continua
o processo at que o no seja mais possvel associar o lado esquerdo de nenhuma regra cadeia
de caracteres na memria de trabalho.
Para exemplificar, seja o seguinte grupo de regras:
R0 : 101 111
R1 : 111 101
Ao se aplicar este conjunto a esta cadeia inicial de caracteres:
0101011
obtm-se o seguinte resultado:
0 101 011 R0 0 111 011

011 101 1 R0 011 111 1
0 111 111 R1 0 101 111
010 111 1 R1 010 101 1
...
Neste exemplo no difcil perceber que o processo jamais chega ao fim, uma vez que a
ltima cadeia mostrada no exemplo idntica a cadeia inicial. Um exemplo mais elaborado das
possibilidades dessas transformaes pode ser encontrado em (BITTENCOURT, 2001), na pg.
252.
O sistema mostrado acima, apesar de simples, a base do funcionamento do mecanismo

de inferncia de grande parte dos sistemas especialistas. Nestes sistemas, ao invs de se usar
letras, na memria de trabalho esto armazenadas estruturas de dados mais complexas, os fatos.
As regras, ao invs de substiturem cadeias de letras por cadeias de letras, verificam a existncia
de certos fatos e os modificam ou criam novos fatos a partir deles. Como nesses sistemas a
regra o principal componente, eles tambm so chamados de sistemas baseados em regras.
Um sistema baseado em regras dividido nos componentes mostrados na Figura 3.5.
Figura 3.5: Arquitetura de um sistema de produo.
A base de conhecimento pode ser dividida em duas partes: a base de regras e a memria
de trabalho. Na memria de trabalho normalmente esto fatos que esto sendo utilizados pelo
sistema especialista nas inferncias que ele est realizando naquele momento. Para tornar a
discusso menos abstrata, aqui esto dois exemplos possveis de fatos na memria de trabalho
de um sistema especialista:
(estacao-entrega Joinville pressao baixa)

(estacao-entrega Joinville vazao baixa)
Estes fatos provavelmente foram resultado de anlises anteriores realizadas pelo sistema
que determinaram que a presso e a vazo na estao de entrega de Joinville estavam baixas.
As regras na base de regras contm estruturas que podem ser associadas a esses fatos e executar
aes caso ocorra uma associao. Essas aes podem ser tanto a produo de novos fatos na
memria de trabalho quanto a execuo de operaes procedurais. Por exemplo, pode existir na
base de regras uma regra com a seguinte forma:
(estacao-entrega ?estacao pressao baixa)

(estacao-entrega ?estacao vazao baixa)

(assert (disparar-alarme estacao-entrega ?estacao))
Nesta regra, o smbolo significa um e lgico, o termo ?estacao uma varivel que
pode assumir qualquer valor e a seta separa o lado esquerdo do lado direito da regra. O
comando assert indica que se deseja criar um novo fato na memria de trabalho, com o con-
tedo disparar-alarme estacao-entrega ?estacao. Esta regra pode ser interpretada textualmente
como: Caso haja na memria de trabalho um fato indicando que uma determinada estao de
entrega est com a presso baixa, e caso exista um outro fato na memria de trabalho indicando
que a mesma estao est com a vazo baixa, ento colocar na memria de trabalho um fato
indicando que um alarme deve ser disparado para esta estao de entrega.
O motor de inferncia o mecanismo que faz a comparao entre os fatos e as regras e

define quais regras apresentam o seu lado esquerdo satisfeito. Quando uma regra tem todas
as suas pr-condies satisfeitas, diz-se que essa regra est ativa. importante notar que uma
regra ativa ainda no foi executada. Em um sistema especialista grande extremamente comum
que vrias regras estejam satisfeitas (e portanto ativas) ao mesmo tempo. No entanto, o sistema
capaz executar apenas uma regra de cada vez. Assim, o motor de inferncia coleta todas
as regras ativas em uma lista, chamada agenda, e, utilizando algum critrio (que normalmente
pode ser alterado pelo programador do sistema), escolhe uma das regras para ser executada.
Nesse ponto o motor de inferncia executa a regra (tambm se diz que a regra foi disparada).
Aps o trmino da execuo da regra o controle retorna ao motor de inferncia, que atualiza
a agenda em funo das modificaes que provavelmente ocorreram na memria de trabalho e
seleciona a prxima regra a ser disparada. Esse processo continua at que alguma regra execute
um comando para sair do sistema ou que no existam mais regras na agenda.
Um detalhe que deve ser levado em considerao, e que pode passar despercebido ao ler a
descrio acima, que, como o sistema normalmente no retira os fatos que causaram o disparo
da regra, ela continuaria ativa, estando apta a disparar no prximo ciclo do motor de inferncia.
Normalmente este no o comportamento esperado do sistema e para evitar esse problema
muitos sistemas de produo implementam uma propriedade chamada refrao (GIARRATANO;
RILEY, 1998). Esta propriedade faz com que uma regra s seja disparada uma vez para um
determinado conjunto de fatos que satisfaa suas pr-condies, evitando assim que o sistema
fique executando a mesma regra indefinidamente.
Um dos gargalos de eficincia de um sistema de produo o algoritmo que determina se

as pr-condies das regras esto satisfeitas. Em um sistema especialista grande, em um de-
terminado momento do processo de inferncia, podem existir milhares de regras (por exemplo,
r regras), cada uma com vrias pr-condies (em mdia, c condies) e centenas ou milhares
de fatos na memria de trabalho (essa quantidade ser chamada de f ). Em uma situao desse
tipo, caso no se explore nenhuma possibilidade de otimizao, ser necessrio verificar, a cada
regra disparada, se cada pr-condio de cada regra est ou no satisfeita. Esse processo en-
volve rc f verificaes. Como r e f so nmeros grandes, normalmente na ordem de milhares,
a cada disparo de regra seria necessrio fazer um nmero de verificaes da ordem de milhes.
Para evitar esse problema, pode-se lanar mo de certas otimizaes. Um algoritmo bas-
tante eficiente e muito utilizado na implementao de sistemas de produo o algoritmo Rete
(que o latim para rede), proposto por Forgy (1982). Sem entrar em detalhes do funciona-
mento desse algoritmo, vale a pena mostrar os dois processos principais que ele utiliza para
otimizar o processo de verificao das pr-condies, at porque isso permite entender melhor
o funcionamento de sistemas especialistas.
A primeira otimizao que se faz tirar vantagem de que, apesar do nmero de fatos na
memria de trabalho ser normalmente grande, o disparo de uma regra costuma modificar pouco
a memria de trabalho, normalmente acrescentando dois ou trs fatos novos e talvez retirando
um ou dois fatos j presentes (pode-se considerar que a modificao de um fato nada mais
que a deleo do fato antigo seguida da introduo do novo fato na memria de trabalho). Sa-
bendo disso, pode-se, ao invs de a cada disparo de regra verificar todos os fatos da memria de
trabalho, verificar apenas os fatos que foram alterados. Assim, com essa otimizao, ao invs
de se comparar todas as rc pr-condies com todos os f fatos, basta realizar essa comparao
com apenas alguns poucos fatos. Levando-se em considerao os valores mencionados anteri-
ormente, isso j representa uma diminuio de duas ou trs ordens de grandeza no nmero de
operaes que devem ser realizadas aps cada disparo de regra.
Uma segunda otimizao ainda pode ser feita caso se leve em considerao que muitas
regras tm pelo menos algumas pr-condies idnticas. Essa caracterstica pode ser explo-
rada encontrando-se estas pr-condies idnticas e, ao invs de test-las vrias vezes, test-las
apenas uma vez e propagar o resultado para todas as regras que a utilizam. Um modo de se
implementar isso em um programa utiliza uma estrutura de dados que, caso fosse representada
graficamente, seria semelhante a uma rede, da o nome do algoritmo. Esta otimizao, depen-
dendo da estrutura do sistema, pode diminuir ainda mais o nmero de verificaes necessrias,
fazendo com que a verificao das pr-condies em um sistema de produo seja um processo
bastante rpido.
3.2.3 Lgica difusa
No processo de modelagem do conhecimento normalmente se faz necessrio modelar o

modo pelo qual os especialistas tratam incertezas. Ao longo do tempo a comunidade da IA
desenvolveu diferentes mtodos para tratamento de incertezas. Entre eles esto a teoria de
Dempster-Shafer (GIARRATANO; RILEY, 1998), a estatstica, em particular as redes bayesianas
(PEARL, 1986; NEAPOLITAN, 1990) e a teoria dos conjuntos difusos (ZADEH, 1965).
A pesquisa em conjuntos difusos originou a lgica difusa, que uma extenso da lgica bi-
valorada capaz de tratar de diferentes graus de veracidade. Devido a sua flexibilidade, a lgica
difusa foi escolhida para esse trabalho como melhor mtodo de representao de incerteza. Esta
seo visa descrever brevemente esta lgica e desenvolver o formalismo que foi utilizado neste
prottipo. A maior parte do contedo desta seo foi retirado de (KAUFMANN, 1975) e de
(DUBOIS; PRADE, 1980).
Seja um conjunto clssico qualquer X de objetos, enumervel ou no1 . Um dos modos de

se representar um subconjunto A X atravs de sua funo de pertinncia A : X 7 {0; 1}. Esta
funo costuma ser representada por:

1 sse x A

A (x) =

(3.1)
0 sse x < A

Esta funo retorna para cada elemento do universo de discurso X um valor indicando se o
elemento x pertence (1) ou no pertence (0) ao conjunto A.
A teoria dos conjuntos difusos estende este conceito permitindo graus de pertinncia di-
ferentes de 1 ou 0, ou seja, esta teoria permite representar a incerteza de classificao (KLIR;
YUAN, 1995) de um determinado elemento x em uma determinada categoria A. Esta extenso
feita expandindo-se o codomnio de A (tambm chamado de conjunto de pertinncia) para um
conjunto totalmente ordenado, como [0; 1], por exemplo. Neste trabalho ser utilizado tanto A
quanto A para representar um conjunto difuso.
e
e
Sem dvida, outros conjuntos alm do definido pelo intervalo [0; 1] podem ser utilizados
como codomnio da funo de pertinncia. Em (KAUFMANN, 1975, cap. 5) pode ser visto um
tratamento aprofundado dessas possibilidades, mas nesse trabalho ser considerado sempre o
intervalo [0; 1] por ser o que melhor se adequa ao problema em questo.
Com essa nova definio de funo de pertinncia, preciso redefinir as trs operaes
bsicas sobre conjuntos: a interseco (), a unio () e o complemento ( ). Pode-se redefinir
estes conceitos de vrios modos diferentes. As definies a seguir so comuns na literatura:
AB = max(A , B ) (3.2)
e e e e
AB = min(A , B ) (3.3)
e e e e
A = 1 A (3.4)
e e
1 Neste trabalho, por abuso de linguagem, conjuntos enumerveis sero chamados de conjuntos discretos e
conjuntos no-enumerveis sero chamados de conjuntos contnuos.
Estas definies tm a vantagem de preservar as caractersticas das operaes tradicionais

quando aplicadas a conjuntos ordinrios.
A partir destes conceitos possvel definir uma lgica que ser chamada de lgica difusa.
Ao contrrio da lgica de primeira ordem, que considera apenas dois valores-verdade possveis
0 para absolutamente falso e 1 para absolutamente verdadeiro a lgica difusa permite tratar
de todas as gradaes possveis entre esses dois valores. Existem vrias interpretaes poss-
veis para essa gradao. Neste trabalho, se considera que 0 significa absolutamente falso, 1
1
absolutamente verdadeiro e 2 absolutamente ambguo.
O primeiro passo para se definir a lgica difusa o conceito de varivel difusa. Uma
varivel difusa ser representada como:
a = A (x) M = [0; 1], xX (3.5)

e e
Nesta definio, X o universo de discurso ou conjunto de referncia da lgica difusa. To-

das as variveis sempre se referem a elementos desse conjunto. O conjunto A um subconjunto
e
difuso de X. Assim podemos definir as seguintes operaes sobre variveis difusas:
a b = max(a, b) (3.6)
e e ee
a b = min(a, b) (3.7)
e e ee
a = 1 a (3.8)
e e
Estas operaes representam, respectivamente, o ou lgico ou disjuno, o e lgico ou

conjuno e a negao. interessante notar a semelhana entre estas definies e as definies
3.2, 3.3 e 3.4. E de fato, assim como na lgica clssica, para cada definio para as operaes
entre conjuntos difusos existe uma definio de lgica difusa correspondente. Em (KANDEL,
1986) pode ser visto como diferentes definies para 3.2, 3.3 a 3.4 do origem a lgicas difusas
com propriedades diferentes.
Um outro modo para se representar as operaes definidas em 3.6, 3.7 e 3.8 utilizando
uma notao funcional. Nesta notao a operao a b passa a ser (a, b). Esta notao ser
e e ee
mais conveniente quando forem definidas operaes que podem ser aplicadas a um nmero
arbitrrio de variveis e portanto ser a preferida neste trabalho.
O prximo conceito necessrio o de funo de variveis difusas. Uma funo h construda

apenas com variveis difusas a, b, . . . uma funo difusa caso 0 h 1. fcil ver que uma
e
ee e
funo formada apenas pela composio das funes (), () e () uma funo difusa.
Para que se tenha uma lgica no sentido prprio da palavra, preciso ainda apresentar
alguma definio para os quantificadores universal e existencial. Uma definio possvel para
esses quantificadores :
x h(x) = inf h(x)

(3.9)
e ee x ee
e
x h(x) = sup h(x)

(3.10)
e ee x ee
e
onde a expresso x significa para qualquer x e x significa existe pelo menos um x. O ope-
e e e e
rador sup x (inf x ) significa o maior (menor) valor da funo h, substituindo-se todos os valores
e e e
possveis da varivel difusa x dentro do universo de discurso.
e
Esse conjunto de definies uma lgica em que a proposio atmica, isto , a proposio
mais simples possvel, a pertinncia de um determinado elemento a um determinado conjunto
difuso. Esta proposio representada por uma varivel difusa. E, de fato, adotando essa
definio qualquer funo de variveis difusas formada apenas pela composio das funes
(), () e () tambm uma proposio.
Pode-se dizer que essa lgica se reduz a uma lgica tri-valorada no sentido que, caso duas
n on
proposies difusas de n variveis tenham os mesmos valores para 0; 21 ; 1 , ento as duas
proposies tero os mesmos valores para [0; 1]n (DUBOIS; PRADE, 1980, pg. 162).
Apesar de ser possvel fazer o desenvolvimento de um sistema de programao lgica uti-

lizando algumas variaes da lgica mostrada acima (EBRAHIM, 2001; VOJT, 2001), neste
trabalho o maior interesse est em utilizar proposies difusas dentro de um sistema baseado
em regras. Para tanto, ser utilizado um dos tipos de regra mostrados em (CODN et al., 1999).
Na notao usada, uma regra difusa tem a seguinte forma:
Rk : Se hk (a1 , . . . , an ) ento b1 , . . . , bm com grau de certeza rk (3.11)

e e e e e
Esta regra associa o valor-verdade de uma proposio hk no antecedente com o valor-

e
verdade de uma srie de variveis difusas no consequente. A regra em s tem um valor de
certeza rk , que ser utilizado junto com o valor-verdade de hk para determinar o valor-verdade
das variveis b1 , . . . , bn .
e
e e
O processamento de uma regra desse tipo segue o seguinte algoritmo:
1. Determinar o valor-verdade da funo hk a partir do valor-verdade de a1 , . . . , an . Esta

e e e
etapa chamada de associao;
2. Determinar o grau de ativao da regra a partir do valor-verdade de hk e do valor de rk .

