Um modelo para sistemas complexos diagnosticáveis com estudo de caso para diagnóstico em dispensadores automáticos de cédulas

8/9/2019 Um modelo para sistemas complexos diagnosticveis com estudo de caso para diagnstico em dispensadores auto

1/21

Reginaldo Inojosa da Silva Filho

Um modelo para sistemas complexos diagnosticveis comestudo de caso para diagnstico em dispensadores

automticos de cdulas.

Escola Politcnica da Universidade de So Paulo

So Paulo2006


2/21

Reginaldo Inojosa da Silva Filho

Um modelo para sistemas complexos diagnosticveis comestudo de caso para diagnstico em dispensadores

automticos de cdulas.

Trabalho final apresentado ao Instituto de PesquisasTecnolgicas do Estado de So Paulo IPT, paraobteno do ttulo de Mestre em Engenharia deSistemas Eletrnicos.

rea de concentrao:PSI - Engenharia de Sistemas Eletrnicos

OrientadorProfessor Zsolt Laszlo Kovacs, PhD

Escola Politcnica da Universidade de So Paulo

So Paulo2006


3/21

Silva Filho, Reginaldo Inojosa da

Um modelo para sistemas complexos diagnosticveis com estudo de caso

para diagnstico em dispensadores automticos de cdulas. / Reginaldo Inojosa

da Silva Filho. So Paulo, 2006.107p.

Trabalho Final (Mestrado) Instituto de Pesquisas Tecnolgicas do Estado de

So Paulo. rea de concentrao: PSI - Engenharia de Sistemas Eletrnicos.

Orientador: Prof. Dr, Zsolt Laszlo Kovacs

1. Diagnstico de Falhas. 2. Manuteno. 3. Inteligncia Artificial. 4.Raciocnio Clnico; 5. Tese I. Instituto de Pesquisas Tecnolgicas do Estado deSo Paulo. Centro de Aperfeioamento Tecnolgico II.Ttulo

699.81:728.4(043)

M112m


4/21

Agradecimentos

Agradeo primeiramente a Deus, por me dar sade e

fora para prosseguir e por iluminar meus caminhos,permitindo-me chegar at o final de mais essa etapa.

Agradeo a meu orientador, Professor Doutor Zsolt

Laszlo Kovacs, pelo incentivo e orientao dados ao

longo deste mestrado. Agradeo tambm a minha

querida esposa Patrcia e meu filho Christian pela

pacincia e ajuda durante todo esse tempo e durante

todas as horas junto a eles que sacrifiquei em prol da

concluso desse trabalho, a meu pai Reginaldo e minha

irm Patrcia Cristina pelo apoio e pela confiana.

No poderia deixar de agradecer tambm ao Doutor.

Joo Kogler e aos Professores Doutores Henrique

Schtzer Del Nero e Marcio Lobo Netto, pelas

discusses que trouxeram muitas idias eesclarecimentos, a meu trabalho e aos colegas

engenheiros MarianaAntniaAguiar, ValnirRogerio

TravaAiroldi e AlexLopes pelas conversas acerca do

tema dessa dissertao e pelas dicas e sugestes dadas.

Quero agradecer tambm aos Professores que fizeram

parte de minha banca de qualificao, Doutor Joo

Batista Camargo Junior e Doutor Jorge Luis Risco

Becerra pelas correes de rumo e criticas muito

pertinentes.

Em memria de minha amada

me Carmem (1933 - 2004).


5/21

Sumrio

Agradecimentos .................................................................................................................................................4

Sumrio ..............................................................................................................................................................5ndice de Figuras ...............................................................................................................................................7

Resumo ...............................................................................................................................................................8

Abstract..............................................................................................................................................................9

1 Introduo .............................................................................................................................................. 10

1.1 Organizao do trabalho ................................................................................................................ 11

2 Introduo ao conceito de diagnstico ................................................................................................... 12

3 Analogia mdica: o raciocnio clnico .................................................................................................... 14

3.1 As teorias mdicas: explicando as doenas ........ ......... ........ ......... ........ ......... ......... ........ ......... ........ 14

3.2 Os esquemas explanatrios ............................................................................................................. 153.3 Esquemas explanatrios e o diagnstico clnico ........ ......... ......... ........ ......... ........ ......... ........ ......... . 17

3.4 Os tipos de conhecimento no raciocnio clnico ........ ......... ........ ......... ........ ......... ........ ......... ........ ... 18

3.5 O processo do diagnstico clnico e suas etapas ......... ........ ......... ........ ......... ......... ........ ......... ........ 20

3.5.1 Formular conjunto de hipteses .................................................................................................. 21

3.5.2 Testar essas hipteses ................................................................................................................. 21

