O processo de desenvolvimento e implementação de conceptualizações passa, necessariamente, pela construção de um elemento demonstrador, suficientemente fiel ao sistema conceptual e suficientemente realista que possibilite amadurecer as ideias necessariamente especulativas que devem acompanhar a construção de conhecimento, de sistemas ou de funcionalidades. Como dificuldades adicionais ao desafio génese que se pretende resolver nesta abordagem, surgem por exemplo, a dispersão e heterogeneidade de dados provenientes da tendencialmente crescente panóplia de parceiros putativamente integrantes do projeto e a capacidade de armazenar ou, no limite, replicar de forma mais ou menos definitiva, os dados das suas organizações numa base de dados que assegure, por um lado a robustez e integridade necessárias a um sistema desta complexidade e por outro, tornar a sua utilização e manuseamento em processos simples e rápidos, ou seja utilizáveis em tempo útil.
Outro desafio que é necessário acomodar de forma concorrente ao problema estruturante do trabalho prende-se com a crescente quantidade de dados que perfazem a base de dados de
N
suporte à função de predição. A previsível e necessária alimentação do sistema com dados oriundos de novas ações de manutenção e monitorização implica um acréscimo de complexidade no processo de compreensão da informação e consequentemente na forma de inferir conhecimento.
É expectável que os atuais CMMS se deparem com dificuldades acrescidas quando submetidos a processos que impliquem lidar com as exigências conceptualmente previstas no sistema, nomeadamente ao nível de predição de ocorrência de falhas, seja relativamente às quantidades de dados armazenados e à capacidade de transformação desses dados em informação relevante, seja relativamente à incorporação de ferramentas e estratégias automatizadas que auxiliem as atividades que constituem o processo de inferir novo conhecimento válido a partir desses mesmos dados.
A análise efetuada evidencia que a integração de dados de diferentes proveniências, gerados através de políticas de manutenção que obedecem a entendimentos, culturas, hábitos, patamares de desenvolvimento distintos, heterogéneos e não normalizados, em cada interveniente, com o objetivo de inferir e conseguir um acrescimento de conhecimento, resulta num problema de grande complexidade. Este desafio assume-se como uma etapa de índole estruturante à boa articulação de todo o sistema proposto, perspetiva pela qual a apresentação de soluções nesse sentido se assume como um contributo parcelar no sentido de uma proposta de articulação que resolva funcionalidades e potencie a colaboração e integração funcional.
O módulo de predição apresentado foca todo o processo de DCBD, partindo da seleção dos dados a utilizar na geração do modelo de predição aplicando diferentes cenários de aprendizagem, recorrendo à aplicação de distintos algoritmos de predição, até à interpretação dos resultados obtidos. O módulo fornece soluções independentemente da proveniência dos dados utilizados, disponibilizando desta forma resultados que visam tirar proveito de diferentes ambientes produtivos. Adicionalmente, a solução apresentada permite que dados gerados por diferentes parceiros coexistam na mesma base de dados, sem questionar a integridade dos mesmos.
Para provar a validade do módulo de predição e consequentemente do sistema proposto procedeu-se a um conjunto de testes representativos do funcionamento deste módulo em distintos cenários de aprendizagem, considerando a aplicação e parametrização de diferentes algoritmos de predição, confrontando os resultados obtidos com dados de ocorrências reais conhecidas. Conscientes da existência de distintas abordagens possíveis para autenticar os procedimentos de validação, com base na literatura e face às possibilidades de aplicação de um modelo a mais
Capítulo 4 | Desenvolvimento e implementação do módulo de predição 135
casos, académicos ou industriais, de forma a confirmar a sua validade, consideraram-se as abordagens de Chrobok et al. (2004), Artuso et al. (2011), Milne et al. (1998), Çiflikli e Kahya- Özyirmidokuz (2010), Yee et al. (2013) e Du et al. (2011) como as que melhor se adequam à dinâmica, às variáveis, à escala potencial de intervenientes no sistema global, face aos meios práticos disponibilizados para esse trabalho de validação.Chrobok et al. (2004) apresentam um trabalho onde são elaborados diferentes métodos de previsão de tráfego automóvel utilizando dados reais. A abordagem fundamental do trabalho apresentado pelos autores consiste no desenvolvimento duma heurística com base na análise estatística de dados históricos relativos ao tráfego diário no centro da cidade de Duisburgo, Alemanha, durante um período de dois anos. Para validação dos resultados obtidos os autores confrontaram os resultados atingidos com dados reais conhecidos possibilitando a posterior utilização do modelo, com confiança, em cenários especulativos. Milne et al. (1998) descrevem um trabalho aplicado à indústria de produção de papel com a realização de um estudo de previsão do surgimento de defeitos no papel produzido numa empresa, tendo como base dados relativos ao seu processo produtivo. O trabalho baseia-se na deteção de correlações entre os diferentes dados produtivos e dados históricos de ocorrências de defeitos, sendo estes inseridos num sistema de predição que analisa dados reais e deteta padrões que indiciam o surgimento de defeitos no papel produzido. O trabalho assentou na utilização de dados do histórico, sendo os resultados obtidos, confrontados e analisados relativamente aos acontecimentos reais respeitantes ao período considerado. Para validação dos resultados, os autores efetuam a comparação dos modelos gerados com as ocorrências reais registadas e relativas ao período em análise.
A comparação da especificação apresentada neste trabalho com outras abordagens enumeradas e descritas acima, poderá abrir novos horizontes de investigação e proporcionar a evolução do tema, visto o módulo ser suficientemente genérico para se poder aplicar em diversos cenários englobando diversos parceiros, diversos equipamentos/itens e com diferentes parametrizações. A sua aplicação fornece uma robusta ferramenta de incorporação de organizações num sistema preditivo, com uma relação estreita entre a configuração do sistema e os outputs esperados e com a especificação de níveis de agregação do mesmo. Esta modelação por níveis de agregação permite reduzir a quantidade de informação e a complexidade de processamento na elaboração dos resultados projetados, bem como criar um sistema distribuído de cooperação com criação e incorporação de um módulo inteligente de predição, para de uma forma dinâmica, responder a cada solicitação. Neste trabalho desenvolveram-se diferentes
modelos de predição de falhas cujos outputs se confrontaram com ocorrências reais, criando-se assim aproximações dinâmicas acerca da ocorrência de uma falha a cada solicitação efetuada.