e
A funo que calcula esse valor chamada de funo de ativao. Ela ser representada
por a;
e
3. Opcionalmente pode-se aplicar uma funo w : [0; 1] 7 [0; 1] ao valor de ativao. Esta
e
funo ser chamada funo peso;
4. Alterar na base de conhecimento o valor-verdade de cada bi de acordo com o valor de

ativao.
A funo utilizada para realizar a ativao e a funo w devem ser escolhidas de acordo
e
com a aplicao.
Normalmente em um sistema desse tipo existiro vrias regras com o mesmo consequente
bi . Assim, possvel que vrias regras tentem definir o valor de bi . O modo mais genrico de
resolver esse conflito utilizando uma funo que ser responsvel por determinar o valor de
bi a partir de todos esses valores. Essa funo ser chamada de funo de agregao e ser
representada por g. Uma caracterstica fundamental para a funo de agregao que ela tenha
sempre o mesmo valor para qualquer permutao de seus argumentos.
e
Assim, selecionando uma funo de ativao, uma funo de agregao e uma funo w se
e
define completamente o sistema de inferncia difuso. A escolha dessas funes precisa ser feita
com cuidado e depende da aplicao. Uma maior flexibilidade pode ser obtida ao se permitir
que cada regra utilize funes peso e de agregao diferentes (wk e ak ).
e e
Uma caracterstica importante deste sistema difuso que em qualquer momento todas as
regras esto ativas (SONG; LEE, 2002). Isto porque, ao contrrio do mecanismo mostrado para
um sistema baseado em regras convencional, este sistema no considera a existncia ou no de
fatos em acordo com um determinado padro e sim o valor-verdade das proposies que esto
no antecedente das regras. Desse modo todas as regras so capazes de produzir um consequente,
mesmo que normalmente a regra tenha um valor de ativao 0.
Esta caracterstica causar problemas quando o antecedente de uma regra (por exemplo, a
regra 2) depender do conseqente de outra (por exemplo, a regra 1). Neste caso, a regra 1 deve
obrigatoriamente disparar antes da regra 2. Este problema deve ser levado em considerao
explicitamente pelo sistema de inferncia. Algumas solues possveis para esse problema es-
to exemplificadas em (TORRA; SODAN, 1999) e (HALL, 2001). No sistema implementado neste
trabalho, esse encadeamento precisa ser definido explicitamente pelo engenheiro de conheci-
mento. Para isso, o sistema fornece vrios nveis de inferncia e um mecanismo que garante
que todas as regras que esto em um nvel de inferncia iro disparar antes que qualquer regra
no nvel seguinte.
As definies dadas anteriormente para os operadores (ou funes) (), () e () so

interessantes do ponto de vista terico, por fazerem com que o sistema se reduza a um sistema
de lgica booleana caso todas as proposies tenham valores-verdade em {0; 1}. No entanto,
para muitas aplicaes este tipo de comportamento pode no ser o desejado (COX, 1998). Por
isso, para aumentar o poder de expresso do sistema, se permite utilizar na composio de uma
proposio difusa qualquer funo difusa. Para exemplificar as possibilidades dessa abordagem,
considere-se o seguinte exemplo:
Suponha um sistema pneumtico contendo trs medidores de presso dispostos em

pontos diferentes do sistema. Suponha tambm que este sistema possua um meca-
nismo de controle especfico para evitar sobrepresses. Em um determinado mo-
mento, este mecanismo pode estar em funcionamento ou em falha. Uma anlise do
sistema pode produzir a seguinte regra:
Caso o mecanismo de controle esteja em falha, quanto maiores forem as presses
medidas pelos sensores, maior ser o dano ao equipamento.
Um aspecto interessante neste problema o fato de que o dano dependente da combinao

dos valores de trs sensores de presso, condicionado ao fato do mecanismo de controle de
sobrepresso estar em falha. Utilizando apenas os trs operadores (), () e () definidos
anteriormente a representao dessa regra em um sistema especialista seria trabalhosa. No
entanto, introduzindo o seguinte operador, que calcula a mdia aritmtica:
Pn
ai
m(a1 , . . . , an ) = i=1 e (3.12)
ee e n
e as seguintes variveis:
p1 : Pertinncia da presso medida no sensor 1 ao conjunto difuso presso alta;

e
e
e
s: Estado do controle de sobrepresso: 0 para funcionamento e 1 para falha;
e
d: Pertinncia do estado de dano do equipamento ao conjunto difuso muito danificado;
e
pode-se representar a regra mostrada acima como:

R : Se s, m p1 , p2 , p3 ento d com grau de certeza 1, 0 (3.13)
eee e e e
3.3 Ferramentas 57
Esse exemplo mostra como o uso de vrios operadores permite expressar um requerimento
razoavelmente complexo em uma regra simples. Neste exemplo, sabe-se que s ocorrem danos
caso o mecanismo de controle esteja em falha. A regra 3.13 ter um valor de ativao 0 sempre
que o mecanismo de controle estiver em funcionamento. Caso o mecanismo de controle esteja
em falha, a regra 3.13 ter um valor de ativao equivalente a mdia dos valores-verdade de p1 ,
p2 e p3 . Vrias funes e classes de funes difusas podem ser encontradas em (KLIR; YUAN,
e
1995) e (COX, 1998).

e e
Finalmente, em algumas aplicaes pode ser interessante determinar qual de duas variveis
difusas a mais ambgua. Esta relao ser representada por % e uma relao de ordenamento
parcial tal que:
2 a < b

1
a, b [0; 1] a % b caso

e e ou (3.14)
21 a > b

ee e e
e e
h i h i
Quando a % b diz-se que a mais ambguo que b. Caso a 12 ; 1 e b 0; 21 ou a = b
e e e e e e e e
esta comparao no est definida (DUBOIS; PRADE, 1980, pg. 152).
3.3 Ferramentas
O objetivo desta seo descrever as ferramentas utilizadas na implementao do prottipo.

Ele tratar principalmente das duas linguagens utilizadas no desenvolvimento: C++ (STROUS-
TRUP, 1997) e CLIPS (CLIPS. . . , 2005).
CLIPS (C Language Expert System Shell) uma linguagem e um ambiente de execuo

especialmente desenvolvidos para a implementao de sistemas especialistas (esses ambientes
so normalmente chamados de shells). Ela teve seu desenvolvimento iniciado na NASA, em
1984 e foi criada com o objetivo especfico de permitir a integrao entre uma linguagem para
sistemas especialistas e linguagens de programao convencionais, como o C, por exemplo.
Alm disso, a linguagem deveria ser capaz de ser executada em diferentes plataformas e tambm
ser utilizada como componente de programas maiores.
Apesar do paradigma de programao inicial da linguagem ser um sistema de produo

(utilizando o algoritmo Rete), durante o desenvolvimento da linguagem foram includos mais
dois paradigmas: programao procedural, como a encontrada em linguagens como C e Fortran,
e programao orientada a objetos. Inclusive, a linguagem de programao orientada a objetos
do CLIPS implementa vrios dos recursos descritos na seo sobre quadros, como raciocnio
padro, algumas facetas e, ainda que com algumas particularidades, tambm implementa sacis.
3.3 Ferramentas 58
Para que a linguagem pudesse ser portada para vrias plataformas diferentes, e por questes
de eficincia, ela foi implementada em C. Posteriormente, foi feito um esforo para tornar o
cdigo diretamente compatvel com C++, o que se conseguiu quase totalmente.
Como um ambiente de desenvolvimento, o CLIPS apresenta as seguintes vantagens:
Cdigo de domnio pblico, tornando o desenvolvimento barato e permitindo a criao

de extenses personalizadas da linguagem;
Sistema de produo rpido e confivel. Devido ao longo tempo de desenvolvimento e

grande comunidade de usurios praticamente no existem erros no algoritmo de infern-
cia;
Linguagem de orientao a objetos bem integrada com o mecanismo de inferncia e com

muitos recursos;
Grande facilidade para criar extenses da linguagem. A interface de extenso simples,

bem documentada e oferece muitas possibilidades;
Linguagem est bem documentada e tem uma comunidade de usurios ativa.
No entanto, a linguagem apresenta as seguintes desvantagens:
Biblioteca de funes e estruturas de dados relativamente pobre, com dificuldade para

criar algumas estruturas de dados, como listas aninhadas e mapas associativos;
Falta de um mecanismo para separar estruturas de dados que devem ser consideradas
como representao de conhecimento e resultado de inferncias de estruturas auxiliares.
Do modo como a linguagem foi projetada, todas as estruturas de dados so consideradas
como representao de conhecimento;
Ausncia de algumas estruturas utilizadas em programao funcional, como as encon-

tradas nos vrios dialetos de Lisp e em Haskell. Entre essas estruturas esto as funes
annimas (funes ) e a utilizao de funes como argumentos para outras funes,
como membros de listas ou mapas associativos etc.
Alguns problemas, absolutamente contornveis, de compatibilidade direta com o C++;
O CLIPS uma linguagem madura e bem adaptada para o desenvolvimento de sistemas

especialistas, mas uma linguagem difcil de se trabalhar quando se deseja realizar anlises
numricas e implementar algoritmos procedurais muito longos. Como para o prottipo foi
3.4 Concluses do captulo 59
necessrio realizar algumas anlises numricas, foi utilizado C++ para criar uma extenso ao
CLIPS especfica para realizar o acesso aos dados e essas anlises. Se escolheu esta linguagem
sobretudo pela facilidade de interfaceamento com o CLIPS.
O C++ apresenta a vantagem de ser orientada a objeto e incluir alguns paradigmas bastante
poderosos, como programao genrica. Por outro lado, uma linguagem no gerenciada, ou
seja, o gerenciamento de memria deve ser realizado pelo prprio programador. Isto faz com
que o desenvolvimento de um programa em C++ seja consideravelmente mais lento e suscetvel
a erros que o desenvolvimento em uma linguagem gerenciada (como o prprio CLIPS).
3.4 Concluses do captulo
Neste captulo foram mostradas algumas tcnicas utilizadas em inteligncia artificial. Fo-
ram abordadas as tcnicas utilizadas no desenvolvimento e no gerenciamento de projetos de
sistemas especialistas, tcnicas para representao de conhecimento, para inferncia e para tra-
tamento de incerteza. Deve estar claro, pelo desenvolvimento do captulo, que em qualquer
projeto de sistemas especialistas preciso fazer a integrao de diferentes tcnicas.
No prximo captulo est descrito como as tcnicas apresentadas aqui foram utilizadas no
desenvolvimento do prottipo. possvel ver como estas diferentes tcnicas foram integradas
entre s, e alguns problemas relacionados ao desenvolvimento do sistema.
60
4 Descrio do prottipo
Neste captulo est descrita a implementao do prottipo, procurando mostrar todos os as-
pectos do processo de desenvolvimento, desde a definio dos requisitos at os testes realizados
sobre o sistema. Considera-se que esta informao de valor por apresentar um caso completo
de desenvolvimento de um sistema especialista. Como se ver, ocorreram problemas durante o
desenvolvimento do sistema. Estes problemas sero sumarizados e rapidamente comentados no
final do captulo.
Assim, esse captulo tem um duplo objetivo: o primeiro apresentar a implementao de

um sistema especialista para auxiliar a deteco de vazamentos. Os detalhes dessa implemen-
tao se encontram principalmente na seo 4.3. O segundo objetivo fazer um estudo de
caso do processo de desenvolvimento de um sistema especialista, mostrando todas as etapas e
problemas que foram encontrados, e comparando estes problemas com os que j haviam sido
indicados na literatura sobre o assunto.
Para contextualizar o desenvolvimento deste prottipo, preciso dizer que ele est inserido
no projeto SEGRED, que foi descrito na seo 1.3. Neste projeto, o mdulo de deteco de
vazamentos teve seu desenvolvimento iniciado no ms de outubro de 2004, e um prazo de
finalizao at novembro de 2005. Devido a atrasos por parte da empresa-alvo, este prazo foi
estendido at abril de 2006.
No desenvolvimento deste prottipo, assim como nos outros mdulos do SEGRED, foi ado-
tado um modelo de desenvolvimento em espiral. Neste modelo, o desenvolvimento do sistema
ocorre em uma srie de ciclos rpidos de aquisio de conhecimento, representao de conheci-
mento, implementao e testes (GIARRATANO; RILEY, 1998). Alm disso, antes do incio deste
ciclo existe uma etapa de definio de requisitos.
Sendo assim, este captulo se inicia com a especificao dos requisitos. Em seguida, na
seo 4.2, mostrado o processo de aquisio de conhecimento, com descries das entrevistas
de aquisio de conhecimento e do conhecimento adquirido. Aps essa descrio, mostrada
a arquitetura do prottipo que foi implementado. Depois, na seo 4.4 so mostrados os testes
4.1 Requisitos do sistema 61
realizados sobre o sistema. Na seo 4.5 apresentada uma proposta de mtodo para gerar
explicaes no sistema especialista difuso. Finalmente, na seo 4.6 so feitos comentrios
sobre o desenvolvimento do prottipo.
Como neste captulo se entrar em detalhes sobre o funcionamento do gasoduto Bolvia-

Brasil e sobre o funcionamento do sistema de deteco de vazamentos da empresa-alvo (o
PMS), vrios dos conceitos descritos nas sees 1.2 e 2.6 sero usados.
4.1 Requisitos do sistema
Como nota inicial, preciso dizer que houve certa indefinio com relao aos requisitos at
que se chegasse a especificao final dos requisitos para o mdulo de deteco de vazamentos.
Estes s foram completamente definidos em novembro de 2005, em aquisio de conhecimento
realizada com o principal especialista na sede da empresa-alvo. Nesta entrevista, ficou definido
que o objetivo do sistema era:
Educar os controladores a no confiarem apenas no leak detection graph e obser-

varem mais a tela do sistema de deteco de vazamentos do PMS. Desse modo,
o mdulo de deteco de vazamentos deve fazer inferncias a partir dos filtros do
detector de vazamentos e informar ao controlador o resultado.
Essa informao, junto com o resultado da aquisio de conhecimento com os controladores

do gasoduto e com o prprio especialista, permitiu concluir que o interesse estava em se detectar
as seguintes situaes:
1. Erro de instrumentao: algum instrumento est produzindo valores incorretos;
2. Ocorrncia de transientes na linha que, de algum modo, provoquem indicaes no detec-

tor de vazamento;
3. Falhas de comunicao que provoquem indicaes no detector de vazamentos;
4. Valores forados no SCADA que resultem em indicaes no detector de vazamentos;
5. Mudanas bruscas de comportamento de EEs;
6. Mudanas bruscas de comportamento de ECOMPs;
7. Fechamento de vlvulas de bloqueio;

4.1 Requisitos do sistema 62
8. Vazamentos.
Por uma questo de completude da base de conhecimento, devem ser consideradas ainda
estas duas situaes:
9. Situao normal. No existe nada de interesse do controlador ocorrendo no duto;
10. Situao desconhecida. A situao operacional no se encaixa em nenhum dos casos

apresentados anteriormente.
Vale ressaltar que, em discusses anteriores com a empresa-alvo, j havia sido decidido que
o programa no duplicaria a funcionalidade do PMS, sendo na verdade um ps-processador das
informaes produzidas por ele. Desse modo, as anlises realizadas pelo sistema especialista
tm como entradas o histrico dos valores dos filtros do detector de vazamentos do PMS e o
histrico dos sensores presentes no SCADA.
Alm disso, durante as aquisies de conhecimento, a empresa-alvo manifestou interesse

em implementar heursticas que auxiliassem na deteco do fechamento de vlvulas de bloqueio
de trecho. Desse modo, considera-se ainda o seguinte requisito:
11. Implementao de heursticas para localizao de vlvula de bloqueio fechada.
At o momento foram tratados de requisitos relacionados aos tipos de anlise que o sistema
especialista deve fazer. Alm desses, existem outros requisitos para um sistema desse tipo, que
so:
12. Implementao de um mdulo de explicaes para a base de conhecimento;
13. Capacidade de funcionar por um longo prazo ininterruptamente;
14. Capacidade de obter dados automaticamente a partir dos bancos de dados da empresa-
alvo. Esta capacidade pode ser dividida em duas:
(a) Leitura automtica dos dados do SCADA;
(b) Leitura automtica dos dados do PMS;
15. Interface com o usurio;
16. Verificao do sistema pelos desenvolvedores. Em virtude do funcionamento do sistema,

este requisito pode ser dividido em dois:
4.2 Aquisio de conhecimento 63
(a) Verificao das anlises realizadas apenas sobre os filtros do PMS;

