adaptive swinging door trending: um algoritmo … · adaptive swinging door trending: um algoritmo...

7
ADAPTIVE SWINGING DOOR TRENDING: UM ALGORITMO ADAPTATIVO PARA COMPRESS ˜ AO DE DADOS EM TEMPO REAL Edson J. M. Neto * , Luiz Augusto * , Danilo C. Souza * , Luiz Affonso Guedes * * Laborat´orio de Inform´atica Industrial, Departamento de Engenharia da Computa¸ c˜ao e Automa¸ ao Universidade Federal do Rio Grande do Norte Natal, RN, Brasil Emails: [email protected], [email protected], [email protected], [email protected] Abstract— With the great quantity of generated data in industrial processes, lossy data compression algo- rithms are a great alternative to reduce the storage space demanded by the industry. In this context, the Swinging Door Trending algorithm was designed to avoid redundant information in a simple and efficient manner, and therefore came to be commonly used in the industrial environment for real time data compression. However, this algorithm has some deficiences caused by its fixed parameters, requiring prior knowledge of the process variable to set them to their optimal values to achieve good compression and minimal data loss. This paper proposes a new algorithm called Adaptive Swinging Door Trending, where its main parameter are adapted dynamically through real time trend analysis. In order to achieve the benefits provided by the proposed algorithm, three different case studies were developed. Keywords— data compression, swinging door, sdt, adaptive, adaptive swinging door trending Resumo— Diante do grande volume de informa¸c˜ oes gerados como resultado da supervis˜ ao de processos de automac˜ao, os algoritmos de compress˜ao de dados com perda surgiram como uma boa alternativa para reduzir o espa¸co de armazenamento demandado pela ind´ ustria. Nesse contexto, o algoritmo Swinging Door Trending foi projetado para eliminar informa¸c˜oes redundantes e indesejadas de forma simples e eficiente, e por consequˆ encia passou a ser muito utilizado em sistemas de supervis˜ao industrial para a compress˜ao de dados em tempo real. No entanto, este algoritmo apresenta algumas deficiˆ encias pelo fato de possuir parˆametros fixos, necessitando de conhecimento pr´ evio da vari´avel de processo para configur´ a-los de forma a otimizar a compress˜ao e evitar perda de informa¸ c˜oes relevantes. Este artigo prop˜oe um novo algoritmo chamado de Adaptive Swinging Door Trending, que consiste numa adapta¸c˜ao do Swinging Door Trending, em que seus principais parˆ ametros s˜ao ajustados dinamicamente atrav´ es da an´alise de tendˆ encias do sinal em tempo real. Para uma an´ alise mais detalhada dos benef´ ıcios proporcionados pelo algoritmo proposto foram realizados trˆ es estudos de caso, demonstrando em que situa¸c˜ oes o mesmo ´ e eficiente. Palavras-chave— compress˜ao de dados, swinging door, sdt, adaptativo, adaptive swinging door trending 1 Introdu¸c˜ ao Autiliza¸c˜ ao em larga escala dos sistemas de au- toma¸ ao e controle e a expans˜ ao no desenvolvi- mento de sensores, tem gerado uma grande quan- tidade de dados provenientes do campo industrial. Consequentemente, salvar esses dados demanda um vasto espa¸co para armazenamento (Huang et al., 2006). Esses dados possuem importantes informa- ¸c˜ oes que podem ser posteriormente utilizadas pe- los sistemas corporativos de gest˜ ao da planta, En- terprise Resource Planning (ERP), respons´ aveis pela transforma¸ ao desses dados em informa¸c˜ oes de neg´ ocio (Souza et al., 2005). Diante da extrema importˆ ancia desses dados e de seu grande volume, a necessidade de possuir um eficiente sistema de armazenamento se torna cada vez mais presente a n´ ıvel de sistemas de gerˆ encia de informa¸c˜ ao de processos, englobados pelo termo geral Enterprise Production Systems (EPS). Uma boa solu¸c˜ ao para esse problema ´ e a utiliza¸c˜ ao de um bom sistema de compress˜ ao de dados em tempo real, onde os dados s˜ ao compactados a medida em que s˜ ao re- cebidos (Shu e Shu, 2012). Uma ilustra¸ ao deste processo pode ser vista na Figura 1. Dados Originais Compressão Armazenamento Figura 1: Esquem´ atico de armazenamento de da- dos com compress˜ ao. A compress˜ ao de dados tem como principal objetivo eliminar informa¸c˜ oes redundantes, a fim de minimizar o espa¸ co necess´ ario para o armaze- namento. Consequentemente, diminuindo os cus- tos com armazenamento e transmiss˜ ao de dados, al´ em de melhorar a eficiˆ encia na an´ alise das in- forma¸c˜ oes. A Figura 2 apresenta um gr´ afico com- parativo entre o espa¸co ocupado por dados sem compress˜ ao e dados com compress˜ ao. Os algoritmos de compress˜ ao se dividem em dois grupos: com e sem perda de dados. Os al- Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014 852

