Manutenções preventivas de sensores asseguram o seu funcionamento correto durante um certo período de tempo, mas não garantem que eles permaneçam sem defeito por outros períodos, além de eventualmente serem desnecessárias. Em plantas industriais, a análise dos sinais fornecidos pelos sensores que monitoram os processos de produção é uma tarefa difícil em virtude da grande dimensão dos dados. Portanto uma estratégia de monitoramento e correção on-line para múltiplos sensores é necessária. Este trabalho propõe a utilização de Redes Neurais Auto-Associativas com Treinamento Robusto Modificado e do Teste Seqüencial da Razão de Probabilidade (SPRT) em um sistema de monitoramento para auto-correção on-line e detecção de anomalias nas medidas geradas por um grande número de sensores. Diferentemente de modelos existentes, o sistema proposto visa a utilizar somente uma RNAAM para reconstruir os sinais dos sensores com falha. O modelo é avaliado com uma base dados que contém as medidas de sensores industriais que controlam e realizam o monitoramento de um motor de combustão interna, instalado em um caminhão de mineração. Os resultados obtidos mostram a capacidade do modelo proposto de mapear e corrigir, com um baixo nível de erro, os sinais dos sensores que apresentam falhas.

Preventive maintenance of sensors assures their correct operation for a certain period of time, but do not guarantee that they remain faultless for other periods, besides being occasionally unnecessary. In industrial plants the analysis of signals from sensors that monitor a plant is a difficult task due to the high-dimensionality of data. Therefore an on-line strategy for monitoring and correcting multiple sensors is required. This work proposes the use of Auto-Associative Neural Networks with a Modified Robust Training and the Sequential Probability Ratio Test (SPRT) in an on-line monitoring system for self-correction and anomalies detection in the measurements generated by a large number of sensors. Unlike existing models, the proposed system aims at using only one AANN for each group of sensors to reconstruct signals from faulty sensors. The model is evaluated with a database containing measurements of industrial sensors that control and carry out the monitoring of an internal combustion engine installed in a mining truck. The result shows the ability of the proposed model to map and correct signals, with a low error, from faulty sensors.

Este artigo apresenta uma nova metodologia para meta-avaliação que utiliza conjuntos fuzzy e lógica fuzzy. Esta metodologia é composta por um instrumento de coleta de dados e por um sistema hierárquico de inferência fuzzy. As vantagens da metodologia proposta são: (i) o instrumento de coleta de dados, que permite respostas intermediárias; (ii) a capacidade do sistema de inferência de se adaptar a necessidades específicas; e (iii) transparência, através da utilização de regras lingüísticas que facilitam tanto o entendimento como a discussão de todo o processo. As regras foram construídas com base nas diretrizes estabelecidas pelo Joint Committee on Standards for Educational Evaluation(1994) e por informações fornecidas por especialistas. O sistema pode auxiliar avaliadores que ainda não têm experiência em meta-avaliação. Um estudo de caso é apresentado como validação da metodologia proposta.

This paper presents a new methodology for meta-evaluation that makes use of fuzzy sets and fuzzy logic. It is composed of a data collection instrument and of a hierarchical fuzzy inference system. The advantages of the proposed methodology are: (i) the instrument, which allows intermediate answers; (ii) the inference process ability to adapt to specific needs; and (iii) transparency, through the use of linguistic rules that facilitate both the understanding and the discussion of the whole process. The rules are based on guidelines established by the Joint Committee on Standards for Educational Evaluation (1994) and also represent the view of experts. The system can provide support to evaluators that may lack experience in meta-evaluation. A case study is presented as a validation of the proposed methodology.

Este artículo presenta una nueva metodología para meta-evaluación que utiliza conjuntos fuzzy e lógica fuzzy. Esta metodología es compuesta por un instrumento de coleta de dados y por uno sistema de inferencia fuzzy. Las ventajas de la metodología propuesta son: (i) el instrumento de coleta de dados, que permite respuestas intermediarias; (ii) la capacidad del sistema de inferencia de adaptarse a necesidades específicas; (iii) transparencia, a través de la utilización de reglas lingüísticas que facilitan tanto el entendimiento como la discusión de todo el proceso. Las reglas fueron construidas con base en las directrices establecidas por el Joint Committee on Standards for Educational Evaluation(1994) y por informaciones fornecidas por especialistas. El sistema puede auxiliar evaluadores que aún no tienen experiencia en meta-evaluación. Un estudio de caso es presentado comovalidación de la Metodología propuesta.

Uma boa precisão na estimativa da produção passou a ser significativa na cacauicultura devido à forte diminuição da margem de comercialização nos últimos anos, provocada pela combinação do aumento dos custos da produção e pela queda da cotação internacional do produto final. Este trabalho apresenta um sistema de lógica fuzzy que permite aos fazendeiros fazer uma previsão da sua produção de cacau com mais precisão e simplicidade. O método proposto é de baixo custo quando comparado ao método atualmente empregado e foi projetado para ser parte de um sistema que auxilie no gerenciamento da fazenda. Sua utilização não exige do produtor conhecimento técnico específico e os resultados obtidos até o momento através de simulações são animadores.

A good precision in forecasting cocoa production has become significant due to the decreasing profit margin cocoa producers have experienced in the past years. This has been caused by increasing production costs and by a reduction in international prices. This work presents a fuzzy logic system that allows farmers to forecast their cocoa production with higher precision and simplicity. The method is less costly than the one currently employed and has been devised to be part of a system that should help farm management. Farmers do not need any specific technical knowledge of the model used and results obtained so far through simulation are encouraging.