(b) Verificao das anlises realizadas sobre os valores do SCADA;
17. Validao do sistema junto a especialistas da empresa-alvo.
Esta a lista de requisitos que foi considerada no desenvolvimento do mdulo. Uma das
caractersticas do estabelecimento desta lista que, como foi dito, houveram atrasos na defini-
o dos requisitos. Por culpa destes atrasos, o desenvolvimento do sistema se iniciou sem que a
lista de requisitos estivesse completamente definida. Isto provocou vrios problemas, entre eles
o retrabalho, pois algumas partes do sistema tiveram de ser alteradas para aderir s mudanas
nos requisitos. Alm disso, alguns requisitos presentes no incio do desenvolvimento foram
depois retirados. Isto provocou um desperdcio de trabalho, pois toda a pesquisa preliminar
realizada para a implementao destes requisitos no foi utilizada no desenvolvimento final.
Com relao importncia relativa entre os requisitos, no foi realizado nenhum processo
formal para determin-la, em parte devido a fluidez dos mesmos durante boa parte do desenvol-
vimento. No entanto, estabeleceu-se que os requisitos de 1 a 11 e 15 so mais importantes que
os demais.
Na prxima seo ser explicitado o resultado das aquisies de conhecimento, e o tipo de

anlise necessria para cada um dos requisitos. Tambm ser possvel observar a evoluo do
estabelecimento de alguns itens da lista apresentada acima.
4.2 Aquisio de conhecimento
Como j foi comentado na seo 3.1, a etapa de aquisio de conhecimento fundamental

para o desenvolvimento de sistemas especialistas. Ela toma, inicialmente, a forma de pesqui-
sas bibliogrficas sobre o assunto e entrevistas no estruturadas com especialistas. Conforme o
entendimento dos engenheiros de conhecimento aumenta, as entrevistas se tornam progressiva-
mente mais estruturadas, incluindo questionrios e estudos de caso (SCOTT et al., 1991).
Antes do incio da aquisio, fundamental que se tenha as seguintes informaes:
O escopo do sistema deve estar bem definido;
O especialista ou grupo de especialistas deve ter sido selecionado;
Como foi mencionado na seo anterior, o escopo do sistema s foi completamente definido
na ltima entrevista de aquisio de conhecimento. Isso teve um impacto bastante negativo
sobre o desenvolvimento do projeto. Com relao ao nmero de especialistas, Dym & Levitt
(1991, sec. 12.4) discutem sobre a importncia de realizar a aquisio de conhecimento com
vrios especialistas. Alguns dos argumentos so:
Maior facilidade em encontrar uma soluo que representa um consenso na rea, e no

uma soluo que represente fielmente as idiossincrasias de um especialista;
Fazer com que um especialista produza casos para outro permite que pontos pouco com-
preendidos do problema apaream, pois os casos tendem a ser complexos e representar o
conhecimento do especialista que produziu o caso;
O estudo do modo como vrios especialistas resolvem uma tarefa pode identificar atalhos
usados por cada um deles que podem tornar o mtodo de soluo do problema mais
eficiente quando combinados.
Para este prottipo, foi feita a aquisio de conhecimento com mais de um especialista. No
entanto, a empresa-alvo s disponibilizou estes especialistas na ltima entrevista de aquisio, j
muito prximo do prazo para a entrega do prottipo. Durante a maior parte do desenvolvimento,
houve apenas um nico especialista disponvel para o projeto.
A seguir ser apresentado um resumo das entrevistas de aquisio de conhecimento voltadas

especificamente para a funcionalidade de deteco de vazamentos. Aps cada resumo sero
feitos comentrios sobre o contedo e utilidade das entrevistas.
Entrevista realizada em 2005-02-11
Foi realizada uma entrevista introdutria sobre o assunto com dois engenheiros do escritrio
da empresa-alvo responsvel pelo trecho sul do gasoduto. Nesta entrevista foram abordados:
o mtodo de deteco de vazamentos via software utilizado atualmente pela empresa; eventos
que podem desencadear um vazamento, como trincas no duto e intervenes de terceiros; uma
anlise, realizada pela empresa, do impacto de um vazamento sobre as comunidades ao longo
do duto; e a freqncia com que os PIGs so passados pelo gasoduto.
Comentrios: Os dois engenheiros entrevistados no podem ser considerados especialistas

em deteco de vazamentos, pois no esto diretamente envolvidos com as operaes de con-
trole do gasoduto. No entanto, esta entrevista foi importante para estabelecer um conhecimento
preliminar sobre o assunto, necessrio para orientar a pesquisa bibliogrfica e as entrevistas de
aquisio de conhecimento posteriores. Como costuma ser o caso que especialistas tm muito
pouco tempo disponvel, por serem muito solicitados (HART, 1992), nas fases iniciais da aquisi-
o de conhecimento pode ser melhor tratar com outras pessoas, de maior disponibilidade, at
que os engenheiros de conhecimento adquiram um entendimento mnimo sobre o assunto.
Nesta data o especialista que a empresa designou para o projeto fez uma apresentao sobre
o sistema de deteco de vazamentos utilizado pela empresa, dando uma viso geral sobre seu
funcionamento e explicando quais so suas entradas e sadas. Foi sugerido que um dos modos
que o SEGRED poderia operar como um filtro sobre os alarmes gerados pelo sistema de detec-
o de vazamentos do PMS, com o intuito de diminuir o nmero de alarmes falsos e ao mesmo
tempo identificar corretamente as situaes operacionais que produziram este alarme falso. O
especialista forneceu algumas heursticas para a deteco dessas situaes. Mais heursticas
deveriam ser levantadas em reunies posteriores.
Alm disso, foi considerado importante que o SEGRED implementasse toda a srie de fun-
cionalidades necessrias para a deteco de vazamentos utilizando modelos dinmicos. Isto
inclui: modelos para simulao dinmica, sistema classificador de vazamento e sistema espe-
cialista (como foi comentado na seo 2.3.3, pg. 18). Tambm foi sugerida a possibilidade
do SEGRED acessar diretamente a sada do PMS, utilizando estas informaes para inferncia
sobre deteco de vazamentos.
Foi decidido que os trabalhos seguiriam a seguinte ordem: inicialmente implementar o

sistema especialista para filtrar os alarmes gerados pelo PMS, em seguida o algoritmo utilizado
para deteco de vazamentos e, finalmente, trabalhar nos modelos de simulao.
Comentrios: Observou-se nesta entrevista uma indefinio do escopo do sistema de de-

teco de vazamentos. Apesar de ter sido decidido que a implementao se iniciaria com o
sistema especialista fazendo inferncias sobre os dados do PMS, ainda fazia parte do escopo
a implementao de um SDV baseado em modelos dinmicos. Note que um dos pontos que
depois se mostrou principal na especificao atual, o de educar os controladores a utilizar mais
as telas do PMS ainda no se encontra presente. Outro ponto que no se encontra presente
o uso de dados do SCADA junto com as anlises das respostas do PMS. Tambm se discutiu
possibilidades que se mostraram tecnicamente irrealizveis, como a disponibilizao dos dados
do PMS, que no permite que o resultado de suas anlises seja exportado para outros sistemas.
Foi feita uma entrevista com o especialista principal do projeto para elucidar conceitos
sobre o sistema de deteco de vazamentos da empresa-alvo. A entrevista previa tambm uma
avaliao do prottipo que havia sido desenvolvido, uma vez que, mesmo j estando disponveis
duas verses do prottipo, uma entregue em 19 de julho e outra em 7 de outubro, nenhuma
verso havia sido avaliada. No entanto, aps a entrevista, o especialista preferiu no avaliar o
prottipo, pois foram descobertos na entrevista alguns conceitos que estavam implementados
incorretamente. Por exemplo, considerava-se que os filtros do detector de vazamento podiam
assumir valor 0, o que no correto. Foram apresentados rapidamente alguns casos simples para
resoluo pelo especialista. Foi marcada uma visita CSC para aquisio de conhecimento at
o fim do ms.
Comentrios: importante notar que a maior parte dos conceitos incorretos encontrados
nesta entrevista teriam sido percebidos caso pelo menos um dos prottipos houvesse sido ava-
liado. Isto mostra a importncia de se manterem todas as fases do desenvolvimento em espiral.
Alm disso, percebe-se o enorme hiato entre duas entrevistas de aquisio, no caso, de abril
at novembro (cerca de 6 meses). Percebe-se ainda que, mesmo neste ponto j bem avanado
do projeto, prximo da data de entrega do produto, o escopo do projeto ainda no havia sido
definido de forma satisfatria1 .
Entrevistas realizadas de 2005-11-23 a 2005-11-25
Nesta visita de trs dias CSC foram tratados vrios assuntos relacionados ao projeto SE-
GRED como um todo, mas o assunto principal foi deteco de vazamentos. De todas as entre-
vistas de aquisio de conhecimento, esta foi a mais produtiva. Esta foi a primeira entrevista
feita com mais de um especialista. No caso, os novos especialistas envolvidos no projeto foram
os controladores do gasoduto.
O conjunto de entrevistas feitas com os controladores permitiu captar heursticas importan-

tes para complementar as anlises feitas sobre os filtros do PMS. Foram adquiridas uma srie
de heursticas associadas a trends de sensores e as relaes entre estes trends e os estados dos
filtros do PMS. Uma anlise mais profunda do que os controladores observam quando avaliam
os trends se fez necessria, mas no foi possvel de se realizar durante esta visita pois, apesar
do longo tempo gasto junto dos controladores, estes tinham, concomitantemente, que realizar
1 Apesar que, nesta altura j se sabia que a implementao de um sistema de deteco de vazamentos completo
era absolutamente impraticvel.

suas atividades de turno. Portanto, o tempo que estes efetivamente tinham disponvel para a
aquisio era pequeno.
A entrevista com o principal especialista do projeto na empresa-alvo forneceu a definio

final do escopo do sistema (esta definio inclui anlises dos dados do SCADA e treinamento
dos controladores). Nesta mesma entrevista ele tambm relatou a necessidade de se avaliar o
histrico dos filtros do PMS por pelo menos duas horas, para se determinar as interaes entre
os filtros. Isto porque os filtros de desbalanceamento de presso respondem mais lentamente
que os de desbalanceamento de vazo.
Tambm foram discutidos os detalhes de acesso ao SCADA. Embora isto no esteja dire-
tamente relacionado s entrevistas de aquisio de conhecimento, tambm necessrio para a
implementao do prottipo. Durante esta visita CSC foram dadas as permisses gerenciais
necessrias e o acesso aos dados pde ser implementado.
Comentrios: Apesar da descrio sucinta que foi feita desta visita, ela foi bastante produ-
tiva. A Tabela 4.1 detalha os tipos de anlises que sero feitas pelo sistema, a maior parte delas
baseada nas informaes adquiridas nesta entrevista.
Na prxima seo est descrito o conhecimento utilizado na implementao do sistema,

proveniente, em sua maior parte, desta ltima entrevista de aquisio de conhecimento.
4.2.1 Anlises que devem ser realizadas pelo sistema
Aqui sero apresentadas as anlises necessrias para implementar os requisitos de 1 a 10.

Cada uma destas situaes possveis foi chamada de situao operacional. Para facilitar a an-
lise, elas foram hierarquizadas como mostra a Figura 4.1. Note-se que o caso de transientes
(req. 2) foi desdobrado nos requisitos de mudanas em EEs (req. 5), ECOMPs (req. 6) e em
empacotamento ocorrendo na seo. Considerou-se que qualquer outro caso, que a princpio
deveria ser classificado como transiente, deve ser tratado como situao no identificada para
indicar a necessidade de um refinamento da base de conhecimento. Isto para tentar evitar a
classificao incorreta de uma situao importante como apenas um transiente.
A partir dos dados da entrevista de aquisio e utilizando um mtodo exemplificado em

(ALONSO et al., 2000) foi feito um mapa do conhecimento necessrio para cada classificao. A
Tabela 4.1 mostra este mapa.
Figura 4.1: Ontologia de situaes operacionais possveis para o sistema especialista. Cada folha da
rvore representa uma situao conhecida pelo sistema. As setas representam a relao -um.
Tabela 4.1: Mapa de conhecimento para o sistema.
Situao Anlises
Filtros normais;
Situao normal
Trends dos sensores no indicam variaes de interesse;
Trend na estao indica mudana;
Verificar registros de calibrao dos medidores de vazo
da estao (calibrao muito antiga pode indicar um pro-
blema no medidor, e no um aumento de consumo);
Mudana bruscas de com- Comparar com o consumo previsto para aquela estao
portamento de EE (caso o aumento for muito maior que o consumo previsto,
pode ser um problema na estao ou no consumidor);
Verificar com o consumidor se ele realmente est solici-
tando esse consumo (caso contrrio, pode ser uma indica-
o de vazamento na rede do consumidor).
Continua na prxima pgina
Continuao da Tabela 4.1
Situao Anlises
Trend nos sensores da ECOMP indica mudana na vazo

ou presso;
Mudana bruscas de com- Um valor negativo nos filtros de presso e um positivo
portamento de ECOMP nos filtros de vazo do PMS associados aquela ECOMP
podem indicar que a vazo da ECOMP aumentou recente-
mente e que est ocorrendo empacotamento no duto.
Filtros do PMS com valores negativos tanto a montante
Empacotamento quanto a jusante so indicao de empacotamento ocor-
rendo no trecho;
Falha de comunicao com
Observar alarmes do SCADA;
a CSC
Indicao no SCADA;
Mudana recente do quality bit de normal para forado ou
Valor forado
vice-versa;
Valores inconsistentes entre os filtros do PMS;
Trend do instrumento indica mudana brusca recente;
Instrumento indicando fundo de escala (superior ou infe-
rior);
Valores inconsistentes entre os filtros do PMS;
Erro de instrumentao
Se for uma EE, verificar registros de calibrao dos medi-
dores de vazo da estao (sensores com calibrao muito
antiga tendem a dar mais desvios que sensores com cali-
brao recente).
Aumento de presso a montante da vlvula fechada;
Diminuio de presso a jusante da vlvula fechada;
Fechamento de vlvula de Filtros do PMS negativos a montante e positivos a jusante;
bloqueio A proporo entre os gradientes de presso nas estaes
de entrega pode dar uma indicao da posio da vlvula
de bloqueio fechada.
Pelo menos 3 filtros do PMS a montante e a jusante da
Vazamento
seo no nvel mximo;
Situao no-identificada Quando no possvel classificar em nenhuma outra;
Dois aspectos saltam aos olhos ao se observar a tabela. O primeiro a necessidade de

acessar os registros de calibrao ou contatar os consumidores para a classificao de mudana
4.3 Implementao da base de conhecimento 70
brusca de comportamento em EE e de erro de instrumentao. Isto no pode ser feito auto-

maticamente. Portanto, para a implementao destas classificaes, foram utilizadas apenas
as anlises que podem ser feitas automaticamente. Na mensagem produzida pelo sistema foi
includo como recomendao a busca por essas informaes, como forma de confirmar o diag-
nstico.
O segundo a indefinio de alguns termos, como trend, por exemplo. Para se definir cor-
retamente esse termo e capturar todos os seus desdobramentos em diferentes situaes, seriam
necessrias novas entrevistas de aquisio de conhecimento, com estudos de caso bem deta-
lhados. Na implementao atual, sempre que se faz uma anlise de trend em algum ponto do
sinal, se busca determinar a derivada do sinal naquele ponto. Maiores detalhes sobre o mtodo
utilizado esto na seo 4.3.2.
4.3 Implementao da base de conhecimento
Esta seo descreve a implementao do sistema. Ela est dividida em trs partes. A
primeira apresenta uma viso global da arquitetura sem entrar em detalhes de implementao.
A segunda parte trata da implementao das anlises numricas feitas sobre os valores dos
sensores. A terceira parte trata dos detalhes da implementao do sistema de lgica difusa.
4.3.1 Arquitetura do sistema
O sistema utiliza o mtodo de resoluo de problemas classificao heurstica (CLANCEY,

1985). Este mtodo de soluo endossado pelo arcabouo CommonKADS (SCHREIBER et
al., 1999) como o melhor para resolver problemas de classificao e diagnstico, e funciona
sempre que se tem uma hierarquia de classes pr-definidas para o problema de classificao.
Como mostra claramente a figura 4.1 (pg. 68), este o caso deste projeto. Este mtodo se
divide em trs partes, relacionadas como mostra a Figura 4.2:
Figura 4.2: Diagrama do processo de inferncia da classificao heurstica (CLANCEY, 1985).