Upload: others

Post on 29-Sep-2020

20 views

Category:

Documents


1 download

TRANSCRIPT

Page 1: ADAPTIVE SWINGING DOOR TRENDING: UM ALGORITMO … · ADAPTIVE SWINGING DOOR TRENDING: UM ALGORITMO ADAPTATIVO PARA COMPRESSAO DE DADOS EM TEMPO REAL~ Edson J. M. Neto , Luiz Augusto

ADAPTIVE SWINGING DOOR TRENDING: UM ALGORITMO ADAPTATIVOPARA COMPRESSAO DE DADOS EM TEMPO REAL

Edson J. M. Neto∗, Luiz Augusto∗, Danilo C. Souza∗, Luiz Affonso Guedes∗

∗Laboratorio de Informatica Industrial, Departamento de Engenharia da Computacao e AutomacaoUniversidade Federal do Rio Grande do Norte

Natal, RN, Brasil

Emails: [email protected], [email protected], [email protected],

[email protected]

Abstract— With the great quantity of generated data in industrial processes, lossy data compression algo-rithms are a great alternative to reduce the storage space demanded by the industry. In this context, the SwingingDoor Trending algorithm was designed to avoid redundant information in a simple and efficient manner, andtherefore came to be commonly used in the industrial environment for real time data compression. However, thisalgorithm has some deficiences caused by its fixed parameters, requiring prior knowledge of the process variableto set them to their optimal values to achieve good compression and minimal data loss. This paper proposesa new algorithm called Adaptive Swinging Door Trending, where its main parameter are adapted dynamicallythrough real time trend analysis. In order to achieve the benefits provided by the proposed algorithm, threedifferent case studies were developed.

Keywords— data compression, swinging door, sdt, adaptive, adaptive swinging door trending

Resumo— Diante do grande volume de informacoes gerados como resultado da supervisao de processos deautomacao, os algoritmos de compressao de dados com perda surgiram como uma boa alternativa para reduzir oespaco de armazenamento demandado pela industria. Nesse contexto, o algoritmo Swinging Door Trending foiprojetado para eliminar informacoes redundantes e indesejadas de forma simples e eficiente, e por consequenciapassou a ser muito utilizado em sistemas de supervisao industrial para a compressao de dados em tempo real.No entanto, este algoritmo apresenta algumas deficiencias pelo fato de possuir parametros fixos, necessitando deconhecimento previo da variavel de processo para configura-los de forma a otimizar a compressao e evitar perdade informacoes relevantes. Este artigo propoe um novo algoritmo chamado de Adaptive Swinging Door Trending,que consiste numa adaptacao do Swinging Door Trending, em que seus principais parametros sao ajustadosdinamicamente atraves da analise de tendencias do sinal em tempo real. Para uma analise mais detalhada dosbenefıcios proporcionados pelo algoritmo proposto foram realizados tres estudos de caso, demonstrando em quesituacoes o mesmo e eficiente.

