Busca avançada
Ano de início
Entree

Resiliência de sistemas complexos com o uso de redes bayesianas dinâmicas: uma abordagem probabilística

Processo: 18/19150-6
Linha de fomento:Bolsas no Exterior - Pesquisa
Vigência (Início): 01 de dezembro de 2018
Vigência (Término): 31 de janeiro de 2019
Área do conhecimento:Engenharias - Engenharia Elétrica - Sistemas Elétricos de Potência
Pesquisador responsável:Carlos Dias Maciel
Beneficiário:Carlos Dias Maciel
Anfitrião: Marco Aiello
Instituição-sede: Escola de Engenharia de São Carlos (EESC). Universidade de São Paulo (USP). São Carlos, SP, Brasil
Local de pesquisa : University of Stuttgart, Alemanha  
Vinculado ao auxílio:14/50851-0 - INCT 2014: Instituto Nacional de Ciência e Tecnologia para Sistemas Autônomos Cooperativos Aplicados em Segurança e Meio Ambiente, AP.TEM
Assunto(s):Modelagem de sistemas

Resumo

Os sistemas complexos são compostos de diferentes elementos, mas em oposição a outros sistemas, seu comportamento global surge como uma combinação não trivial de suas partes. Como são organizados sem qualquer regra geral, tais fenômenos são vistos tanto na natureza quanto em modernos sistemas de engenharia, e seu comportamento está relacionado à conectividade e a dinâmica dos elementos. A resiliência está relacionada à capacidade de um determinado sistema em ser robusto a perda de performance, superar as consequências de danos após eventos prejudiciais e ser melhorado para futuras ocorrências de danos. O aumento da complexidade dos sistemas impõe limitações à observabilidade e modelagem, e suas variáveis e o processo interno precisam ser tratados como variáveis aleatórias. Pearl (2016) mostra que a busca de dependência entre esses processos indica os conceitos de causalidade e possibilidade de uma compreensão mais profunda do comportamento do sistema. O uso de modelos probabilísticos tornou-se uma das principais abordagens para avaliar sistemas complexos - usando as informações pregressas dos sistemas, juntamente com dados coletados (ou evidências) podem ser determinadas as possíveis causas de falhas e as ações futuras. O uso de modelos gráficos para representar as informações de causalidade é conhecido como redes bayesianas (dinâmicas) RBD. As redes bayesianas dinâmicas são modelos gráficos que usam um grafo acíclico direcionado para a representação dos modelos de causa e efeito e, sua evolução temporal. O aprendizado de redes bayesianas apresenta muitos desafios, uma vez que esses modelos têm um crescimento super-exponencial, necessitando de algoritmos computacionalmente intensos e utilizando de abordagens paralelas. O presente projeto visa o uso de RBD para modelar o desempenho de sistemas críticos, em especial o de distribuição de energia, visando melhor uso dos conceitos de resiliência.

Mapa da distribuição dos acessos desta página
Para ver o sumário de acessos desta página, clique aqui.