Abstrao dos dados: o processo pelo qual o sistema especialista recebe dados do mundo
real e retira deles as caractersticas fundamentais, ao mesmo tempo diminuindo a quantidade de
informao a ser tratada.
Associao heurstica: Neste ponto, o sistema deve associar uma srie de conjuntos abs-
tratos de dados a uma srie de possveis solues. Por exemplo, o sistema pode associar um
determinado estado dos sensores a uma situao, algo como: Se filtros do detector de vazamen-
tos esto normais ento a situao normal.
Refinamento: Nesta etapa, com uma ou algumas possibilidades de soluo j previamente

escolhidas, o sistema acrescenta detalhes a cada soluo, por exemplo, especificando qual vl-
vula foi fechada.
Uma vez que foi escolhido este mtodo de soluo, preciso detalhar:
Implementao do processo de abstrao, associao e refinamento:
Decidiu-se que o melhor seria utilizar um sistema hbrido, baseado em lgica difusa e
sistemas de produo. Portanto, foi desenvolvido em CLIPS um sistema para tratamento
de proposies difusas que permite, com certa facilidade, a criao de regras difusas e a
combinao dessas regras com regras comuns de um sistema de produo. Com relao
ao refinamento, optou-se por utilizar o mesmo sistema, porm com um maior uso de
regras tradicionais.
Representao dos dados:
A maior parte dos dados provm do SCADA, e so sries temporais. Para represent-
los, foi criada uma extenso ao CLIPS em C++ a fim de armazen-los e realizar alguns
tratamentos numricos, como por exemplo, o clculo de derivadas.
Representao do conhecimento:
Foram criadas classes especficas para armazenamento dos valores do sistema de detec-
o de vazamentos da empresa-alvo, armazenamento de possveis solues e tratamento
de proposies difusas, detalhamento das funes de cada sensor do gasoduto, etc. Alm
disso foram implementadas regras difusas para representar o modo como as caractersti-
cas de uma situao operacional se relacionam com as possveis solues.
Para tornar a descrio mais lgica, sero inicialmente descritas as classes utilizadas na
representao de conhecimento. Pode-se classificar este conhecimento em 5 grupos:
1. Representao do gasoduto;
2. Representao das concluses;
3. Representao dos valores do filtros do PMS;
4. Representao dos dados do SCADA;
5. Representao do mecanismo de inferncia e das anlises;
A representao dos dados do SCADA est bem descrita na seo 4.3.2. Para representar
o gasoduto, foi utilizada uma ontologia semelhante que foi usada em outros mdulos do
SEGRED, com pequenas alteraes para incluir de forma mais detalhada o conceito de sensor.
A Figura 4.3 mostra o diagrama de classes (SCHREIBER et al., 1999, cap. 14) que implementa
esta ontologia.
Figura 4.3: Diagrama das classes utilizadas para representar o gasoduto. Estas classes codificam tanto
aspectos da geografia do duto quanto aspectos funcionais dos elementos.
Neste diagrama, a classe TRECHO contm uma srie de elementos do tipo PONTO_GEOGRA-
FICO, que basicamente so elementos que podem ocupar uma posio geogrfica bem definida
no gasoduto. A cada ponto geogrfico est associado um valor que representa a distncia, em
quilmetros, daquele ponto a um ponto de referncia utilizado pela empresa-alvo. A classe
TRECHO prov servios para fazer todas as manipulaes de natureza topolgica sobre os ele-
mentos que ela contm, como, por exemplo, encontrar o elemento de um determinado tipo que
est a jusante de um determinado elemento. A classe PONTO_GEOGRAFICO permite representar

qualquer coisa que possa estar sobre a linha do gasoduto, como o local onde est ocorrendo
alguma interveno, o local onde um reparo foi realizado, etc. Nesta implementao o nico
tipo de PONTO_GEOGRAFICO implementado o COMPONENTE.
Um COMPONENTE qualquer componente do gasoduto, como um trecho de TUBULACAO, uma

vlvula de bloqueio de trecho (VES), ou uma ESTACAO (que pode ser uma EE ou ECOMP). A cada
estao est associada uma srie de sensores, isto : cada estao tem uma srie de sensores
instalados, cada um com suas caractersticas de fundo de escala, banda morta, etc. A classe
SENSOR armazena todas essas caractersticas e ainda encapsula a interface de acesso aos dados
do histrico daquele sensor. Alm disso, esta classe guarda um atributo que contm uma descri-
o funcional do sensor. Utilizando este atributo possvel criar uma regra que, por exemplo,
dispare para todo sensor que mea a presso na entrada de uma EE (quer dizer, montante da
estao). As demais classes mostradas no diagrama no so utilizadas pelo mdulo de deteco
de vazamentos, mas sim por outras funes do SEGRED. Elas representam os diferentes sub-
sistemas que compe uma estao, como um COMPRESSOR ou o sistema de regulagem e controle
de presso (SRCP).
Para a representao das concluses e dos valores dos filtros do PMS, se utilizou a estrutura
descrita na Figura 4.4. A classe DV_CONCLUSAO encapsula as informaes necessrias para uma
concluso, como o texto descrevendo a concluso e a posio dela na hierarquia de situaes
possveis apresentada na Figura 4.1. Estas classes so passadas para a classe DV_MENSAGEM_-
HTML, que produz o arquivo com todas as concluses do sistema.
Figura 4.4: Diagrama com as classes utilizadas para a representao dos estados dos filtros do PMS e
das concluses do detector de vazamentos.
A classe DV_SECAO representa uma seo do detector de vazamentos do PMS. A seo

sempre delimitada por duas estaes que contm sensores com uma taxa de aquisio alta.
Uma configurao especfica dos filtros do PMS representada pela classe DV_SITUACAO_O-
PERACIONAL. Esta classe contm um indicador do time stamp2 da situao, e ponteiros para
dois objetos da classe DV_SIT_OP_ESTACAO, um representando a estao a montante e o outro
a estao a jusante daquela seo. Cada objeto DV_SIT_OP_ESTACAO contm duas referncias
a objetos da classe DV_SIT_OP_TIPOS_FILTRO. Esta classe indica se o filtro do tipo UF ou
UP. Finalmente, cada objeto da classe DV_SIT_OP_TIPOS_FILTRO referencia trs objetos do tipo
DV_ESTADO_FILTRO, que representa o valor de um dos filtros do PMS: slow, medium ou fast.
Esta estrutura, talvez excessivamente hierarquizada, vantajosa quando se deseja fazer

asseres sobre todos os filtros de um determinado tipo na estao a jusante da seo, por
exemplo. De qualquer forma, caso no se deseje us-la, ela completamente transparente para
o programador, com a classe DV_SITUACAO_OPERACIONAL fornecendo uma interface simples para
acessar todos os valores dos filtros.
Finalmente, o mecanismo de inferncia e anlises implementado como regras no CLIPS e

como proposies no sistema de inferncia difusa. Neste sistema, que ser descrito em detalhes
na seo 4.3.3, as regras progressivamente combinam proposies em novas proposies cada
vez mais abstratas, at as regras que executam a classificao heurstica propriamente dita.
Um modo de se visualizar o funcionamento da base de regras utilizando um recurso

que ser chamado de diagrama de influncia. Este diagrama mostra quais proposies difusas
influenciam o valor verdade de cada proposio. Apesar deste diagrama no descrever comple-
tamente a base de conhecimento, um bom esboo das inter-relaes entre os conceitos. Estes
diagramas tambm foram utilizados durante o desenvolvimento do sistema, e foram importantes
para o desenvolvimento e para a auditoria da base de conhecimento.
Para facilitar tanto a visualizao quanto o trabalho na base de conhecimento, esta foi di-
vidida em vrias partes. As proposies geradas em cada parte concernem anlises de alguns
aspectos especficos do problema. Cada uma dessas partes, neste sistema especialista, foi cha-
mada de contexto. Dessa forma, a base de conhecimento trata dos seguintes contextos:
Contexto filtros: Anlises associadas apenas aos filtros do PMS;
Contexto anlises-sensores: Anlises sobre os sensores do SCADA;
Contexto posio-geogrfica: Anlises que levam em considerao relaes geogrficas entre

2O time stamp uma indicao inequvoca da data e hora em que foi feita uma determinada medio. O termo
foi mantido em ingls para ser fiel aos termos utilizados pelos funcionrios da empresa-alvo.
os objetos, como, por exemplo, a distncia;
Contexto anlise-intermediria: Anlises que fundem resultados das anlises anteriores;
Contexto anlise-final: Regras que executam a classificao heurstica.
A Figura 4.5 mostra a cadeia de influncia de cada proposio do contexto filtros. pos-
svel perceber como o nvel de abstrao aumenta gradativamente a partir do valor dos filtros.
Nos diagramas, a cadeia de ns na parte inferior, onde est escrito Ordem 1, Ordem 2, etc
indica a profundidade de encadeamento de cada proposio. As proposies que esto na fase
de Inicializao so criadas a partir do momento em que o sistema iniciado. Pode-se con-
siderar que essas proposies so os axiomas do sistema, uma vez que elas jamais devem ser
alteradas. No diagrama, cada n desta fase corresponde a um conjunto difuso discreto, cujos
valores esto na Tabela 4.2.
Tabela 4.2: Valores dos conjuntos difusos utilizados na anlise dos filtros.
Valores dos filtros
Conjunto
-1 1 2 3 4
Valor-normal 0.2 1.0 0.8 0.3 0.0
Valor-alto 0.0 0.0 0.3 0.8 1.0
Valor-negativo 1.0 0.0 0.0 0.0 0.0
Para que se compreenda melhor o funcionamento do sistema, vale a pena descrever algumas
inferncias. Um bom exemplo a cadeia que parte do conjunto Valor-alto (ver Figura 4.5).
Este conjunto, cujos valores esto na Tabela 4.2, representa o conceito de valor alto para um
filtro do PMS. Ele representa a idia que, conforme o valor de um filtro do PMS se aproxima
de 4 (o mximo), mais plausveis so as concluses que dependem do fato dele estar com um
valor alto.
Este conjunto utilizado, por exemplo, pela regra que produz a proposio Alto UF mon-
tante ?sit. Esta proposio significa que, para uma determinada situao operacional (a va-
rivel ?sit substituda por um ponteiro para o objeto que representa a situao operacional
atual), os valores de todos os filtros UF da estao a montante do trecho do detector de vaza-
mentos esto altos. Esta regra pode ser traduzida em linguagem natural como:
Dada uma situao operacional ?sit, na mesma medida em que for verdade que:
O valor do filtro UF slow da estao que limita o trecho do detector de vaza-

mentos a montante pertence ao conjunto difuso Valor-alto; e
Figura 4.5: Diagrama de influncia das anlises no contexto de filtros. As anlises neste contexto pro-
curam identificar algumas configuraes de interesse para os valores dos filtros do PMS, como uma
situao indicativa de fechamento de vlvula de bloqueio de trecho, ou uma situao normal.
O valor do filtro UF medium da estao que limita o trecho do detector de

vazamentos a montante pertence ao conjunto difuso Valor-alto; e
O valor do filtro UF fast da estao que limita o trecho do detector de vaza-

mentos a montante pertence ao conjunto difuso Valor-alto;
ento ser verdade que Alto UF montante ?sit.
muito importante notar que o qualificador na mesma medida que um dos principais
diferenciais entre um sistema especialista tradicional e um sistema difuso. Essa frase significa
que, caso apenas alguns dos filtros estiverem altos, ou, de outro modo, caso os filtros estejam
com valores mais ou menos altos, ento a proposio Alto UF montante ?sit ser mais ou
menos verdade. Desse modo o sistema pode realizar uma gradao entre o absolutamente falso
(uma proposio com valor-verdade 0) e o absolutamente verdadeiro (uma proposio com
valor-verdade 1).
Este exemplo tambm ilustra o significado de influncia positiva no diagrama de influncia,

representada por uma seta. Significa que, caso a proposio na cauda da seta seja verdade, ento
a proposio que est na ponta da seta tambm dever ser verdade.
Para exemplificar o significado de influncia negativa, e ao mesmo tempo elucidar o que

aparentemente uma contradio no diagrama, ser feita uma descrio em linguagem natural
da regra que determina a proposio Transiente ?sit:
Dada uma situao operacional ?sit, para cada uma das estaes que limitam o
trecho do detector de vazamento (i.e. montante e jusante) e para cada tipo de
filtro do detector de vazamentos (i.e. UF e UP), na mesma medida em que for
verdade que:
O valor do filtro slow da estao que limita o trecho do detector de vazamentos

a montante pertence ao conjunto difuso Valor-alto; e
O valor do filtro fast da estao que limita o trecho do detector de vazamentos

a montante no pertence ao conjunto difuso Valor-alto;
ento ser verdade que Transiente ?sit.
Em outras palavras, Transiente ?sit s ser absolutamente verdade caso todos os filtros
slow estiverem altos, e todos os filtros fast estiverem baixos. Fica claro, nesse exemplo, o
significado de influncia negativa: ela ocorre quando um valor-verdade alto em uma proposio
implica um valor-verdade baixo em outra, como na relao entre filtro slow alto e Transiente
?sit. Tambm ficam claras nesse exemplo as limitaes de representao do diagrama: no se

possuem todos os detalhes do domnio sobre o qual as regras se aplicam. Mas deve estar claro
tambm a utilidade dos diagramas: permitir uma viso global, ainda que no muito detalhada,
das regras da base de conhecimento.
A Figura 4.6 mostra as anlises realizadas sobre os valores dos sensores do SCADA. Nesta
figura, da mesma forma que na anterior, os ns que esto na fase de Inicializao corres-
pondem aos conjuntos que existem desde o incio do programa. Neste caso, trata-se apenas de
conjuntos contnuos, aplicados a anlises feitas sobre os sinais do SCADA. Os grficos de per-
tinncia destes conjuntos no sero mostrados aqui pois, como j foi dito, precisam ser muito
melhorados com mais aquisies de conhecimento. Neste contexto, as anlises focam principal-
mente as taxas de variao dos valores dos sensores, a proximidade desses valores dos fundos
de escala e alteraes nos valores dos indicador de qualidade do dado. As anlises tambm
relacionam o tipo de estao onde est ocorrendo a variao.
Figura 4.6: Diagrama de influncia das anlises no contexto de anlises dos sensores.
O contexto de posio geogrfica, mostrado na Figura 4.7 o mais simples de todo o sis-
tema, realizando anlise apenas da proximidade de uma estao de entrega do vazamento deter-
minada pelo PMS. Neste contexto, prximo significa menor que 5 km.
Figura 4.7: Diagrama de influncia das anlises no contexto de posio geogrfica.
Uma vez feitas as anlises que levam em considerao apenas um aspecto do problema, as
informaes resultantes so combinadas em anlises intermedirias, que misturam informaes
de diferentes fontes. A Figura 4.8 mostra estas anlises, mostrando tambm as proposies que
servem de base para elas. Percebe-se que no existem muitas anlises que levem em considera-
o ao mesmo tempo dados dos sensores do SCADA e dados dos filtros do sistema de deteco
de vazamentos do PMS. Isto se deve, como j foi explicado, ao pequeno nmero de entrevistas
de aquisio de conhecimento. Neste diagrama todas as proposies que no tm nenhuma seta
chegando a elas se originam nos contextos mostrados anteriormente. Algumas proposies,
que na figura esto com o mesmo nome (como a proposio Empacotando ?sit), na verdade
pertencem a contextos diferentes (no caso, o de anlise de filtros e o de anlises intermedirias).
Finalmente, aps as anlises intermedirias, que representam o pice do processo de abs-

trao deste sistema, feita a classificao. Nesta fase, so geradas proposies com termos
idnticos aos mostrados na rvore da Figura 4.1. Esta fase est mostrada na Figura 4.9. Por ela
percebe-se que o sistema realiza, no momento, inferncias sobre a maior parte dos requisitos
apresentados anteriormente, sendo que apenas a deteco de falhas de comunicao no reali-
zada. Esta a razo do elemento representando esta soluo estar completamente desconectado.
Tambm se percebe o modo como se implementou a deteco de uma situao no-identificada,
explicitamente como equivalente a negao de todas as outras possibilidades.
Na figura os retngulos representam a ltima etapa de processamento antes da gerao de

concluses. Nesta fase, cada proposio do tipo Solucao-possivel <solucao> associada a
um dos ns da hierarquia apresentada na Figura 4.1. Caso o n que esteja na proposio no seja
um n-folha, a pertinncia automaticamente propagada at todos os ns-folha filhos daquele
n. Por exemplo, a pertinncia da proposio Solucao-possivel transiente ser automati-
camente propagada para as solues mudanca-ECOMP, empacotando e mudanca-EE. Desse modo
possvel fazer asseres sobre classes completas de soluo. Alm disso, apesar de a Figura
Figura 4.8: Diagrama de influncia das anlises intermedirias, mostrando tambm as proposies de
outros contextos utilizadas nestas anlises.
4.1 representar uma rvore, o sistema funciona para qualquer grafo acclico direcionado. Outro
detalhe da Figura 4.9 a ausncia de ns nos nveis de encadeamento 7 e 8. Isto para permitir
a expanso da base de conhecimento sem que se precise alterar o nvel de encadeamento de
nenhuma regra.
Enfim, o ltimo processo a ser descrito o de refinamento. Neste prottipo, este processo
se resume a incluir o nome do trecho em algumas solues. Alguns aspectos de uma implemen-
tao mais avanada do refinamento podem ser encontrados na discusso da seo 4.5.
Figura 4.9: Diagrama de influncia da parte final das anlises. Os nomes dos nveis 7 e 8 foram abrevia-
dos para O. 7 e O. 8 para tornar o diagrama mais claro.
Um aspecto que vale a pena notar no desenvolvimento deste prottipo foi o problema de
integrao com a base de conhecimento j desenvolvida. Apesar da base de conhecimento do
SEGRED Rede ter sido desenvolvida de modo relativamente modular, a introduo de uma
alterao grande como este prottipo corria o risco de introduzir erros que seriam difceis de
localizar. Para evitar esse problema, optou-se por implementar o prottipo do detector de vaza-
mentos como um executvel separado, que executado atravs da interface do SEGRED Rede.
Desse modo evita-se o problema de integrao e se mantm uma interface consistente para o
usurio. Essa dificuldade uma confirmao das crticas relacionadas a mantenabilidade de
sistemas baseados em regras mostradas na seo 3.1.
4.3.2 Anlise dos sinais do SCADA
Nesta seo est descrita a implementao das anlises numricas executadas pelo pro-
ttipo. A principal funo destas anlises representar o conceito de trend utilizado pelos
controladores durante as entrevistas de aquisio de conhecimento.
Como j foi explicado anteriormente, devido ao pequeno nmero de entrevistas realizadas,

existem grandes lacunas no conhecimento adquirido. Uma delas no significado da expresso
analisar o trend. Para esta implementao, decidiu-se que o trend de um determinado sinal
em um ponto a derivada do sinal naquele ponto. Como se sabe da teoria de anlise de sinais,
derivar um sinal tende a diminuir a razo sinal/rudo, o que dificulta a correta interpretao dos
dados. Ainda mais quando se considera que os sinais obtidos do SCADA so bastante ruidosos.
Dentre as solues pesquisadas, Pollock (1999) indica a possibilidade de fazer uma aproxi-
mao por polinmio. Essa abordagem tem a vantagem de permitir obter a derivada de forma
analtica, a partir do polinmio aproximado. Tem ainda a vantagem de poder ser aplicada
mesmo para uma srie temporal que no regularmente espaada, o que o caso de todos os
dados presentes no SCADA. Portanto, esta foi a estratgia adotada.
Ao se buscar a derivada em um determinado ponto de um sensor, um polinmio (que, aps