Palavras-chave— compressao de dados, swinging door, sdt, adaptativo, adaptive swinging door trending

1 Introducao

A utilizacao em larga escala dos sistemas de au-tomacao e controle e a expansao no desenvolvi-mento de sensores, tem gerado uma grande quan-tidade de dados provenientes do campo industrial.Consequentemente, salvar esses dados demandaum vasto espaco para armazenamento (Huanget al., 2006).

Esses dados possuem importantes informa-coes que podem ser posteriormente utilizadas pe-los sistemas corporativos de gestao da planta, En-terprise Resource Planning (ERP), responsaveispela transformacao desses dados em informacoesde negocio (Souza et al., 2005). Diante da extremaimportancia desses dados e de seu grande volume,a necessidade de possuir um eficiente sistema dearmazenamento se torna cada vez mais presentea nıvel de sistemas de gerencia de informacao deprocessos, englobados pelo termo geral EnterpriseProduction Systems (EPS). Uma boa solucao paraesse problema e a utilizacao de um bom sistemade compressao de dados em tempo real, onde osdados sao compactados a medida em que sao re-cebidos (Shu e Shu, 2012). Uma ilustracao desteprocesso pode ser vista na Figura 1.

Dados Originais

Compressão

Armazenamento

Figura 1: Esquematico de armazenamento de da-dos com compressao.

A compressao de dados tem como principalobjetivo eliminar informacoes redundantes, a fimde minimizar o espaco necessario para o armaze-namento. Consequentemente, diminuindo os cus-tos com armazenamento e transmissao de dados,alem de melhorar a eficiencia na analise das in-formacoes. A Figura 2 apresenta um grafico com-parativo entre o espaco ocupado por dados semcompressao e dados com compressao.

Os algoritmos de compressao se dividem emdois grupos: com e sem perda de dados. Os al-

Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014

852

Page 2: ADAPTIVE SWINGING DOOR TRENDING: UM ALGORITMO … · ADAPTIVE SWINGING DOOR TRENDING: UM ALGORITMO ADAPTATIVO PARA COMPRESSAO DE DADOS EM TEMPO REAL~ Edson J. M. Neto , Luiz Augusto

0

2

4

6

8

10

12

14

1 2 3 4

Esp

acço

em

dis

co (

GB

)

Tempo (dias)

Sem compressão Com compressão

Figura 2: Grafico de crescimento do consumo deespaco em disco ao longo de 4 dias.

goritmos sem perda de dados permitem que osdados, quando descompactados, sejam identicosaos dados originais. Esses algoritmos costumamproporcionar uma baixa taxa de compressao. Osalgoritmos de compressao com perda possibilitamuma alta taxa de compressao, por outro lado, po-dem acarretar alta perda de dados, permitindoapenas uma estimativa dos dados originais (Souzaet al., 2005).

E desejavel que um algoritmo de compressaode dados com perda, permita uma analise simi-lar entre os dados comprimidos e os originais semeliminar informacoes relevantes e com a mais altataxa de compressao possıvel. Esses algoritmos eli-minam dados considerados redundantes ou proxi-mos de uma determinada tendencia linear, ou seja,aqueles dados que poderiam ser recuperados pos-teriormente com baixo erro, utilizando uma tec-nica de interpolacao adequada, sao descartados.

Diante do contexto de uma grande quanti-dade de informacoes e da necessidade de analisarapenas os dados relevantes, os algoritmos comoSwinging Door Trending (SDT) (Bristol, 1990),Boxcar/Backslope (Misra et al., 2000) e Impro-ved Swinging Doors Trending (ISDT) (Xiaodonget al., 2002), se mostram uma boa opcao para acompressao de dados em tempo real, pois pos-suem um sistema de compactacao simples e efi-ciente, podendo ser utilizados no momento do re-cebimento dos dados sem atrasar o processo dearmazenamento (de Medeiros Neto, 2011).