3.5.3 Rejeitar a hiptese ...................................................................................................................... 23

4 Diagnstico de falhas .............................................................................................................................. 24

5 A formalizao da teoria diagnstica e suas abordagens ...................................................................... 285.1 Um exemplo prtico para a comparao entre as abordagens ............ ......... ........ ......... ........ ......... . 28

6 Raciocnio baseado em modelos (RMB) ................................................................................................ 31

6.1 A Comunidade FDI ......................................................................................................................... 34

6.1.1 Aplicao da abordagem FDI ..................................................................................................... 35

6.2 A abordagem DX ............................................................................................................................ 44

6.2.1 Aplicao da abordagem DX ...................................................................................................... 45

7 Modelo baseado em casos ....................................................................................................................... 54

7.1 Etapa de recuperao ..................................................................................................................... 55

7.1.1 Definio de caso ....................................................................................................................... 567.1.2 Definio de similaridade ........................................................................................................... 57

7.2 Etapa de reutilizao ...................................................................................................................... 60

7.3 Etapas de reviso e reteno ........................................................................................................... 61

7.4 Exemplo de aplicao RBC para diagnstico ........ ......... ........ ......... ........ ......... ......... ........ ......... ..... 61

7.5 Sistemas RBC de diagnstico comparado s outras abordagens para diagnstico de falhas ........... 63

8 Troubleshooting ...................................................................................................................................... 64

9 Outras abordagens ................................................................................................................................. 66

9.1 Diagnstico baseado em teste de hiptese ......... ........ ......... ........ ......... ......... ........ ......... ........ ......... . 669.1.1 Deteco de sintomas ................................................................................................................. 67

9.1.2 Gerao de hipteses .................................................................................................................. 68


6/21

9.1.3 Discriminao da hiptese .......................................................................................................... 68

9.2 Modelo PMC................................................................................................................................... 69

10 Sistemas automticos de diagnstico ..................................................................................................... 70

10.1 A deteco e o diagnstico rpidos ......... ......... ........ ........ ......... ......... ........ ......... ........ ......... ........ ... 7110.2 Isolabilidade ................................................................................................................................... 72

10.3 Robustez ......................................................................................................................................... 72

10.4 Capacidade de identificao situaes novas ........ ......... ........ ......... ........ ......... ......... ........ ......... ..... 73

10.5 Transparncia nos resultados ......................................................................................................... 73

10.6 Adaptabilidade ................................................................................................................................ 73

10.7 Clareza na explicao dos resultados ......... ......... ........ ......... ........ ......... ........ ......... ......... ........ ....... 74

11 A importncia do diagnstico de falhas em Engenharia....................................................................... 75

12 Sistemas complexos de diagnosticveis .................................................................................................. 76

12.1 Sistemas complexos diagnosticveis ................................................................................................ 7712.2 Conseqncias do modelo: o enunciado do problema diagnstico ............... ........ ......... ........ ......... . 81

12.3 Classes de diagnstico .................................................................................................................... 83

12.3.1 Quanto aquisio e tratamento: diagnstico por troubleshooting e diagnstico auxiliado porsensores. 83

12.3.2 Quanto interpretao: diagnstico preditivo e diagnstico corretivo .............. ........ ......... ..... 83

13 Estudo de caso: ....................................................................................................................................... 84

13.1 Representao do Conhecimento..................................................................................................... 84

13.2 Log ................................................................................................................................................. 86

13.3 Variveis ......................................................................................................................................... 8713.4 Sintomas ......................................................................................................................................... 88

13.5 Diagnstico ..................................................................................................................................... 89

13.6 Aquisio do conhecimento ............................................................................................................. 90

13.6.1 Descrio das funes de diagnstico .................................................................................... 90

13.7 Validao do conhecimento .......................................................................................................... 101

13.8 Interface c/ equipamento ............................................................................................................... 101

14 Concluses ............................................................................................................................................ 102

15 Referncias bibliogrficas .................................................................................................................... 103


7/21

ndice de FigurasFigura 1 - O processo de tratamento baseado nas observaes possveis. ............................ 12

Figura 2 - Diagrama de estrutura causal ................................................................................... 16

Figura 3 - Exmplo de diagrama de estrutura causal para a teoria microbiana das doenas ..... 17

Figura 4 - Estado decisrio antes do diagnstico: mltiplas causas possveis ......................... 21

Figura 5 - Fluxograma do processo de diagnstico .................................................................. 23

Figura 6 ..................................................................................................................................... 29

Figura 7 ..................................................................................................................................... 39

Figura 8 ..................................................................................................................................... 39

Figura 9 - O Ciclo RBC ............................................................................................................ 55

Figura 10 ................................................................................................................................... 62