alguns experimentos, foi fixado como de grau 3) ser aproximado sobre a srie que se inicia 5
horas antes do instante pedido, e que termina exatamente no instante pedido (quando este existe
realmente no SCADA), ou no instante presente no banco de dados mais prximo do instante
pedido (quando no existe no SCADA nenhuma leitura para o instante pedido, que o caso
mais comum). Caso esse perodo de 5 horas contenha menos de 5 pontos, os ltimos 5 pontos
antes do instante pedido sero utilizados, independentemente do time stamp dos pontos.
Uma vez determinado o nmero de pontos, realizada a aproximao utilizando um mtodo

de mnimos quadrados generalizado (PRESS et al., 2002, cap. 15), para encontrar os 4 coefici-
entes do polinmio. Este mtodo utiliza uma decomposio em valores singulares (SVD) para
encontrar a soluo. O mtodo foi implementado baseando-se no algoritmo descrito em (PRESS
et al., 2002, cap. 2), com pequenas alteraes. Este algoritmo tem a vantagem de ser numerica-
mente estvel e rpido. Para fazer com que a aproximao funcione melhor prximo do ponto
de interesse, imposta uma restrio sobre o polinmio: a segunda derivada do polinmio no
ponto de interesse deve ser nula.
Como um modo de melhorar o algoritmo, foram utilizados pesos sobre a srie, fazendo
com que os pontos mais prximos do ponto de interesse tenham um peso maior na soluo que
os pontos mais distantes. A Figura 4.10 mostra uma comparao do sinal com o polinmio
Figura 4.10: Exemplo de aproximao produzida pelo algoritmo. A unidade do eixo das ordenadas
milhares de metros cbicos por dia, que a unidade padro utilizada pela empresa-alvo para medio de
vazo.
aproximador. Note como a curva se aproxima mais do ponto de interesse (ponta direita do
sinal), e se afasta bastante do sinal original conforme ela se afasta desse ponto, por resultado da
aplicao dos pesos. Esta curva foi produzida com dados do sensor ELOS_61_60_FT-001-qb de
19 de janeiro de 2006, das 2 s 9 horas da manh.
Esse algoritmo foi considerado satisfatrio, uma vez que, na avaliao do engenheiro de
conhecimento, a tendncia calculada se aproximava da tendncia do sinal. Maiores detalhes
sobre os testes deste algoritmo se encontram na seo 4.4.1.
Apesar do mtodo implementado ser simples, os testes realizados (ver seo 4.4.1) indica-
ram um bom desempenho. Mesmo assim, este um dos pontos do prottipo que poderia ser
bem aprimorado com mais aquisio de conhecimento.
Alm de realizar as anlises numricas, esse subsistema o responsvel por ler os arqui-
vos dos sensores armazenados pelo SEGRED, e garantir que eles estejam sempre atualizados.
Como as tarefas realizadas por esse subsistema so basicamente anlises numricas e de acesso
a dados, o CLIPS no uma linguagem conveniente para o desenvolvimento. Assim, foi esco-
lhida a linguagem C++ para a implementao do subsistema, devido a facilidade em interfacear
com o CLIPS e a facilidade para se implementar anlises numricas. Como as anlises realiza-
das pelo sistema so relativamente simples, optou-se por utilizar uma biblioteca extremamente
simples para a representao de matrizes e vetores3 e implementar diretamente os outros algo-

ritmos necessrios.
A Figura 4.11 mostra o diagrama de classes da implementao realizada. Este diagrama

mostra tanto as classes que representam os sensores quanto as classes utilizadas para realizar as
anlises numricas.
Figura 4.11: Diagrama de classes da implementao das anlises sobre os dados dos sensores.
Neste diagrama, as classes prefixadas com la so as classes relacionadas com as opera-

es de lgebra linear. As classes la::vector e la::Matrix representam, respectivamente, ve-
tores e matrizes. A classe la::Normaliza permite encapsular as aes e constantes necessrias
para se normalizar um vetor, isto , fazer com que todos os valores do vetor se mantenham entre
0 e 1. A normalizao necessria para aumentar a estabilidade da decomposio em valores
singulares. Esta classe tambm permite aplicar a transformao inversa, isto ,desnormalizar
o vetor. Neste caso, os valores do vetor retornam condio original.
A classe la::Poly representa um polinmio. Ela utiliza a classe la::vector para repre-
sentar os coeficientes do polinmio. Esta classe tambm permite a associao de duas transfor-
maes, representadas pela classe la::Normaliza, uma varivel dependente do polinmio e
outra varivel independente. Isso tambm foi feito para auxiliar na estabilidade das solues
numricas.
3 Criada por Steve Pelikan e disponvel em http://math.uc.edu/~pelikan/CODE/code.html.
A classe abstrata la::Indexable expe uma interface semelhante a classe la::vector,

mas permite que, ao invs de utilizar dados discretos associados a cada elemento do vetor, se
defina uma funo analtica que ser avaliada para cada elemento. Esta classe foi criada para
facilitar a implementao dos pesos no algoritmo de aproximao. Esta classe tm duas classes
filhas: la::ConstWeight, que faz com que todos os pontos da srie tenham o mesmo peso,
e la::Sigmoidal, que faz com que os pesos sejam distribudos de acordo com uma funo
sigmoidal, com os maiores pesos mais prximos do ponto de interesse.
As classes UpToDate, Sensor, SensorCollection e IterDir esto associadas ao acesso aos

dados dos SCADA. No SEGRED, os dados do SCADA ficam armazenados em arquivos, um
para cada sensor. Assim, a classe SensorCollection fornece uma interface para carregar os
valores de cada sensor. Ela utiliza a classe IterDir como classe auxiliar para iterar sobre os
arquivos no diretrio onde esto armazenados os dados dos sensores. Para cada arquivo encon-
trado, a classe SensorCollection instncia um objeto da classe Sensor. Esta classe fornece
uma interface para o acesso a esses dados e implementa todas as anlises numricas descritas
anteriormente. A classe Sensor descende da classe UpToDate, que fornece servios para sin-
cronizar os valores armazenados na prpria classe com os valores armazenados em um arquivo,
sempre que estes mudarem. Isto necessrio porque a cada 30 min o SEGRED recebe novos
dados do SCADA.
4.3.3 Sistema de inferncia difusa
Para realizar o tratamento de incertezas foi desenvolvido para este prottipo um sistema
de inferncia difusa baseado no que foi apresentado na seo 3.2.3. Esta seo descreve este
sistema.
O desenvolvimento feito na seo 3.2.3 tem como proposio atmica uma varivel difusa,
que foi definida como a pertinncia de um determinado elemento do universo de discurso a um
conjunto difuso especfico. Tambm foi definido que no lado direito de uma regra s pode-
riam existir proposies atmicas. Esta caracterstica foi utilizada nesta implementao para
criar uma sintaxe intuitiva para o acesso s proposies. Neste sistema, uma proposio tem a
seguinte forma:
<Proposio> ::= <Predicado> <termo> [<termo>]* [contexto <contexto>]
onde ::= significa definio, os termos que no esto entre <> devem ser tomados literal-
mente, os termos que esto entre [] podem aparecer uma ou nenhuma vez, e o termo que
precede * pode aparecer quantas vezes for necessrio.
A proposio composta por um predicado, que se aplica a um ou mais termos. O pre-

dicado funciona como um conjunto difuso, normalmente discreto, e retorna o valor de per-
tinncia da tupla formada pelos vrios <termo>. Por exemplo, a proposio Alto 2, equi-
valente ao grau de pertinncia do nmero 2 ao conjunto Alto. Do mesmo modo, a propo-
sio Proximo-fundo-escala sensor FT-001 tempo 10 equivalente a pertinncia da tupla
(sensor, FT-001, tempo, 10) ao conjunto difuso Proximo-fundo-escala.
O <contexto> serve para diferenciar entre predicados com o mesmo nome, mas que se
aplicam a contextos diferentes. Por exemplo, no contexto de filtros de deteco de vazamentos,
o predicado Alto pode ter um significado diferente que o predicado Alto em se tratando de
posio geogrfica. Um filtro do PMS com valor 4 considerado alto, mas, em um contexto
de anlise de dados altimtricos de estaes, Alto pode ser definido como acima de 800 m
de altitude, por exemplo. Na prtica, o contexto e o predicado determinam univocamente um
conjunto difuso. Em termos de implementao, a base de conhecimento composta por uma
srie de objetos representando os diferentes contextos. Cada objeto representando um contexto
um vetor associativo, que associa o nome do predicado a um objeto descrevendo aquele conjunto
difuso.
Do ponto de vista do usurio do sistema, existem duas atividades que se pode fazer em uma
base de conhecimento difusa. A primeira fazer uma consulta, que retorna o valor verdade de
uma determinada proposio. Para esta consulta, utiliza-se a seguinte funo:
(p <Proposio>)
Para fazer uma assero, quer dizer, estabelecer o valor de pertinncia de um determinado
predicado, utiliza-se a funo:
(assert-p <Proposio> <pertinncia>)
Esta funo, que tem uma sintaxe semelhante a funo (p), associa um valor-verdade
<pertinncia> proposio <Proposio>. Existem duas opes possveis para esse valor-
verdade: ele pode ser um nmero de ponto flutuante entre 0 e 1, ou pode ser um objeto repre-
sentando um conjunto contnuo, caso em que no podem ser utilizados os [<termo>]*. Assim
se permite, utilizando a mesma interface, representar uma gama muito ampla de proposies
diferentes.
Como foi tratado na seo 3.2.3, comum ocorrer mais de uma assero sobre a mesma
proposio, como no exemplo a seguir.
(assert-p Com-problema sensor FT-001 contexto sensores 0.9)

(assert-p Com-problema sensor FT-001 contexto sensores 0.45)
Neste caso, preciso agregar os dois valores de pertinncia de algum modo significa-
tivo. Neste sistema, essa agregao pode ser controlada globalmente redefinindo a funo
(agregacao). Portanto, alterando a definio dessa funo, pode-se alterar globalmente o modo
como feita a combinao de valores-verdade.
Para aumentar a expressividade do sistema tambm foram considerados, de forma simplifi-

cada, dois tipos de asseres propostas em (DUBOIS; PRADE, 1996). O objetivo dessas asseres
definir a veracidade mnima e/ou mxima de uma determinada proposio. Para isso, existem
duas funes:
(assert-p-min <Proposio> <pertinncia>)

(assert-p-max <Proposio> <pertinncia>)
Estas funes se aplicam somente a proposies implementadas como conjuntos discretos.

Elas definem, respectivamente, o valor verdade mnimo e mximo da proposio, independente
do valor retornado pela funo de agregao. Assim, por exemplo, a seqncia de comandos:
(assert-p-min Vazamento Situacao-0 0.5)

(assert-p Vazamento Situacao-0 0.3)
estabelece que (p Vazamento Situacao-0) deve retornar 0,5 como pertinncia, e no 0,3.
As funes apresentadas anteriormente definem o funcionamento do sistema de proposi-

es. Para utiliz-las convenientemente, preciso determinar o funcionamento das regras de
produo do sistema. Como definido anteriormente, uma regra da forma:
Rk : Se hk (a1 , . . . , an ) ento b1 , . . . , bm com grau de certeza rk

e e e e e
onde k o nmero da regra, a1 , . . ., an e b1 , . . ., bm so proposies como definidas anteriormente
e e e e
e rk a confiana na regra. A funo hk uma funo difusa qualquer, composta de funes
e
difusas mais simples.
Para implementar estas regras difusas no sistema especialista, cada uma foi inserida dentro
de uma regra de produo padro do CLIPS. O encadeamento de regras, para que cada regra
s dispare aps todas as regras que alteram as proposies em seu antecedente tenham sido
disparadas, foi implementado de forma semi-automtica. Cada regra est associada a um nvel
de inferncia, e o sistema garante que todas as regras de um determinado nvel disparem antes
de qualquer regra do nvel seguinte. Isto realizado utilizando-se fatos de controle.
Figura 4.12: Diagrama das classes utilizadas no sistema de inferncia difusa.
O sistema de proposies foi implementado utilizando a estrutura de classes mostradas na

Figura 4.12. Esta arquitetura tem alguma semelhana com a descrita em (ENDELJ; DEVEDIC ,
2004). Como se utiliza o sistema de produo para representar as regras, no foi necessrio
criar classes para representar os vrios componentes de uma regra. Assim, a estrutura mostrada
na figura representa apenas as proposies e os conjuntos difusos associados.
A classe CONTEXTO_DIFUSO fornece os servios necessrios para implementar a funciona-

lidade de contextos explicada anteriormente. Ela composta basicamente por um vetor asso-
ciativo que mapeia a cada nome de contexto um objeto do tipo PREDICADO_DIFUSO. A classe
PREDICADO_DIFUSO utilizada para representar um predicado. Esta classe delega praticamente
toda a implementao para uma classe do tipo CONJUNTO_DIFUSO.
A classe CONJUNTO_DIFUSO tem duas implementaes possveis: a classe CJ_DISCRETO im-

plementa a funcionalidade para associar valores de pertinncia a tuplas e realizar a agregao
quando so feitas vrias asseres sobre a mesma tupla. A classe CJ_CONTINUO bem mais sim-
ples e implementa um conjunto difuso contnuo. A funo de pertinncia do conjunto definida
por um objeto do tipo PERTINENCIA_CONTINUA. Objetos desse tipo nada mais so que funes
definidas sobre o intervalo dos reais que retornam valores entre 0 e 1. No prottipo que foi im-
plementado o nico tipo de funo que foi utilizado foi uma funo gaussiana, implementada
pela classe PERTINENCIA_GAUSSIANA.
4.4 Testes e avaliao de performance 89
4.4 Testes e avaliao de performance
Existem basicamente dois tipos de testes que so realizados com um sistema especialista.
O primeiro, chamado de verificao, realizado dentro da prpria equipe de desenvolvimento.
Consiste em verificar que o software funciona de acordo com a lista de requisitos que a equipe
possui. O segundo tipo, chamado de validao, realizado junto a especialistas e/ou usurios do
software, normalmente em demonstraes. Este teste busca determinar interpretaes incorretas
dos requisitos, e, no caso de sistemas especialistas, interpretaes incorretas do conhecimento
adquirido. Como j foi exposto anteriormente, a empresa-alvo no realizou nenhuma validao
do sistema, portanto este teste no pde ser realizado. Sendo assim esta seo tratar apenas
dos testes de verificao do sistema.
Sero mostrados os mtodos utilizados para testar as anlises numricas, e os casos utiliza-
dos no teste do sistema como um todo.
4.4.1 Testes realizados sobre o subsistema de anlise numrica
Como foi explicado na seo 4.3.2, a principal funo desse subsistema fornecer uma me-
dida da derivada dos sinais do SCADA. Como no foram realizadas entrevistas de aquisio de
conhecimento suficientes, no se possua nenhum parmetro objetivo para avaliar os resultados
dos testes. Sendo assim, o teste deste subsistema foi efetuado levando em considerao apenas a
intuio do engenheiro de conhecimento, no sendo possvel realizar os testes de maneira mais
rigorosa.
Devido ao nvel de rudo do sinal, e ao pouco tempo disponvel para desenvolver todo o
subsistema de anlise de sinais, os testes foram realizados apenas comparando visualmente a
curva obtida pelo sistema com a curva original do sensor, e observando se as duas tinham a
mesma tendncia. Ainda que intuitivo, esse processo foi realizado de maneira metdica, sobre
as curvas dos sensores analgicos atualmente sendo adquiridos pelo SEGRED. Os dados de 18
a 22 de janeiro de 2006 foram analisados em busca de casos patolgicos, como erros de leitura
e variaes bruscas. Alm disso, cerca de 100 testes sobre pontos escolhidos aleatoriamente,
dentro desta faixa, foram realizados.
O resultado dos testes foi positivo, significando que o algoritmo forneceu, na maior parte
dos casos, resultados compatveis com o esperado pelo engenheiro de conhecimento. Apenas na
proximidade de erros de fundo de escala o sistema no forneceu uma boa previso da tendncia
do sinal.
4.4.2 Testes realizados sobre o sistema como um todo
Neste teste, alimentou-se o sistema especialista com casos de teste e verificou-se se sua
sada estava de acordo com o esperado a partir da aquisio de conhecimento. Como no se
possuam exemplos para testar as anlises numricas, estas no puderam ser includas nos casos
de teste. Assim, escolheu-se uma data em que os valores dos sensores utilizados nestas anlises
no apresentavam nenhum comportamento que pudesse ser considerado anormal pelo sistema.
Deste modo, os testes se reduziram a testes das anlises sobre os filtros do PMS.
Para testar as anlises sobre os filtros, foram criados 15 casos, mostrados na Tabela 4.3,
cada um contendo uma configurao especfica dos valores dos filtros. Desses 15 casos, 6
representam situaes bem determinadas, e os 9 restantes testam situaes duvidosas. A Tabela
4.4 mostra os resultados para os testes de situaes bem determinadas e Tabela 4.5 mostra os
resultados para os testes das situaes que no estavam bem determinadas. Para classificar
corretamente estas situaes seria preciso mais conhecimento dos especialistas.
Tabela 4.3: Valores para os filtros do PMS em cada um dos casos testados.
Estao a montante Estao a jusante
Posio do
Caso UF UP UF UP
vazamento
S M F S M F S M F S M F
1 1 1 1 1 1 1 1 1 1 1 1 1
2 -1 -1 -1 -1 -1 -1 4 4 4 4 4 4
3 4 4 4 4 4 4 4 4 4 4 4 4 231 km
4 4 4 4 4 4 4 4 4 4 4 4 4 576 km
5 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1
6 4 4 4 -1 -1 -1 1 1 1 1 1 1
7 4 1 1 4 1 1 4 1 1 4 1 1
8 2 2 2 2 2 -1 1 2 1 2 2 1
9 4 2 2 4 2 2 2 2 1 2 2 1
10 4 2 2 4 2 2 1 2 1 1 2 1
11 4 2 2 2 2 4 2 2 4 2 2 4
12 4 4 4 2 2 4 2 2 4 4 4 4 230 km
13 4 4 4 2 2 4 2 2 4 4 4 4 576 km
14 -1 -1 -1 2 2 4 -1 -1 -1 2 2 4
15 2 2 4 -1 -1 -1 2 2 4 -1 -1 -1
S Slow; M medium; F Fast.
Tabela 4.4: Resultados dos testes para as situaes bem determinadas.

