Descrição

Redes de sensores sem fio (RSSF) são redes compostas por diversos nodos capazes de monitorar grandezas físicas, tais como temperatura, umidade, pressão, luminosidade, movimento etc., obtendo uma grande quantidade de dados significativos, podendo processá-los e transmiti-los através de uma comunicação sem fio de alta eficiência energética(norma IEEE 802.15.4).

Quando se trata de processos de automatização no monitoramento dessas grandezas físicas em geral, as RSSFs visam substituir a “centralização”, situação na qual há apenas um sensor responsável pela aquisição de dados. Este tipo de sensoriamento, por ser de alta confiança, possui um alto custo e suas obras para instalação também elevam o preço final. Em contrapartida, devido ao baixo custo dos dispositivos digitais e da implantação em RSSF, a baixa confiabilidade dos sensores precisa ser tratada de tal forma que os resultados obtidos não fujam do esperado e atinjam um nível de fidedignidade suficiente para a aplicação alvo.

Dessa forma, o objetivo do projeto realizado com as orientações do professor Carlos Barros Montez, do doutorando Aujor Tadeu Cavalca Andrade e em conjunto com o professor do campus de Blumenau Alex Sandro Roschildt foi de monitorar, de identificar e de tratar em tempo real, através de técnicas de detecção de Outliers, dados de temperatura obtidos a partir de uma rede de sensores sem fio de baixo custo por um experimento real, necessidade oriunda devido à baixa confiabilidade dos sensores, de tal forma que o resultado obtido pelo conjunto de medidas atinja um nível de confiabilidade suficiente para a aplicação alvo, substituindo sensores comerciais centralizados e de alto custo. Com a retirada dos dados anômalos através de técnicas de fusão de dados e eliminando-os de forma eficiente, a análise da aplicação se torna confiável à tomada de decisão, seja humana ou automatizada.

Membros
  • Guilherme Laércio da Silva
Orientação
  • Professor Dr. Carlos Barros Montez
Informações
  • 03/2015 – 07/2015
  • Progresso

    100%

Andamento do Projeto

Ao final do projeto, o membro Guilherme Silva desenvolveu e aplicou em MATLAB o algoritmo de cinco técnicas de Fusão de Dados para analisar o desempenho de cada uma na retirada de Outliers do experimento em questão, sendo elas: ChauvenetPierce, Média Tolerante a Falhas (MTF), Confidence Weight Average (CWA) e CWA+MTF. Pode-se também verificar e aplicar o comportamento espacial de um determinado grupo de sensores no local de aplicação do experimento ao longo do tempo, cujo algoritmo utilizado, K-means, permitiu separá-los em clusters.

Ao final do projeto, o membro junto aos orientados confeccionaram um artigo acadêmico com base nos trabalhos e nos resultados, o qual foi submetido e aprovado na 42nd Annual Conference of IEEE Industrial Electronics Society – IECON 2016 (IEEE – IECON 2016), em Florença, na Itália (o artigo pode ser baixado aqui e visualizado como aprovado no IECON 2016 aqui).