Figura 11 - organizao hierrquica da biblioteca de casos para o exemplo do diagnstico

automobilstico. ................................................................................................................. 62

Figura 12 - Exemplo de diagrama de estratgia. ...................................................................... 65

Figura 13 - Hierarquia das tarefas em sistemas baseado em teste de hiptese. ........................ 67

Figura 14 - Diagrama ilustrando a interrelao entre os trs estados possveis do Sistema de

Engenharia do ponto de vista do estudo do diagnstico de falhas. Os valores 1, 2, 3 so

as taxas de falhas de levam situao de anormalidade. J 1 e 2 so as taxas decorreo. ............................................................................................................................ 70

ndice de Tabelas

Tabela 1 - Representao tabular da matriz de SM-incidncia. ............................................... 38

Tabela 2Possveis defeitos para o Sistema Diagnosticvel trem de pouso ........................... 64

Tabela 3Aes e perguntas para o problema do trem de pouso ........................................... 64


8/21

Resumo

Este trabalho introduz os conceitos dos Sistemas Genricos para Diagnstico de Falhas e sua

utilizao na manuteno de equipamentos cujas aplicaes so crticas em setores daindstria, tais como a aeronutica e bancria. As noes de Sistemas Complexos

Diagnosticveis bem como o processo de diagnstico e sua classificao so mostrados,

sempre mantendo um foco sobre as questes do custo computacional dos modelos

apresentados. As principais abordagens para o diagnstico de falhas sero apresentadas e, ao

longo do trabalho, ser possvel observar as vrias definies, conceitos e pontos de vistas

concernentes ao estudo da formalizao do processo diagnstico. Nesta dissertao, dois

estudos de caso so apresentados. No primeiro, o mdulo contador de numerrio de um ATMbancrio apresentado como componente possvel de ser monitorado por um Sistema de

Diagnstico Automtico (SDA). O segundo consiste em um framework genrico para

ferramentas de troubleshooting.


9/21

Abstract


10/21

10

1 IntroduoCom o avano tcnico e cientifico, as aplicaes de engenharia (mquinas e processos) em

setores de alta criticidade tais como o aeroespacial, nuclear, bancrio e automobilstico se

tornam cada vez mais automatizadas e integradas, o que gera situaes de risco de falhas por

vezes extremamente complexas. Alm do mais, a alta disponibilidade dos equipamentos

torna-se importante diferencial competitivo para as empresas do setor, tendo em vista ser esta

caracterstica cada vez mais exigida pelo aumento da demanda sobre os servios oferecidos.

Nesse ambiente, os sistemas de diagnstico surgem como recurso que contribui para atacar

estes dois fatores: queda de risco e aumento de disponibilidade. Sua importncia est sendocada vez mais reconhecida pelo mercado. Um exemplo claro vem da rea automobilstica: em

modelos de automveis com alto grau de automao digital, mais de cinqenta por cento do

software dedicado ao diagnstico.

O diagnstico de falhas realizado em equipamentos e processos quando eles so crticos e

complexos. A correo rpida de defeitos em tais circunstncias tem relevante impacto, no

s do ponto de vista acadmico, mas tambm econmico, na medida em que as ferramentas de

diagnstico se transformam em ferramentas de otimizao que podem ser incorporadas em

produtos bancrios, aeronuticos e outros com o intuito de minimizar custos de manuteno.

Neste sentido, cabe salientar aqui as experincias trazidas pelo FLD (Flight Line Diagnostic)

desenvolvido pela Embraer em parceria acadmica com a Escola Politcnica da USP, bem

como o projeto CADS (Computer Automatic Diagnostic System) desenvolvido com aDiebold

e o SAT (Sistema Auxiliar de Troubleshooting), com o apoio da incubadora da empresaAtech

Solues Crticas.

O diagnstico de falhas rea de estudo singular. Conceitualmente, o diagnstico o inverso

da simulao. Enquanto a segunda deriva a descrio do comportamento do sistema a partir

da estrutura deste, o diagnstico, por outro lado, define o estado para a estrutura do sistema

diagnosticado a partir do comportamento apresentado por ele. Filosoficamente, o diagnstico

de falhas tem viso fatalista: as falhas em Sistemas de Engenharia so inevitveis e os defeitos

vo acontecer, pode ser em curto, mdio ou longo prazo, porm vo acontecer. Cabe ento

criar e estudar mtodos eficientes para tratar sua correo.


11/21

11

Ao longo dos anos, esses mtodos tm surgido nos meios acadmico e industrial em grande

nmero e nas mais diversas reas. Infelizmente, esses mtodos so, na maioria dos casos,

conjunto de tcnicas ad hoc. Mesmo as sistematizaes do estudo pertinentes ao diagnstico

de falhas tm recado em vrias teorias gerais do diagnstico, diferentes entre si em vrios

pontos e com o entendimento sobre suas semelhanas ainda incompletamente compreendido.