Caso Situao testada Resultado Comentrios

1 Situao normal Identificou corretamente.

2 Fechamento VES Identificou corretamente.

3 Vazamento Identificou corretamente.
Identificou a possibilidade de defeito em

4 Vazamento prximo a EE instrumentao da EE e a possibilidade
do vazamento.
Empacotamento ocorrendo
5 Identificou corretamente.
no duto
Mudana na vazo de uma
6 Identificou corretamente.
ECOMP
Tabela 4.5: Resultados dos testes para as situaes mal determinadas.

Caso Situao testada Resultado Comentrios
Identificou corretamente como situao
7 Transiente
normal.
8 Transiente
normal.
9 Transiente
normal.
10 Transiente
normal.
11 Transiente
normal.
PMS indicando vazamento,
Identificou como situao no reconhe-
12 mas no com todos os cida.
filtros com valor 4
PMS indicando vazamento
13 sobre EE, mas no com cida.
todos os filtros com valor 4
Transiente, com fortes
14 indicaes de cida.
empacotamento
Transiente, com fortes
15 indicaes de cida.
empacotamento

Passou no teste; No passou no teste.
4.5 Arquitetura proposta para o mdulo de explicao 92
Assim, os casos em que se considerou falha nos testes devem ser vistos na verdade como
lacunas no conhecimento adquirido. Decidiu-se que no se deve ajustar o sistema para os 4
ltimos casos de teste pois no se sabe qual a classificao correta para essas situaes. Assim,
ao invs de ver estes resultados como falhas no sistema especialista, eles devem ser vistos como
oportunidades para melhorar o sistema. Em especial, os casos 12 e 13 so interessantes, e so
bons casos para iniciar uma nova etapa de aquisio de conhecimento.
4.5 Arquitetura proposta para o mdulo de explicao
Considera-se uma caracterstica importante de sistemas especialistas que eles sejam capazes
de fornecer uma explicao para o seu raciocnio. Isto auxilia na validao do conhecimento
presente na base de conhecimento e permite avaliar criticamente o resultado da inferncia do
sistema especialista. Por outro lado, o simples fato de prover uma explicao faz com que a
percepo do usurio final de que a resposta fornecida pelo sistema est correta aumente (SWIN-
NEY, 1995). No obstante este efeito potencialmente deletrio da explicao, ainda considera-se
que o mdulo de explicao um componente desejvel em um sistema especialista. Por esta
razo, o desenvolvimente deste mdulo faz parte da lista de requisitos do prottipo (requisito
12). Esta seo descreve uma proposta para este mdulo.
Um dos mtodos mais comuns para gerar a explicao em um sistema especialista manter
um registro de todas as regras disparadas, anotando-se os fatos que influenciaram no disparo de
cada regra e utilizar esse registro como base para produzir a explicao (WICK; SLAGLE, 1989).
Um dos mtodos para se gerar as explicaes a utilizao de gabaritos com todas as respostas
possveis do sistema, e utilizar as informaes presentes no registro para preencher as lacunas
nos gabaritos. Uma abordagem deste tipo pode ser vista em (PAPAMICHAIL; FRENCH, 2003).
Um dos problemas em se adotar esta abordagem no sistema que foi implementado o fato
de, como j foi explicado na seo 3.2.3, todas as regras do sistema dispararem. Nesse caso, o
registro ficaria cheio de dados que contriburam pouco para as concluses do sistema. Mostrar
para o usurio final todas as entradas do registro seria ento contraproducente, uma vez que a
maior parte das informaes mostradas teria pouca influncia no resultado final.
Em vista disso, esta seo visa propor um mtodo para se determinar quais as informa-
es que foram mais influentes na soluo produzida pelo sistema especialista. Para isso ser
mostrado como o registro da inferncia do sistema pode ser representado por uma estrutura
em forma de rvore e ser proposto um algoritmo para extrair dessa estrutura uma sub-rvore
representando apenas as proposies mais influentes na soluo final.
Para registrar as etapas de inferncia do sistema importante notar que o valor de uma
proposio p definido realizando-se uma agregao, representada pela funo g, sobre todas
as n regras que tm p em seu conseqente. Assim, sendo p1 , . . . , pk , . . . , pn todos os valores para
e e
p produzidos pelas n regras, temos que:

e e e e
e
p = g(p1 , . . . , pk , . . . , pn ) (4.1)
e ee e e
Cada pk definido em funo dos antecedentes da regra Rk , que sero chamados de a1k , . . .,
e
amk , onde mk o nmero de antecedentes da regra Rk . Como j foi visto, pk pode ser calculado
e
e
por:
e

pk = w a rk , hk a1k , . . . , amk (4.2)
e e e e e e
Onde h a funo difusa aplicada sobre os antecedentes da regra Rk , a a funo de
e e
ativao e w uma funo opcional que pode ser aplicada ao resultado da ativao.
e
fcil perceber, observando-se as Equaes 4.2 e 4.1, que possvel representar toda a
inferncia que leva ao valor de p como uma rvore. A Figura 4.13 mostra essa rvore. Nesta
rvore, cada n representa a aplicao da funo definida naquele n sobre todos os valores
e
provenientes dos ns inferiores.
Figura 4.13: rvore de inferncia para a proposio p.

e
A rvore mostrada na Figura 4.13 representa apenas algumas regras de uma cadeia de infe-
rncia que pode ter vrias centenas de regras. Para gerar uma mensagem explicativa a partir de
uma rvore desse tipo pode-se associar a cada regra um texto explicativo, ou um gabarito para
gerar um texto explicativo. O algoritmo pode ento percorrer a rvore e montar a explicao
da inferncia a partir da explicao de cada regra. No entanto, preciso selecionar apenas as
regras que mais influenciaram no valor de cada proposio. Isso equivale a observar a funo
de agregao g e determinar quais de seus argumentos mais influenciaram seu resultado.
e
Para realizar esta tarefa, preciso definir algum critrio que represente influncia. Ser
proposto a combinao de dois critrios de influncia: o nvel de certeza de cada argumento e a
sensibilidade de g a uma variao em cada um de seus argumentos.
e
O nvel de certeza pode ser definido como a distncia do valor de uma determinada varivel
difusa de 12 . Define-se que este valor deve variar entre 0 a 1, onde 0 significa completamente
ambgua e 1 significa completamente certa. Assim, C(a) :
e

1
C(a) = 2 a (4.3)

e e 2
Utilizando esta definio, possvel estabelecer que quanto maior o nvel de certeza do
conseqente de uma regra, maior a sua importncia para a explicao. Vale a pena ressaltar que
esta definio de nvel de certeza pode ser transformada na definio de uma entropia difusa.
Basta fazer: !
X 1
e(A) = 1 2 A (x) (4.4)

e xX e 2
fcil provar que esta definio est de acordo com a definio de entropia difusa (FAN;
MA, 2002). Isto d suporte para o uso de C como critrio para a determinao de influncia.
A segunda medida que ser usada a sensibilidade de g a mudanas em cada um de seus

argumentos. Especificamente, prope-se testar a variao de g substituindo-se seus argumentos
e
um a um por 21 , enquanto os outros se mantm constantes. Esta medida pode indicar um argu-
e
mento que, apesar de ter um nvel de certeza pequeno, causa uma grande variao no resultado
caso tenha seu nvel de certeza diminudo.
O resultado da avaliao destes dois critrios pode ser utilizado para selecionar quais os
argumentos de g tm mais influncia sobre a funo. Um algoritmo pode, por exemplo, consi-
derar 20% dos argumentos com maior grau de certeza e 20% dos argumentos aos quais g mais
e
sensvel e utiliz-los na gerao da explicao.

e
Este mtodo de explicao no pde ser implementado no prottipo por falta de tempo. No
entanto, considera-se que sua implementao pouco complexa, e capaz de produzir resultados
aceitveis. Alm disso, a rvore descrita na Figura 4.13 pode ser utilizada no processo de
refinamento das solues obtidas pelo sistema especialista.
4.6 Comentrios sobre o desenvolvimento 95
4.6 Comentrios sobre o desenvolvimento
Pelo que foi dito anteriormente, percebe-se que o desenvolvimento do mdulo de deteco
de vazamentos do SEGRED sofreu muito devido aos atrasos da empresa-alvo. Estes atrasos
ocorreram sobretudo nas seguintes tarefas:
1. Definio de requisitos;
2. Entrevistas de aquisio de conhecimento;
3. Avaliao dos prottipos;
4. Liberao do acesso aos dados do SCADA.
Para que se possa avaliar melhor o impacto desses atrasos, a Tabela 4.6 mostra qual o
estado de implementao dos requisitos apresentados na seo 4.1 (pg. 61). possvel, por
esta tabela, determinar a influncia de cada atraso no projeto. Assim, v-se que o atraso de
um ano e quatro meses na liberao do acesso aos dados do SCADA impediu diretamente que
8 requisitos fossem corretamente implementados; e os atrasos na definio de requisitos e o
pequeno nmero de entrevistas de aquisio de conhecimento realizadas tambm impediram
que 8 requisitos4 fossem implementados satisfatoriamente.
Tabela 4.6: Situao da implementao de cada um dos requisitos do sistema.
Req. Situao Comentrios
1 necessrio aprofundar as anlises de sinais.
Pode ser melhorada implementando anlises sobre um histrico de valo-

2
res do PMS. Precisa ser melhor testada.
No momento, o SEGRED no recebe esse tipo de informao do

3 SCADA. Seria necessria mais uma entrevista de aquisio para deter-
minar quando se deve avisar uma falha de comunicao.
4 preciso aprofundar as anlises de sinais e do comportamento do PMS.

Continua na prxima pgina
4 Respectivamente, os requisitos 1, 4, 5, 6, 7, 8, 11, 16b e 3, 4, 5, 6, 7, 8, 12, 17.
Continuao da Tabela 4.6
Req. Situao Comentrios

9 As anlises podem ser refinadas.

10 Simplesmente determina se nenhuma outra situao foi identificada.
Devido aos atrasos para disponibilizar os dados do SCADA, no houve

11
tempo hbil para desenvolver as anlises necessrias.
Devido aos atrasos nas entrevistas de aquisio de conhecimento, no

12
foi possvel implementar esse mdulo.
13 Este tipo de requerimento no se aplica a um prottipo.
A implementao foi feita dentro dos limites impostos pela empresa-

14a alvo, que permitem um perodo de atualizao dos dados de apenas 30
min.
14b A empresa-alvo no possui nenhum mtodo para acessar esses dados.
Como no existe modo automtico para se acessar os dados do PMS, a

15
interface prov um modo para realizar a entrada de dados manualmente.
Foram realizados teste para determinar as consistncias das respostas.

16a
Os casos de teste utilizados encontram-se na seo 4.4.
Apesar do arcabouo bsico para as anlises ter sido implementado, no

16b houve tempo suficiente para testar as anlises, pois este procedimento
bastante laborioso.
17 No foi realizada pela empresa-alvo.

Implementado; Implementao parcial; No implementado.
O interessante ao se observar as causas dos atrasos que so dois aspectos bem tratados na
literatura de sistemas especialistas: o interesse gerencial no projeto e o acesso aos especialistas.
Com relao ao interesse gerencial, Schreiber et al. (1999, cap. 3) indicam que, em processos
de engenharia de conhecimento bem sucedidos, a identificao dos envolvidos no projeto (os
chamados stakeholders) e a correta compreenso da estrutura da empresa so fatores cruciais.
Outro aspecto apontado a importncia do sistema para a companhia, ou seja: quanto menor
o problema que o sistema busca resolver tanto menor ser a importncia dada ao projeto e
menores as chances dele ser bem sucedido.
O objetivo do sistema descrito ser um estudo de viabilidade tecnolgica, representando um

pequeno avano com relao aos mtodos empregados atualmente pela empresa-alvo. Sendo
assim, e devido caracterstica essencialmente operacional da empresa-alvo, natural que ao
se contrastar um projeto que v apresentar resultados palpveis apenas a longo prazo com ne-
cessidades operacionais prementes, o projeto que apresentar resultados apenas a longo prazo
passe a ter menor prioridade. Portanto de se esperar que ela direcione os recursos disponveis
para as necessidades mais imediatas. Isto ser ainda mais verdade caso estes recursos sejam
escassos, o que o caso dos recursos humanos da empresa-alvo. Acredita-se que isto explique
os problemas de interesse gerencial no projeto.
A segunda questo est relacionada com a aquisio de conhecimento e com o acesso aos
especialistas. A aquisio de conhecimento sempre considerada o gargalo no processo de de-
senvolvimento de um sistema especialista (HART, 1992; DYM; LEVITT, 1991; SCOTT et al., 1991).
Na literatura pesquisada costuma-se comentar dois problemas principais de acesso ao especia-
lista: o tempo que o especialista tem disponvel para as tarefas de aquisio de conhecimento e
o interesse que o especialista tem no desenvolvimento do sistema.
Como j foi comentado, a empresa-alvo apresentava escassez de recursos humanos. Isto

implica escassez de tempo dos especialistas. E de fato, o principal especialista do projeto teve
menos tempo para se dedicar s entrevistas de aquisio de conhecimento que um projeto deste
porte demanda. Os controladores do gasoduto que participaram de entrevistas de aquisio
tambm tiveram pouco tempo disponvel, uma vez que, durante as entrevistas, ainda tinham
que executar suas tarefas de turno. Isto contribuiu para a dificuldade no desenvolvimento do
prottipo.
98
5 Concluso e recomendaes para

trabalhos futuros
Apesar das tcnicas de deteco de vazamentos por software serem bem desenvolvidas,
estas tcnicas normalmente tm um desempenho limitado pelos tipos de sensores j instalados
no duto. Devido a esta limitao, estas tcnicas no costumam apresentar o mesmo desempenho
que tcnicas que adotam a instalao de novos sensores no duto para a deteco de vazamentos.
Por outro lado, a deteco de vazamentos por software costuma ser a alternativa mais econmica
para se obter um monitoramento constante do duto, o que a torna uma opo atraente para a
soluo do problema.
Na deteco de vazamentos por software, vrias anlises so efetuadas sobre os sinais ob-
tidos dos sensores presentes no duto, normalmente levando em considerao as caractersticas
fsicas do duto. Estas anlises carregam consigo outras informaes alm das necessrias para
a deteco de vazamentos e podem indicar outras situaes de interesse para a empresa con-
troladora do gasoduto. E de fato os controladores do duto costumam utilizar informaes pro-
venientes de sistemas de deteco de vazamentos na tomada de decises relacionadas a vrios
aspectos da operao do duto.
Isto indica que um dos caminhos para a melhoria de sistemas de deteco de vazamentos
por software incluir nas anlises feitas pelo sistema o mesmo tipo de anlise, normalmente
de natureza heurstica, realizada pelos controladores do duto. Isto pode apresentar as seguintes
vantagens:
Diminuio da carga de trabalho dos controladores e conseqentemente liberao de

tempo dos controladores para outras tarefas;
Melhorar a resposta da organizao a situaes de falha do gasoduto, uma vez que o

sistema pode tornar disponveis rapidamente vrias informaes teis aos controladores;
Identificar problemas com o SCADA e/ou instrumentao que de outro modo seriam
difceis de perceber.
5 Concluso e recomendaes para trabalhos futuros 99
Para testar esta possibilidade, foi realizada a implementao de um prottipo de sistema

