05. Unidade Acadêmica do Cabo de Santo Agostinho (UACSA)
URI permanente desta comunidadehttps://arandu.ufrpe.br/handle/123456789/2908
Navegar
Item Avaliação de algoritmo de clusterização para segmentação de nuvens de pontos 3D(2022-10-05) Melo, Davi de Almeida; Ferreira, Felipe Alberto Barbosa Simão; http://lattes.cnpq.br/9939255113143786; http://lattes.cnpq.br/3528552393951602As tecnologias 3D têm sido exploradas nas diversas áreas da indústria. Com essas tecnologias são executadas funções como visualização, instrumentação, controle, simulação, treinamento, planejamento, documentação, entre outros. A partir disso, novos tipos de mídia foram introduzidos a esse contexto industrial. Como exemplo, existem as nuvens de pontos, que trata-se de um conjunto de pontos distribuídos num modelo tridimensional da realidade. Elas, geralmente, são construídas através da atuação de um scanner e podem conter em cada um de seus pontos as características de um objeto como localização, cor, reflectância e entre outros aspectos. Dado que as nuvens de pontos irão representar peças, equipamentos, tubulações, máquinas, áreas, e estruturas no contexto industrial, conseguir segmentar as nuvens de pontos e possibilitar uma melhor visualização das partes separadas da mesma estrutura é uma ferramenta proveitosa. Além disso, dentre as funções das tecnologias 3D apresentadas, a segmentação de nuvens de pontos perpassa de forma direta e indireta as áreas de visualização, instrumentação e controle. Portanto, verificada a importância da segmentação de nuvens de pontos, o objetivo desta monografia é avaliar dois algoritmos de clusterização para segmentação de nuvens de pontos 3D. São eles, o DBSCAN e o K-means. Ambos estão categorizados como algoritmos de clusterização por meio aprendizagem de máquina não supervisionada. Após a avaliação, foram constatadas as diferenças entre cada algoritmo. Verificou-se um melhor desempenho por parte do K- means quando se trata de dados dispersos e o equivalente para o DBSCAN quando se referem a distribuição de dados com certa distância entre os clusters.Item Sistema de supervisão e controle da planta piloto do LIAC(2020-11-04) Silva, Natasha Milena do Santos da; Cervantes, Ania Lussón; Gomes, Flávio da Silva Vitorino; http://lattes.cnpq.br/3701230748191590; http://lattes.cnpq.br/5793691069517813A automação industrial é uma área que se destaca cada vez mais pelos benefícios que trás para o processo produtivo, são eles: melhoria da qualidade e produtividade e redução de custos de produção. Sendo assim, é extremamente importante que os graduandos de engenharia coloquem em prática seus conhecimentos sobre o assunto, e as plantas didáticas são ótimas ferramentas para esse fim. Este artigo apresenta um sistema de supervisão e controle automático da planta piloto presente no Laboratório de Instrumentação, Automação e Controle (LIAC) disponível nas dependências da UACSA-UFRPE, visando percorrer os três primeiros níveis da pirâmide de automação: dispositivos de campo, controle e supervisão. A arquitetura do sistema é composta por dois reservatórios, um controlador lógico programável S7-1200, sensores, atuadores, os softwares Elipse SCADA e o Matlab. Apresenta-se a metodologia para a modelagem via identificação experimental para o sistema de nível, inserindo um degrau na planta, com os dados sendo acessados do sistema supervisório via rede através do protocolo OPC. Com o modelo obtido se apresentam resultados de simulação e experimentação usando a estratégia de controle Proporcional-Integral (PI) ante mudanças na referência. Finalmente, se desenvolve um sistema de supervisão e controle da planta e uma interface homem-máquina, oferecendo a supervisão das quatro variáveis de processo: nível, temperatura, pressão e vazão, e o controle de nível do reservatório superior. Além disso, é possível o gerenciamento de alarmes, registros históricos e relatórios, para a tomada de decisão na previsão de falhas, manutenção e solução de problemas.