Ser apresentada, portanto, a viso sistemtica das abordagens. Logo em seguida, define-se o

modelo central do trabalho: o Sistema Complexo Diagnosticvel. Os conceitos bsicos como

tipos de diagnsticos, sintomas, falhas e defeito sero explicados em seguida e,

posteriormente, a anlise de dois exemplos de aplicao ser realizada.

1.1 Organizao do trabalhoOs captulos desta dissertao esto organizados conforme segue:

Captulo 2: Apresentao dos conceitos intuitivos do diagnstico.

Captulo 3: Descrio das atividades da pesquisa mdica e do raciocnio clnico como

base para uma analogia com o estudo do diagnstico de falhas.

Captulo 4: Apresentao do conceito de diagnstico de falhas.Captulo 5: Explanao sobre a necessidade da formalizao dos conceitos envolvidos no

estudo do diagnstico de falhas e as dificuldades dessa formalizao. Neste captulo

apresentado breve histrico da evoluo no estudo de diagnstico de falhas. apresentado

modelo a ser utilizado para demonstrar a aplicao de algumas abordagens.

Captulo 6: Apresentao da teoria de diagnstico baseado em modelos.

Captulo 7: Apresentao da teoria de diagnstico baseado em casos.

Captulo 8: Apresentao do modelo de pesquisa de panes.Captulo 9: Apresentao de outras abordagens.

Captulo 10: Definio de Sistemas automticos de diagnstico.

Captulo 11: Apresenta alguns pontos econmicos e operacionais que tornam importante

o diagnstico de falhas.

Captulo 12: apresentado o conceito central da dissertao: Os sistemas complexos

diagnosticveis.

Captulo 13: Estudo de caso para um sistema remoto de diagnstico para caixaseletrnicos.


12/21

12

2 Introduo ao conceito de diagnsticoEm Medicina, temos as doenas e desordens do paciente, em domnios tcnicos, os defeitos e

falhas do dispositivo (LUCAS, 1997). Dessa forma, no momento da consulta, o mdico busca

solucionar o problema clnico do paciente, de modo a obter, como resultado do processo,

determinada teraputica ou tratamento que tenha resultado efetivo no sentido de resolver ou

ao menos aliviar o estado do paciente ou evitar que seu quadro progrida para estado crtico ou

fatal.

Em Engenharia, analogamente, o tcnico, seja ele um engenheiro ou no, busca eliminar o

problema apresentado pelo equipamento durante a interveno de manuteno. Obtm-se,como resultado do processo, o conjunto de aes corretivas que tenham resultado efetivo no

sentido de restabelecer total ou parcialmente o funcionamento do equipamento, ou impede-se

que ele atinja estado irrecupervel, ficando incapacitado ou seriamente comprometido no

cumprimento de suas funcionalidades.

Nas duas situaes, os especialistas tiveram necessidade de determinar a situao que

enfrentam, determinar as causas que levaram os elementos sob anlise (no caso do mdico, o

seu paciente) ao estado indesejado.

Em seguida, o especialista deve propor aes que tenham implicaes diretas ou indiretas

nessas causas de forma a restabelecer seu

estado normal. Para tanto, os dois

dispem somente de conjunto limitado

de dados observveis, sejam esses dados

obtidos por entrevista, verificao visual,teste ou exame e por meio deles que a

relao causal deve ser estabelecida. Este

processo est representado na figura (1).

Figura 1 - O processo de tratamento baseadonas observaes possveis.

Desta forma, o especialista, seja ele da rea de exatas ou de biologia, se encontra em situao

semelhante do desportista de rafting (corrida de botes em correntezas de rios): para cumprir

a prova, ele tem que ter bom conhecimento sobre o tipo do rio que ir navegar e conhecer bem

suas caractersticas, sua trajetria e seu relevo. Durante a descida, ele deve ter a capacidade de


13/21

13

reconhecer rapidamente sua posio relativa de modo a tomar decises rpidas que o

possibilitem realizar manobras precisas.

Porm, para conhecer bem o rio, o praticante de rafting deve ter muita experincia ou pelomenos ter estudado por tempo suficiente um bom mapa. Da mesma maneira, tratar um

paciente ou consertar um equipamento exige do profissional a disponibilidade de uma base de

conhecimento completa, detalhada e manusevel o bastante para lhe dar suporte em suas

atividades. Desta forma, quando tiver que enfrentar um problema, esse especialista estar bem

embasado e poder dispor de um repertrio de explicaes possveis grande o suficiente para

lhe dar orientao segura ao analisar os dados colhidos de seu paciente ou equipamento.