de deteco de vazamentos baseado em conhecimento para a empresa que controla o gasoduto
Bolvia-Brasil. Este prottipo toma como entrada os dados provenientes do sistema de deteco
de vazamentos j instalado na empresa, junto com dados obtidos do banco de dados do SCADA
e retorna as situaes pelas quais o gasoduto est passando naquele momento.
Como resultado do desenvolvimento do prottipo, foi possvel chegar a algumas concluses

com relao a aplicabilidade desta tcnica. A principal que o desenvolvimento de um sistema
deste tipo extremamente dependente da empresa que ir utilizar o sistema, principalmente
com relao aos seguintes aspectos:
A empresa precisa estar consciente das dificuldades do desenvolvimento de um sistema

especialista e precisa saber que, alm da liberao de recursos financeiros, um sistema
especialista depende da interao com especialistas da empresa, e portanto da liberao
tambm de recursos humanos;
O sistema desenvolvido tende a ser especfico para a situao presente na empresa no

momento do desenvolvimento. Isto pode causar problemas caso, por exemplo, o sistema
de deteco de vazamentos tradicional utilizado pela empresa seja trocado;
Pode ser difcil acrescentar novos conhecimentos ao sistema, caso seja necessrio. Isto
porque esta tarefa dever ser feita por um engenheiro de conhecimento, e mesmo assim,
de preferncia um que tenha um bom conhecimento do sistema. Isto pode tornar dispen-
diosa a manuteno do sistema. Este problema ser pior caso seja necessrio acrescentar
novas regras difusas ou alterar as anlises dos sinais do SCADA.
Ainda com relao ao processo de desenvolvimento do sistema, preciso notar que podem
surgir problemas de interao com a empresa durante o desenvolvimento do sistema porque
empresas de petrleo e gs natural normalmente no tm uma cultura de desenvolvimento de
software, e no esto habituadas com as particularidades do gerenciamento de projetos desse
tipo.
Essas dificuldades se evidenciaram principalmente durante a etapa de definio de requisi-

tos. Esta tarefa complexa e exige um bom entendimento por parte da empresa de suas prprias
expectativas com relao ao sistema. Um dos grandes problemas encontrados durante o desen-
volvimento do prottipo foi a indefinio com relao aos requisitos. Considera-se que, caso
um maior esforo para evitar essa indefinio houvesse sido feito, tanto da parte da equipe de
desenvolvimento quanto da parte da empresa-alvo, o projeto teria sido mais bem sucedido.
5.1 Recomendaes para trabalhos futuros 100
Uma outra questo associada ao relacionamento entre a empresa e a equipe de desenvolvi-

mento a escolha das tcnicas utilizadas na implementao do sistema. No caso do prottipo
desenvolvido, se estudou preliminarmente o uso de tcnicas estatsticas e redes neurais como
parte do sistema. No entanto, estas possibilidades foram abandonadas por necessitarem de um
volume de dados muito grande, e no se identificou uma disposio da empresa-alvo em forne-
cer a tempo os dados necessrios. Tambm os prprios representantes da empresa no sabiam ao
certo exatamente quais tipos de informao estavam disponveis, o que influenciou na deciso
de abandonar o estudo destas tcnicas.
Com relao utilidade das anlises realizadas pelo sistema, como foi visto anteriormente,
no foi possvel realizar a validao do sistema pelos especialistas da empresa. Tambm, devido
ao pequeno nmero de entrevistas de aquisio de conhecimento realizadas, no foi possvel
implementar nenhuma anlise mais complexa sobre o funcionamento do duto. No entanto,
segundo (KERKHOF et al., 2002), onde est descrita uma implementao de um sistema com o
mesmo escopo do proposto aqui, a implementao de um sistema desse tipo tornou acessvel
aos operadores uma srie de resultados que se mostraram vantajosos.
Finalmente, no foi possvel estabelecer se o sistema vivel economicamente, ou seja, que

o ganho obtido pela empresa com um sistema desse tipo compensa os gastos com o desenvol-
vimento. Apesar de no ter sido realizada nenhuma anlises sobre esse aspecto, considera-se
preliminarmente que o sistema vantajoso na medida em que diminui o risco de acontecer um
acidente, ou que pode tornar a reao a um acidente mais rpida. Dado o tamanho das perdas
financeiras associadas a eventos desse tipo bem possvel que o sistema seja interessante do
ponto de vista financeiro.
5.1 Recomendaes para trabalhos futuros
Como recomendaes para trabalhos futuros, o sistema implementado deixa vrias ques-
tes em aberto. A primeira delas est relacionada com a eficcia do mtodo de explicao
proposto na seo 4.5. Seria preciso fazer testes para determinar se as solues produzidas por
uma implementao deste mtodo seriam aceitveis do ponto de vista de um controlador do
gasoduto.
Tambm seria interessante testar a habilidade do sistema de lgica difusa implementado de

lidar com um conjunto bem maior de anlises. Questes de eficincia, facilidade de representa-
o de conhecimento e facilidade de manuteno do sistema que apareceriam nesta caso seriam
interessantes de serem analisadas. Tambm necessrio realizar uma validao do sistema que
5.1 Recomendaes para trabalhos futuros 101
foi implementado para verificar se os resultados produzidos atualmente pelo sistema esto cor-
retos. Tambm preciso verificar a adequao da interface grfica desenvolvida s necessidades
dos controladores.
Uma outra questo que vale a pena analisar est relacionada com o problema da viabilidade
do sistema, como foi discutido anteriormente. Seria preciso avaliar os custos envolvidos em um
acidente e a capacidade do sistema de reduzir a probabilidade desses acidentes e a eficcia do
sistema em diminuir as conseqncias de um acidente.
Finalmente, considerou-se que o uso dos diagramas de influncia foi uma ferramenta crucial
no desenvolvimento do sistema especialista. O estudo de uma linguagem de representao para
esses diagramas que fosse capaz de expressar mais aspectos da base de conhecimento, e que
no fosse dependente de uma representao especfica provavelmente representaria um ganho
em produtividade no desenvolvimento deste tipo de sistema.
102
Referncias
ALONSO, F. et al. An incremental solution for developing knowledge-based software: its

application to an expert system for isokinetics interpretation. Expert systems with Applications,
v. 18, n. 3, p. 165184, apr 2000.
ANP. Glossrio. 2006. Disponvel em: <http://www.anp.gov.br/glossario/index.asp>. Acesso

em: 2006-04-04.
BELSITO, S. et al. Leak detection in liquefied gas pipelines by artificial neural networks.
AIChE Journal, v. 44, n. 12, p. 2675 2688, dec 1998.
BENKHEROUF, A.; ALLIDINA, A. Y. Leak detection and location in gas pipelines. IEEE
Proceedings in Control Theory and Applications, v. 135, n. 2, p. 142148, mar 1988.
BIAGETTI, T.; SCIUBBA, E. Automatic diagnostics and prognostics of energy conversion

processes via knowledge-based systems. Energy, v. 29, n. 12-15, p. 25532572, 2004.
BILLMAN, L.; ISERMANN, R. Leak detection methods for pipelines. Automatica, v. 23, n. 3,
p. 381 385, may 1987.
BITTENCOURT, G. Inteligncia Artificial - Ferramentas e teorias. Floranpolis: Editora da

UFSC, 2001. ISBN 85-328-0138-2.
BORGES, J. L. El idioma analtico de John Wilkins. In: . Otras Inquisiciones. 3. ed.

[S.l.]: Alianza Editorial, 1981. ISBN 84-206-1604-4.
BRODETSKY, I.; SAVIC, M. Leak monitoring system for gas pipelines. In: IEEE International
Conference on Acoustics, Speech, and Signal Processing, 1993. ICASSP-93. [S.l.: s.n.], 1993.
v. 3, p. 1720.
CASTELANI, M. R.; GALAZ, L. A.; SILVA, J. C. Sistema especialista para gerenciamento

operacional de redes de distribuio de gs natural. 2002. COCIM.
CHANDRASEKARAN, B.; JOSEPHSON, J. R.; BENJAMINS, V. R. What are ontologies,

and why do we need them? IEEE Intelligent Systems and Their Applications, v. 14, n. 1, p.
2026, feb 1999. ISSN 1094-7167.
CLANCEY, W. N. Heuristic classification. Artificial Intelligence, v. 27, p. 289350, 1985.
CLIPS Reference Manual Basic Programming Guide. [S.l.], jun 2005. Disponvel em:
<http://www.ghg.net/clips/download/documentation/bpg.pdf>. Acesso em: 2006-04-19.
CODN, O.; JESUS, M. J.; HERRERA, F. A proposal on reasoning methods in fuzzy

rule-based classification systems. International Journal of Approximate Reasoning, v. 20, n. 1,
p. 2145, jan 1999.
Referncias 103
CONDACSE, V.; GUIDRY, B. Practical Implementation Of A Leak Detection System In A

Transient Thermal Environment. sep 2002. PSIG Pipeline Simulation Interest Group.
COX, E. The fuzzy systems handbook. 2. ed. San Diego: Academic Press, 1998. ISBN
0-12-194456-5.
DUBOIS, D.; PRADE, H. Fuzzy Sets and Systems: Theory and Applications. New York:
Academic Press, 1980. ISBN 0-12-222750-6.
DUBOIS, D.; PRADE, H. What are fuzzy rules and how to use them. Fuzzy Sets and Systems,
v. 84, p. 169185, 1996.
DYM, C. L.; LEVITT, R. E. Knowledge-based systems in engineering. [S.l.]: McGraw-Hill,

1991. ISBN 0-07-018563-8.
EBRAHIM, R. Fuzzy logic programming. Fuzzy Sets and Systems, v. 117, n. 2, p. 215230,
jan 2001.
ENERGY SOLUTIONS INTERNATIONAL. Best practices in leak detection. mar 2004.

White Paper.
EUA, G. dos. Code of Federal Regulations, Title 49, Part 192. oct 2005. Disponvel em:
<http://www.access.gpo.gov/nara/cfr/waisidx 02/49cfr192 02.html>. Acesso em: 2006-04-05.
FAN, J.-L.; MA, Y.-L. Some new fuzzy entropy formulas. Fuzzy Sets and Systems, Elsevier
North-Holland, Inc., v. 128, n. 2, p. 277284, jun 2002. ISSN 0165-0114.
FORGY, C. L. Rete: A fast algorithm for the many pattern/many object pattern match problem.
Artificial Intelligence, v. 19, p. 1737, 1982.
FUKUNAGA, K. Introduction to Statistical Pattern Recognition. 2. ed. San Diego: Morgan

Kauffman, 1990. ISBN 0-12-269851-7.
FUKUSHIMA, K. et al. Gas pipeline leak detection system using the online simulation
method. Computers & Chemical Engineering, v. 24, n. 2-7, p. 453456, jul 2000.
GIARRATANO, J.; RILEY, G. Sistemas expertos Principios y programacin. 1. ed. Mxico:

International Thomson Editores, 1998. ISBN 970-686-059-2.
GOODREAU, M.; BACHMAN, S. Less is More: Accuracy versus Precision in Modeling. oct
2000. PSIG Pipeline Simulation Interest Group.
GRAY, N. A. B. Programming with Class. 1. ed. Chichester: John Wiley & Sons, 1994. ISBN
0-471-94350-9.
HALL, L. O. Rule chaining in fuzzy expert systems. IEEE Transactions on Fuzzy Systems,
v. 9, n. 6, p. 822828, dec 2001.
HART, A. Knowledge acquisition for expert systems. 2. ed. New York: McGraw-Hill, 1992.
ISBN 0-07-026911-4.
HOFSTADTER, D. R. Gdel, Escher, Bach: An Eternal Golden Braid. [S.l.]: Basic Books,
1979. ISBN 0-465-02656-7.
Referncias 104
IOURTCHENKO, S.; LOSENKOV, A. Detection of leaks artificially made in pipelines (by

third party intervention). oct 2002. PSIG Pipeline Simulation Interest Group.
JOHNSON, A. T. A Practical Approach to the Application of an Expert System to Gas Pipeline

Operation and Data Integrity. oct 1999. PSIG Pipeline Simulation Interest Group.
KANDEL, A. (Ed.). Fuzzy mathematical techniques with applications. [S.l.]: Addison-Wesley

Publishing Company, Inc., 1986. ISBN 0-201-11752-5.
KAUFMANN, A. Introduction to the Theory of Fuzzy Subsets. [S.l.]: Academic Press, Inc.,
1975. ISBN 0-12-402301-0.
KERKHOF, J. et al. Transcanada pipelines: an expert advisory system for pipeline operations.
In: Proceedings of OPC02. [S.l.: s.n.], 2002. 4th International Pipeline Conference.
KLIR, G. J.; YUAN, B. Fuzzy Sets and Fuzzy Logic: Theory and Applications. 1. ed. [S.l.]:
Prentice Hall PTR, 1995. ISBN 0-13-101171-5.
KONVALINKA, I. et al. Decision trees development for leak detection on gas transmission
system using stationary model and machine learning from examples. In: First International
Conference on Intelligent Systems Engineering. [S.l.: s.n.], 1992. p. 330335.
KOOP, G. Bayesian Econometrics. Chichester: Wiley, 2003. ISBN 0-470-84567-8.
LARMAN, C. Applying UML and patterns. Upper Saddle River: Prentice Hall PTR, 1998.
ISBN 0-13-748880-7.
LEHMANN, F. Semantic networks. Computers Math. Applic., v. 23, n. 2-5, p. 150, 1992.
LOPARO, K. A.; BUCHNER, M. R.; VASUDEVA, K. S. Leak detection in an experimental

heat exchanger process: a multiple model approach. IEEE Transactions on Automatic Control,
v. 36, n. 2, p. 167177, feb 1991.
MATKO, D.; GEIGER, G.; WERNER, T. Leak detection and Localisation - A Survey. oct
2003. PSIG Pipeline Simulation Interest Group.
MINSKY, M. A framework for representing knowledge. In: . The Psychology of Computer

Vision. [S.l.]: McGraw-Hill, 1975.
MORENTE, M. G. Fundamentos de filosofia lies preliminares. 3. ed. [S.l.]: Editora Mestre

Jou, 1967.
NARDI, D.; BRACHMANN, R. J. An introduction to description logics. In: . The

Description Logic Handbook: Theory, Implementation, and Applications. Cambridge
University Press, 2003. p. 544. Disponvel em: <http://www.sfu.ca/mhatala/iat881/papers-
/nardi-dlhb-01.pdf>. Acesso em: 2006-04-13.
NEAPOLITAN, R. E. Probabilistic reasoning in expert systems. 1. ed. [S.l.]: John Wiley &
Sons, Inc., 1990. ISBN 0-471-61840-3.
NICHOLAS, R. E.; REET, J. V.; WHALEY, D. R. S. A Tutorial on Computer Based Leak

Detection Methods. 1992. PSIG Pipeline Simulation Interest Group.
Referncias 105
PAPAMICHAIL, K. N.; FRENCH, S. Explaining and justifying the advice of a decision

support system: a natural language generation approach. Expert Systems with Applications,
v. 24, n. 1, p. 3548, jan 2003.
PEARL, J. Fusion, propagation, and structuring in belief networks. Artificial Intelligence,

v. 29, p. 241288, 1986.
PIERCE, C. S. Semitica. 3. ed. So Paulo: Perspectiva, 1999. (Estudos). ISBN 8527301946.
PIETSCH, F.; PETHERICK, L. M. Effects of Errors In Linepack Calculations On Real-Time

Computational Pipeline Monitoring. sep 1994. PSIG Pipeline Simulation Interest Group.
POLLOCK, D. S. G. A handbook of time-series analysis, signal processing and dynamics.

[S.l.]: Academic Press, 1999. (Signal Processing and its Applications). ISBN 0-12-560990-6.
PRESS, W. H. et al. Numerical Recipes in C: The Art of Scientific Computing. 2. ed.

New York, USA: Cambridge University Press, 2002. ISBN 0521437148. Disponvel em:
<http://www.library.cornell.edu/nr/bookcpdf.html>. Acesso em: 2006-04-19.
RUSSELL, S.; NORVIG, P. Inteligncia Artificial. 2. ed. [S.l.]: Elsevier, 2004. ISBN
85-352-1177-2.
SALAS, I.; REID, F. Evaluation Of Cost-Effective Rupture Detection. 2002. PSIG Pipeline
Simulation Interest Group.
SAMPATH, S.; YEE, S. Automating the Predictor to Answer Routine Operational Questions.
oct 2000. PSIG Pipeline Simulation Interest Group.
SCHREIBER, G. et al. Knowledge Engineering and Management The CommonKADS

Methodology. [S.l.: s.n.], 1999.
SCOTT, A. C.; CLAYTON, J. E.; GIBSON, E. L. A practical guide to knowledge acquisition.

[S.l.]: Addison-Wesley Publishing Co., Inc., 1991. ISBN 0-201-14597-9.
ENDELJ, R.; DEVEDIC, V. Fuzzy systems based on component software. Fuzzy Sets and
Systems, v. 141, p. 487504, 2004.
SILVA, J. C. et al. Sistema especialista para gerenciamento de redes de gs natural SEGRED.