14/21

102

14ConclusesO modelo proposto se adequou situao experimental, mostrando ser possvel aplic-lo no

diagnstico de mdulo que se comportou como um SCD ao ser analisado: de maneira

independente de qualquer pr-requisito que no fossem os elementos que compem a

definio do prprio SCD. Obteve-se tambm resultado preditivo livre de qualquer detalhe

particular de algum processo de manuteno ou de dados de confiabilidade nominais. A

predio foi feita unicamente com ferramentas estatsticas e com os dados gerados e

fornecidos pelo prprio SCD. Os passos seguintes sero focados na anlise de alternativas

para diagnstico preditivo e na aplicao do modelo de SCD em outros Sistemas de

Engenharia.


15/21

103

15Referncias bibliogrficasAAMODT, A., PLAZA, E. 1994. Case-based reasoning: Foundational issues, methodologicalvariations, and system approaches. AI Communications 7(1):39-52.

AGUIAR, M. A. Diagnstico de falhas em equipamentos usando tcnicas de Redes NeuraisArtificiais. Dissertao de Mestrado, 2001, Escola Politcnica da USP.

AGUIAR, M. A., KOVACS, Z. L. DESTRO, R. C., PELAEZ, J. R., SIMES, M. G. (2001)Predictive Maintenance Oriented Neural Network System PREMONIn: IECON'01, 2001,Denver, Colorado. Anais do IECON'01.

AN APPROACH TO CONSISTENCY-BASED Process Diagnosis Model-based Systems andQualitative Reasoning Group of the Technical University of Munich, Orleansstr. 34, 81667

Munich, Germany

AUTOMATICA, Vol. 26, No. 3, pp. 459-474, 1990 Printed in Great Britain. 0005-1098/90$3.00 + 0.00 Pergamon Press plc (c) 1990 International Federation of Automatic ControlSurvey Paper

BALAKRISHNAN, K. HONAVAR, V. Intelligent Diagnosis Systems, to appear in the Journalof Intelligent Systems, 1998

BARROWS, H. S., PICKELL G. C. Developing clinical problem-solving skills: a guide to moreeffective diagnosis and treatment. New York, W.W. Norton & Co., 1991; 1-216.

BENJAMINS, V. R., JANSWEIJER, W. Toward a Competence Theory of Diagnosis, IEEEExpert, 9(5), pp. 43-52, October, 1994.

BERGE, C., Hypergraphs: Combinatorics of Finite Sets, Amsterdam, The Netherlands:Elsevier-North Holland, 1989.

BERNARD, D. E.; DORAIS, G. A.; FRY, C.; GAMBLE Jr., E. B.; KANEFSKY, B.; KURIEN, J.; W.;MILLAR, N.; MUSCETTOLA, P. P.; NAYAK, B.; PELL, K.; RAJAN, N.; ROUQUETTE, B.; SMITHB, WILLIAMS. C. Design of the remote agent experiment for spacecraft autonomy. In:Proceedings of IEEE Aerospace, 1998.

BERTALANFFY, L.Von. General Theory of Systems. N. York, 1969, George Braziller.

BLANKE, M., KINNAERT, M., LUNZE, STAROSWIECKI, J. M. Diagnosis and Fault-TolerantControl, Springer-Verlag, August 1, 2003, ISBN: 3540010564.

BORDAGE, G., ZACKS, R. The structure of medical knowledge in the memories of medicalstudents and general practitioners: categories and prototypes. Med Educ 1984; 18: 406-16.

BYLANDER, T. Complexity of model-based diagnosis, in Proc. 1989 Workshop ModelBased Reasoning, Detroit, MI, pp. 28-33.

CARPANZANO, E. & MAFFEZZONI, C., Symbolic manipulation techniques for modelsimplification in object-oriented modeling of large scale continuous systems,Mathematics and Computers in Simulations 48, 133-150, 1998.


16/21

104

CLARK, R. N. (1978b). Instrument fault detection, IEEE Trans. Aerospace Electron. Syst,, 14,456-465.

CORDIER M.-O., DAGUE P., DUMAS M., LVY F., MONTMAIN J., STAROSWIECKI M., TRAV-

MASSUYS L., A comparative analysis of AI and control theory approaches to model-based diagnosis, 14th European Conference on Artificial Intelligence ECAI-00. Berlin,2000, August, 20-25, p. 136-140.

CORDIER, M. O. DAGUE, P. LVY, F. MONTMAIN, J. STAROSWIECKI, MARCEL. TRAV-MASSUYS, L. Conflicts Versus Analytical Redundancy Relations: A ComparativeAnalysis of the Model Based Diagnosis Approach From the Artificial Intelligence andAutomatic Control Perspectives. IEEE Transactions on Systems, Man, and Cybernetics - PartB: Cybernetics, Vol. 34, No. 5, Octomber, 2004.

CHANDRASEKARAN, B. Generic tasks as building blocks for knowledge-based systems: the

diagnosis and routine design examples, The Knowledge Engineering Review 3 (3) 183-210.(1988)

CHEN, J., RON J., PATTON, R. Model-Based Fault Diagnosis for Dynamic Systems, KluwerAcademic Publishers, January 1, 1999, ISBN: 0-7923-8411-3.

CHIANG, L. H., RUSSELL,E. L., BRAATZ, R. D. Fault Detection and Diagnosis in IndustrialSystems, Springer-Verlag, February 15, 2001, ISBN: 1-85233-327-8.

HAJIYEV,C., CALISKAN, F. Fault Diagnosis and Reconfiguration in Flight Control Systems,Kluwer Academic Publishers, October 2003, ISBN 1-4020-7605-3.

DA COSTA, V. A. C. Manuteno Aeronutica e Controle de Qualidade em Prol daSegurana de Vo, 2004.

DAVIS, R. Diagnostic reasoning based on structure and behavior . Artificial Intelligence,24 pp 347-410, 1984.

DAVIS, R., HAMSCHER, W. Model-Based Reasoning: Troubleshooting. In: SHROBE, H. E.(Ed.), Exploring Artificial Intelligence, pp. 297-346, San Mateo, California: MorganKaufmann, 1988.

DRESSLER O., STRUSS, P. The Consistency-based approach to automated diagnosis of

devices. Brewka (ed). Principles of Knowledge Representation, CSLI, 1996.

FAULT DIAGNOSIS IN DYNAMIC Systems Using Analytical and Knowledge-based RedundancyA Survey and Some New Results* PAUL M. FRANK

FIJANY, A. VATAN, F. BARRETT, A. MACKEY, R. New Approaches for Solving the DiagnosisProblem. IPN Progress Report, pag 42-149, 2002.

FLETCHER, R. H., FLETCHER, S. W., WAGNER, E. H. Epidemiologia clnica: bases cientficasda conduta mdica. Porto Alegre, Artes Mdicas, 1989.

FRANK, P.M., Analytical and qualitative model-based fault diagnosis a survey and somenew results, European Journal of Control, 2, 6-28, 1996.


17/21

105

GASCA, R.M., DEL VALLE, C., CEBALLOS, R., TORO, M. An integration of fdi and dxapproaches to polinomial models, DX, 2003.

GENESERETH, M. The use of design descriptions in automated diagnosis. Artificial

Intelligence: Vol 24 pp 411-436, 1984.GICK, M.L., HOLYOAK, K.J. Analogical problem solving. Cognitive Psychology, 12, 306-355, 1980.

GOLDBARG, M. C. LUNA, H. P. L. Otimizao Combinatria e Programao Linear, Modelose Algoritmos. Editora Campus, 2000.

GOLDENFELD, N.; KADANOFF, L. P. Simple Lessons from Complexity. Science, Vol. 284, Iss.5411, p. 87, 1999.

GRESSE,C. WANGENHEIM, A. Raciocnio Baseado em Casos, Editora Manole, 2003.

HAYKIN, S. Redes Neurais: Princpios e Prtica. 2 Ed; Porto Alegre: Bookman, 2001.

HEYLIGHEN, F. Building a Science of Complexity. Annual Conference of the CyberneticSociety. Londin, 1988.

HIMMELBLAU, D. M., Fault Detection and Diagnosis in Chemical and PetrochemicalProcesses, Elsevier, Amsterdam, Netherlands, 1978.

GERTLER ,J. Fault Detection and Diagnosis in Engineering Systems. Marcel Dekker, NewYork, May 1, 1998, ISBN: 0-8247-9427-3.

JUNQUERA, BP, GONZALEZ, C.A. Possible conflicts, ARRs, and conflicts, Proc. of theInternational Workshop on Principles of Diagnosis, 2003.

KASSIRER J. P., KOPELMAN, R. I. Learning clinical reasoning. Baltimore, Williams andWilkins, 1991.

KLEER, J. de, Problem solving with the ATMS, Artificial Intelligence, vol. 28, pp. 197-224, 1986.

KLEER, J. de, MACKWORTH, A. K., REITER, R. Characterizing diagnosis and systems.

Artificial Intelligence, 56:197-222, 1992.

KLEER, J. de, MACKWORTH, A. K., REITER, R. Characterizing diagnoses and systems.Artificial Intelligence, 56(2-3), 197-222, 1992.

KLEER, J. de. Local methods for localizing faults in electronic circuits, MIT AI Memo394, Massachusetts Institute of Technology, Cambridge, MA, 1976.