2004. Rio Oil & Gas 2004.
SILVA, J. C.; PORCINCULA, G. S. Sistema especialista para gerenciamento de redes de

transporte de gs natural. out 2003. Rio Pipeline Conference & Exposition.
SILVA JR., A. C.; SILVA, J. C. Integrao entre sistemas especialistas e simulao para
o monitoramento de redes de transporte de gs natural. ago 2002. Congresso Nacional de
Engenharia Mecnica, CONEM.
SOMMERVILLE, I. Software engineering. [S.l.]: Addison Wesley Longman Limited, 1995.

ISBN 0-201-42765-6.
SONG, S.; LEE, S. A strategy of dynamic reasoning in knowledge-based system with fuzzy
production rules. Journal of Intelligent Information Systems, v. 19, n. 3, p. 303318, 2002.
Referncias 106
STROUSTRUP, B. The C++ Programming Language. 3. ed. [S.l.]: Addison-Wesley, 1997.

ISBN 0-201-88954-4.
STUDER, R.; BENJAMINS, V. R.; FENSEL, D. Knowledge engineering: Principles and

methods. Data & Knowledge Engineering, v. 25, n. 1-2, p. 161197, mar 1998.
SWINNEY, L. The explanation facility and the explanation effect. Expert systems with
Applications, v. 9, n. 4, p. 557567, 1995.
TORRA, V.; SODAN, A. A multi-stage system in compilation environments. Fuzzy Sets and
Systems, v. 105, n. 1, p. 4961, jul 1999.
TURNER, W. J. Better leak detection in gas pipelines. Comput. Math. Applic., v. 15, n. 1, p.
6975, 1988.
TURNER, W. J.; MUDFORD, N. R. Leak detection, timing, location and sizing in gas
pipelines. Mathematical and Computer Modelling, v. 10, n. 8, p. 609627, 1988.
URAIKUL, V.; CHAN, C. W.; TONTIWACHWUTHIKUL, P. Development of an expert

system for optimizing natural gas pipeline operations. Expert Systems with Applications, v. 18,
p. 271282, 2000.
VALERIANO, A. PMS Guia Rpido de Utilizao. [S.l.], apr 2001. Documento de circulao
restrita TBG.
VOJT, P. Fuzzy logic programming. Fuzzy Sets and Systems, v. 124, n. 3, p. 361370, dec
2001.
VRANE, S.; STANOJEVIC, M. Integrating multiple paradigms within the blackboard

framework. IEEE Transactions on software engineering, v. 21, n. 3, p. 244262, mar 1995.
WALLOOPPILLAI, R. K. et al. Integrating an Expert System and Pipeline Simulator

to Enhance Gas Pipeline Operation, Profitability and Safety. oct 2000. PSIG Pipeline
Simulation Interest Group.
WANG, G.; DONG, D.; FANG, C. Leak detection for transport pipelines based on
autoregressive modeling. IEEE Transactions on Instrumentation and Measurement, v. 42, n. 1,
p. 6871, feb 1993.
WESTHOFF, M. A. Using operating data at natural gas pipelines. In: NATIONAL

TRANSPORTATION SAFETY BOARD. International Symposium on Transportation
Recorders. [S.l.], 1999.
WICK, M.; SLAGLE, J. An explanation facility for todays expert systems. IEEE Expert, v. 4,
n. 1, p. 2636, 1989. ISSN 0885-9000.
ZADEH, L. A. Fuzzy sets. Information and Control, v. 8, p. 338353, 1965.
ZHANG, J. Designing a cost effective and reliable pipeline leak detection system. Pipes &
Pipelines International, p. 2026, jan 1997.
107
APNDICE A
Exemplos de uso do sistema
Nesta seo so mostradas algumas telas do sistema, e o modo de us-lo. O programa

possui apenas uma tela, que permite a entrada dos valores dos filtros do PMS. Com os valores
ajustados, ao se pressionar o boto Analisar, no canto inferior direito da tela, os resultados da
anlise aparecero na rea de texto central. As figuras A.1 a A.4 mostram exemplos de uso do
sistema.
Figura A.1: Tela inicial do sistema de deteco de vazamentos. Na caixa de texto central mostrada uma
pequena introduo sobre o programa. Quando alguma anlise for executada o resultado aparecer nesta
caixa. esquerda esto as caixas de entrada dos valores dos filtros do PMS. No centro, abaixo da caixa
de texto com o texto introdutrio, encontra-se a caixa de entrada para a posio do vazamento.
Figura A.2: Exemplo de anlise do detector de vazamentos. Nesta anlise, todos os filtros foram coloca-
dos na posio normal. Observe que o nico resultado obtido foi uma situao normal. Neste exemplo,
a crena no resultado no 1 porque alguma das anlises dos sensores deve estar indicando alguma
variao nos valores.
Figura A.3: Neste exemplo, os filtros foram colocados todos na posio indicativa de vazamento, e a
posio do vazamento foi colocada sobre a estao de Joinville. Observa-se que o sistema retorna como
mais provvel a hiptese de vazamento no local, e, em segundo lugar, a hiptese de algum problema em
algum instrumento da estao.
Figura A.4: Neste exemplo, os filtros foram colocados todos na posio indicativa de empacotamento. O
sistema retorna uma resposta de acordo com a situao.
110
APNDICE B
Vocabulrio tcnico sobre gasodutos
A ANP (2006) estabelece um glossrio tcnico sobre petrleo e gs natural. Os termos

deste glossrio relevantes a este trabalho foram repetidos aqui para referncia:
Campo de Petrleo ou de Gs Natural rea produtora de petrleo ou gs natural, a partir

de um reservatrio contnuo ou de mais de um reservatrio, a profundidades variveis,
abrangendo instalaes e equipamentos destinados produo.
Capacidade Nominal Capacidade de processamento para a qual uma planta industrial pro-
jetada.
City Gate Conjunto de instalaes contendo manifolds e sistema de medio, destinado a en-
tregar o gs natural (oriundo de uma concesso, de uma UPGN, de um sistema de trans-
porte ou de um sistema de transferncia de Custdia de Gs Natural).
Condensado Fraes lquidas do gs natural obtidas no processo de separao normal de

campo, mantidas na fase lquida nas condies normais de presso e temperatura.
Derivados de Petrleo Produtos decorrentes da separao fsica ou da transformao qu-

mica do petrleo.
Derivados Energticos de Petrleo Derivados de petrleo utilizados predominantemente co-

mo combustveis, isto , com a finalidade de liberar energia, luz ou ambos a partir de sua
queima. Esta denominao abrange os seguintes derivados: GLP, gasolina A, gasolina de
aviao, querosene iluminante, querosene de aviao, leo diesel e leo combustvel.
Derivados No-Energticos de Petrleo Derivados de petrleo que, embora tenham signi-

ficativo contedo energtico, so utilizados para fins no-energticos. Esta denomina-
o abrange os seguintes derivados: graxas, lubrificantes, parafinas, asfaltos, solventes,
coque, nafta, extrato aromtico, gasleo de vcuo, leo leve de reciclo, diluentes, n-
parafinas, outros leos de petrleo, minerais betuminosos, bem como outros produtos de
menor importncia.
Distribuio Atividade de comercializao por atacado com a rede varejista ou com grandes
consumidoras de combustveis, lubrificantes, asfaltos e gs liqefeito envasado, exercida
por empresas especializadas, na forma das leis e regulamentos aplicveis. A atividade
de distribuio compreende a aquisio, armazenamento, transporte, comercializao e o
controle de qualidade dos combustveis lquidos derivados de petrleo, lcool combustvel
e outros combustveis automotivos.
Distribuidora Agente cuja atividade caracteriza-se pela aquisio de produtos a granel e sua
revenda a granel (por atacado) para a rede varejista ou grandes consumidores (vide Dis-
tribuio).
Duto Designao genrica de instalao constituda por tubos ligados entre si, destinada
movimentao de petrleo, seus derivados e gs natural. Movimenta produtos lquidos
(oleoduto) e gasosos (gasoduto). Pode ser classificado como duto de Transporte ou de
Transferncia.
Gs Canalizado Gs produzido a partir da nafta, consumido predominantemente pelo setor

residencial. distribudo nos centros urbanos, atravs das redes de distribuio das com-
panhias estaduais de gs.
Gs de Refinaria Mistura contendo principalmente hidrocarbonetos gasosos (alm de, em

muitos casos, alguns compostos sulfurosos) produzida no craqueamento e refino do pe-
trleo. Os componentes mais comuns so hidrognio, metano, etano, propano, butanos,
pentanos, etileno, propileno, butenos, pentenos e pequenas quantidades de outros compo-
nentes, como o butadieno. utilizado principalmente como matria-prima na fabricao
de produtos petroqumicos, na produo de gasolina de alta octanagem e na sntese org-
nica de alcois.
Gs Liqefeito de Petrleo (GLP) Mistura de hidrocarbonetos lquidos obtidos do gs natu-

ral atravs do processamento de gs natural nas UPGNs, ou em processo convencional nas
refinarias de petrleo. Conhecido como gs de cozinha, composto de propano e butano.
Sua maior aplicao na coco dos alimentos. tambm utilizado em empilhadeiras,
soldagem, esterilizao industrial, teste de foges, maaricos e outras aplicaes indus-
triais.
Gs Natural Associado Gs natural produzido de jazida onde ele encontrado dissolvido no

petrleo ou em contato com petrleo subjacente saturado de gs.
Gs Natural Comprimido (GNC) Todo gs natural processado e condicionado para o trans-

porte em ampolas ou cilindros, temperatura ambiente e presso prxima condio de
mnimo fator de compressibilidade.
Gs Natural Liqefeito (GNL) Gs natural resfriado a temperaturas inferiores a -160 C para

fins de transferncia e estocagem como lquido. composto predominantemente de me-
tano e pode conter quantidades mnimas de etano, propano, nitrognio ou outros compo-
nentes normalmente encontrados no gs natural.
Gs Natural No-Associado Gs natural produzido de jazida de gs seco ou de jazida de gs

e condensado.
Gs Natural ou Gs Todo hidrocarboneto ou mistura de hidrocarbonetos que permanea em

estado gasoso ou dissolvido no leo nas condies originais do reservatrio, e que se
mantenha no estado gasoso nas condies atmosfricas normais. extrado diretamente
de reservatrios petrolferos ou gaseferos, incluindo gases midos, secos, residuais e
gases raros (gases nobres). Ao processar o gs natural mido nas UPGNs, so obtidos
os seguintes produtos: (i) o gs seco (tambm conhecido como gs residual); e (ii) o
lquido de gs natural (LGN), que contm propano (C3 ) e butano (C4 ) (que formam o gs
liqefeito de petrleo - GLP) e a gasolina natural (C5+ ).
Gs Natural Veicular (GNV) Mistura combustvel gasosa, tipicamente proveniente do gs

natural e biogs, destinada ao uso veicular e cujo componente principal o metano, ob-
servadas as especificaes estabelecidas pela ANP.
Gs Seco Produto do processamento do gs mido, o qual no contm lquidos comercial-

mente recuperveis (LGN).
Gs mido Gs natural que entra nas UPGNs contendo hidrocarbonetos pesados e comerci-
almente recuperveis sob a forma lquida (LGN).
Indstria de Petrleo Conjunto de atividades econmicas relacionadas com a explorao,

desenvolvimento, produo, refino, processamento, transporte, importao e exportao
de petrleo, gs natural, outros hidrocarbonetos aromticos (metano, etano, propano, eti-
leno, propileno, butenos, ciclohexanos, benzeno, tolueno, naftaleno etc) e seus derivados.
Transferncia Movimentao de petrleo, seus derivados ou gs natural em meio ou per-

curso considerado de interesse especfico e exclusivo do proprietrio ou explorador das
facilidades.
Transportador Pessoa jurdica operadora das Instalaes de Transporte.
Transporte Movimentao de petrleo, seus derivados ou gs natural em meio ou percurso

considerado de interesse geral.
Unidade de Processamento de Gs Natural (UPGN) Instalao industrial que objetiva rea-

lizar a separao das fraes pesadas (propano e mais pesados), existentes no gs natural,
do metano e do etano, gerando GLP e gasolina natural (C5+ ).

Rodrigo Rizzi Starr. Contribuições para A Detecção de Vazamentos em Tubulações de Gás Natural - Uma Abordagem Baseada em Conhecimento

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Rodrigo Rizzi Starr. Contribuições para A Detecção de Vazamentos em Tubulações de Gás Natural - Uma Abordagem Baseada em Conhecimento

Uploaded by

Copyright:

Available Formats

Rodrigo Rizzi Starr

Contribuies para a deteco de vazamentos em

CONTRIBUIES PARA A DETECO DE VAZAMENTOS EM

UNIVERSIDADE FEDERAL DE SANTA CATARINA

para obteno do grau de

MESTRE EM ENGENHARIA MECNICA

RODRIGO RIZZI STARR

Florianpolis, julho de 2006.

UNIVERSIDADE FEDERAL DE SANTA CATARINA

CONTRIBUIES PARA A DETECO DE VAZAMENTOS EM TUBULAES DE

RODRIGO RIZZI STARR

Esta dissertao foi julgada adequada para obteno do ttulo de

ESPECIALIDADE ENGENHARIA MECNICA

Prof. Jonny Carlos da Silva, Dr. Eng. Orientador

Prof. Fernando Cabral, Ph.D. Coordenador do Curso

Prof. Acires Dias, Dr. Eng. Presidente

Prof. Guilherme Bittencourt, Dr. Rer. Nat.

Prof. Nelson Back, Ph. D.

E gozo, num momento sensitivo e competente,

minha me, que teria gostado de ver isto pronto

Lista de siglas xii

Lista de smbolos e operadores xiv

1.1 Objetivo e justificativa do trabalho . . . . . . . . . . . . . . . . . . . . . . . . 2

1.2 Gasoduto Bolvia-Brasil . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

1.3 Projeto SEGRED . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

1.4 Organizao do texto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

2.1 Deteco de vazamentos por mtodos biolgicos . . . . . . . . . . . . . . . . 14

2.2 Deteco de vazamentos por hardware . . . . . . . . . . . . . . . . . . . . . . 14

2.3 Deteco de vazamentos por software . . . . . . . . . . . . . . . . . . . . . . 16

2.3.1 Variaes abruptas de fluxo ou presso . . . . . . . . . . . . . . . . . 16

2.3.2 Balano de massa ou volume . . . . . . . . . . . . . . . . . . . . . . . 17

2.3.3 Sistemas baseados em modelo dinmico . . . . . . . . . . . . . . . . . 18

2.3.4 Anlise pontual de presso . . . . . . . . . . . . . . . . . . . . . . . . 19

2.4 Descrio de algumas implementaes . . . . . . . . . . . . . . . . . . . . . . 20

2.4.1 Mtodos baseados em identificao de sistemas e sistemas dinmicos . 20

2.4.2 Mtodos baseados em anlises estatsticas . . . . . . . . . . . . . . . . 24

2.4.3 Mtodos baseados em tcnicas de inteligncia artificial ou heursticas . 27

2.5 Deficincias de sistemas de deteco de vazamentos por software . . . . . . . . 31

2.6 Sistema instalado na empresa-alvo . . . . . . . . . . . . . . . . . . . . . . . . 32

2.7 Concluses do captulo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

3 Sistemas baseados em conhecimento 37

3.1 Engenharia do conhecimento . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

3.2 Representao de conhecimento e inferncia . . . . . . . . . . . . . . . . . . . 40

3.2.1 Ontologias, quadros e redes semnticas . . . . . . . . . . . . . . . . . 41

3.2.2 Sistemas de produo . . . . . . . . . . . . . . . . . . . . . . . . . . . 47

3.2.3 Lgica difusa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

3.4 Concluses do captulo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

4.1 Requisitos do sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

4.2 Aquisio de conhecimento . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63

4.2.1 Anlises que devem ser realizadas pelo sistema . . . . . . . . . . . . . 67

4.3 Implementao da base de conhecimento . . . . . . . . . . . . . . . . . . . . . 70

4.3.1 Arquitetura do sistema . . . . . . . . . . . . . . . . . . . . . . . . . . 70

4.3.2 Anlise dos sinais do SCADA . . . . . . . . . . . . . . . . . . . . . . 82

4.3.3 Sistema de inferncia difusa . . . . . . . . . . . . . . . . . . . . . . . 85

4.4 Testes e avaliao de performance . . . . . . . . . . . . . . . . . . . . . . . . 89

4.4.1 Testes realizados sobre o subsistema de anlise numrica . . . . . . . . 89

4.4.2 Testes realizados sobre o sistema como um todo . . . . . . . . . . . . . 90

4.5 Arquitetura proposta para o mdulo de explicao . . . . . . . . . . . . . . . . 92

4.6 Comentrios sobre o desenvolvimento . . . . . . . . . . . . . . . . . . . . . . 95

5 Concluso e recomendaes para trabalhos futuros 98

5.1 Recomendaes para trabalhos futuros . . . . . . . . . . . . . . . . . . . . . . 100

Apndice A Exemplos de uso do sistema 107

Apndice B Vocabulrio tcnico sobre gasodutos 110