KOLODNER, J. L. Case-Based Reasoning. Morgan Kaufmann, 1993.

KOVACS, Z. L. Redes Neurais Artificiais: Fundamentos e Aplicaes. 3 Ed. So Paulo:

Livraria de Fsica, 2002.KRYSANDER, M.: Design and Analysis of diagnosis Systems Utilizing Structural Methods ,ISBN 91-7373-733-X, 2003.


18/21

106

LAFON, M. J., PASTOR, L. Trave-Massuy`es, B. Doyon, J.F. Demonet, P. Celsis, Qualitativemodeling of cerebral information propagation mechanisms, In: Proceedings of the ThirdInternational Conference on Computational and Neurosciences, volume 2, pp. 21-23,Research Triangle Park, USA, 1998.

LAFORTUNE, S., MEERA, S. A Discrete Event Systems Approach to Failure Diagnosis:Theory & Applications Eleventh International Workshop on Principles of Diagnosis (DX'00).

LASER, M. Recent safety and environmental legislation. Trans IchemE 78 (B), 419_/422,2000.

LASER, M. AI and Automatic control approaches of model-based diagnosis: links andunderlyin hypotheses, 4th IFAC Symposium on Fault Detection, Supervision and Safety forTechnical Processes SAFEPROCESS 2000, Budapest, Hungary, June, 14-16, 2000.

LEWIS, L. Managing Computer Networks: A Case-Based Reasoning Approach (ArtechHouse, 1995).

LUCAS, P. J. F. Analysis of notions of diagnosis. Articial Intelligence 1998; 105(1{2):293{341.

LUCAS, P. J. F. Symbolic diagnosis and its formalisation. The Knowledge EngineeringReview 1997; 12(2): 109-146.

LUCAS, P. J. F. Logic engineering in medicine, The Knowledge Engineering Review 10 (2)(1995) 153-179.

LUONG, M., MAQUIN, D., HUYNH, C.T., RAGOT, J. Observability, redundancy, reliability, andintegrated design of measurement systems, 2nd IFAC Symposium on IntelligentComponents for Control ApplicationsSICICA'94, Budapest, Hungary, June 8-10, 1994.

MAGALDI, R.V. CBR for Troubleshooting Aircraft on the Flightline. In: Proc. IEEEColloquium on Case-Based Reasoning: Prospects for Applications, Digest No: 1994/057,pp.6/1-6/9.

MATTIAS, K., MATTIAS, N. Structural analysis utilizing MSS sets with application to apaper plant, 13th International Workshop on Principles of Diagnosis (Semmering,Austria),2002.

MCILRAITH, S. A. Explanatory Diagnosis:Conjecturing actions to explain observations.Knowledge Systems Laboratory.

MEHRA, R. K., PESHON, I. An innovations approach to fault detection and diagnosis indynamic systems. Autmatica, 7, 637-640, 1971.

MENDES, S., AGUIAR, T. C. Mtodos para especificao de Sistemas. Ed Edgar Blucher,1989, 183p.

MILLER, R. A., POPLE Jr., H. E., MYERS, J. D. INTERNIST-1, an experimental computer-

based diagnostic consultant for general internal medicine. New England Journal ofMedicine, 307:468-476, 1982.


19/21

107

MOSTERMAN, P.J. Hybrid dynamic systems: a hybrid bond graph modeling paradigmand its applications in diagnosis, Phd thesis, Vanderbilt University, Nashville, Tennessee,USA, May 1997.

MOZETIC I. Model-Based Diagnosis: An Overview. Austrian Research Institute for ArtificialInteligence 24 pp 411-436, 1984.

MAHMOUD, M., Jiang, J., ZHANG, Y. Active Fault Tolerant Control Systems: StochasticAnalysis and Synthesis, Springer-Verlag, May 1, 2003, ISBN: 3540003185.

NETO,A R Raciocnio clnico: O processo de deciso diagnstica e teraputica. Revista daAssociao Mdica Brasileira. vol.44 n.4 So Paulo Oct./Dec. 1998.

GOLDENFELD,N., KADANOFF,L P. Simple Lessons from Complexity SCIENCE VOL 284 2APRIL 1999.

NYBERG, M. The polybox example using the framework of structured hypothesis tests.Technical Report LiTH-ISY-R-2335, Linkoping, Sweden, 2000.

PAL, S. K., DILLON,T. S., YEUNG, D. S. Eds. Soft Computing CaseBased Reasoning.London, U.K.: Springer-Verlag, 2001.

PART, B. Special Issue on Diagnosis of Complex Systems: bridging the methodologies ofthe FDI and DX communities, in press, 2004.

PATTIPATI, K. R., DONTAMSETTY, M. On a Generalized Test Sequencing Problem. IEEETransactions on Systems, Man and Cybernetics 22(2), 392-396, 1992.

PATTIPATI, K.R. ALEXANDRIDIS, M.G. Application of Heuristic Search and InformationTheory to Sequential Fault Diagnosis. IEEE Transactions on Systems, Man, andCybernetics 20, 872-887, 1990.

PAU, L. F. Failure Diagnosis and Performance Monitoring, Marcel Dekker, Inc., NewYork, NY, 1981.

STRUSS, P., HELLER, U. Intelligent Diagnosis in Industrial Applications. Shaker Verlag,Aachen, Germany, 2001 ISBN3-8265-7002-2, p. 85-94.

PREIST, C., ESHGHI, K. BERTOLINO, B. Consistency-based and abductive diagnosis asgeneralized stable models, Ann. Math. Artificial Intelligence 11 (1994) 51-74.

PULIDO, B. C., GONZALEZ, A. Possible conflicts: a compilation technique for consistency-based diagnosis. IEEE Transactions On Systems, Man, and Cybernetics, 2004.

DIESTEL,R. GraphTheory, (Graduate Texts in Mathematics, 173), Springer, 1997. ISBN0-387-98210-8.

REITER, R. A theory of diagnosis from first principles. ARTIFICIAL INTELLIGENCE, 32(1), pp.57-96, 1987.


20/21

108

RYMON, R. A Final Determination of the Complexity of Current Formulations of Model-Based Diagnosis (Or Maybe Not Final?) Proceedings of Model-Based Diagno-sisWorkshop, AAAI-91, Anaheim, CA, 1991.

SACHENBACHER, M., STRUSS, P. WEBER, R. Advances in design and implementation of obdfunctions for diesel injection systems based on a qualitative approach to diagnosis. In:Proceedings of the SAE 2000 World Congress. SAE, 2000.

SCHANK, R. C., ABELSON, R. P. Scripts, plans, goals, and understanding. Hillsdale, N. J.:Erlbaum, 1977.

SIMANI,S., FANTUZZI,C., Patton, R. J. Model-based Fault Diagnosis in Dynamic SystemsUsing Identification Techniques, Springer-Verlag, January 17, 2003, ISBN: 1-85233-685-4.

SIMOUDIS, E. Using case-based reasoning for customer technical support IEEE Expert 7(5): 7-

13, 1992.SMITH, E. E., ADAMS, N., SCHORR, D. Fact retrieval and the paradox of interference.Cognitive Psychology,10, 438-464, 1978.

SOCHOROV, M. General troubleshooting is NP-hard. Proceedings of the Fifth Workshop onUncertainty Processing, WUPES'2000 (2000)

STEELS, L. The deepening of Expert Systems, AICOM, No 1, 9-16, 1988.

STOREY, N. Safety-Critical Computer Systems. Addison-Wesley, 1996.

STRUSS, P., SACHENBACHER, M., CARLEN, C. M. Insights from building a prototype formodel-based on-board diagnosis of automotive systems.In: Proceddings of the EleventhInternational Workshop on Principles of Diagnosis (DX-00), pp. 201-212, Morelia,Mexico, (2000).

THAGARD, P. How scientists explain disease. Princeton, NJ: Princeton University Press,1999.

TU, F., PATTIPATI,K. R. Rollout Strategies for Sequential Fault Diagnosis. IEEE System,Man and CyberneticPart A, 2002.

VIJAY, V., GOVINDARAJ, T. Knowledge Organization in Intelligent Tutoring Systems forDiagnostic Problem Solving in Complex Dynamic Domains.

VENKATASUBRAMANIAN, V., RENGASWAMY,R. YIN,K., KAVURI, S. N. A review of processfault detection and diagnosis, Part I: Quantitative model-based methods. Computers inChemical Engineering 27:293-311, 2003a.

VENKATASUBRAMANIAN, V., RENGASWAMY,R. YIN,K., KAVURI, S. N. A review of processfault detection and diagnosis, Part II: Qualitative models and search strategies. Computersin Chemical Engineering 27:313-326, 2003.

WATSON, I. MARIR, F. Case-Based Reasoning: A Review. The Knowledge EngineeringReview, vol 9(4), pp327-354, 1994.


21/21

109

WEISS, S.M., KULIKOWSKI, C.A., AMAREL, S., SAFIR, A. A model-based method forcomputer-aided medical decision making, Artificial Intelligence 11 (1978) 145-172.

WILLIAMS, B. C. NAYAK, P. P. A modelbased approach to reactive self-configuring systems.

In: Proc. 14th National Conf. on Artificial Intelligence. pp. 971-978, 1996.

Documents

Um modelo para sistemas complexos diagnosticáveis com estudo de caso para diagnóstico em dispensadores automáticos de cédulas