Os algoritmos citados realizam a compressaode dados de duas maneiras distintas, com para-metros fixos (Swinging Door e Boxcar/Backslope)e com parametros dinamicos (Improved SwingingDoor (ISDT).

O principal problema dos algoritmos de com-pressao com perda nao adaptativos com parame-tros fixos analisados neste trabalho, consiste danecessidade de conhecimento previo do sinal, poisfatores como a amplitude e a dinamica do sinal, in-terferem diretamente na qualidade da compressaodos dados. Em termos de aplicacao destes algorit-mos em sistemas que monitoram milhares de va-

riaveis de processo, sintonizar esses parametros deforma manual para cada variavel e inviavel. Comisso, este artigo propoe um algoritmo adaptativocapaz de se adequar a uma grande quantidade devariaveis de processo, podendo estas, apresenta-rem sinais de natureza diferente, de modo a ga-rantir um bom nıvel de compressao e um mınimode erro na reconstrucao do sinal, evitando a neces-sidade de uma configuracao manual de cada varia-vel ou ate mesmo uma configuracao indevida queleve a perda de informacoes relevantes do sinal.Alem disso, faz uma analise comparativa entre aeficiencia do Swinging Door Trending e do novometodo proposto, utilizando dados reais obtidosda industria de petroleo e gas.

2 Algoritmos de Compressao SwingingDoor Trending

A presente secao tem como objetivo apresentaro algoritmo classico de compressao de dados emtempo real com perdas, conhecido como SwingingDoor Trending. Alem da abordagem tradicional,outro metodo, conhecido como Improved SwingDoor Trending, e apresentado por se tratar de umaadaptacao do algoritmo original.

2.1 Swinging Door Trending (SDT)

O Swinging Door Trending possui tres parame-tros que sao definidos de acordo com a variavelque tera as informacoes comprimidas. Mas nessealgoritmo, esses criterios sao: tempo mınimo decompressao, tempo maximo de compressao e des-vio de compressao. A taxa de compressao tendea aumentar quanto maior for o tempo maximo decompressao e o desvio de compressao.

O algoritmo cria uma area de cobertura noformato de um paralelogramo entre o ultimo va-lor armazenado e o valor atual, este paralelogramopossui largura igual ao dobro do desvio de com-pressao e comprimento que se estende do ultimovalor armazenado, ate o ultimo valor recebido.Caso um dos pontos presentes entre o ultimo valorarmazenado e o valor atual estiver fora da area doparalelogramo, todos os pontos sao descartados,com excecao do penultimo ponto recebido, que earmazenado no banco de dados. O ultimo valorrecebido e forcado a ser armazenado sempre que otempo transcorrido desde o ultimo valor armaze-nado for superior ao tempo maximo de compres-sao. A Figura 3 mostra o funcionamento dessealgoritmo (Souza et al., 2005).

As figuras mostram situacoes distintas. AFigura 3a, apresenta um paralelogramo formadopelo ultimo valor armazenado e o ultimo valor re-cebido. Como nesse caso nenhum dos valores in-termediarios ficaram fora do paralelogramo, nadasera armazenado.

A Figura 3b apresenta outra situacao, onde

Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014

853

Page 3: ADAPTIVE SWINGING DOOR TRENDING: UM ALGORITMO … · ADAPTIVE SWINGING DOOR TRENDING: UM ALGORITMO ADAPTATIVO PARA COMPRESSAO DE DADOS EM TEMPO REAL~ Edson J. M. Neto , Luiz Augusto

Figura 3: Algoritmo de compactacao de dadosSwinging Door Trending.

um dos valores intermediarios fica fora da area doparalelogramo. Nesse caso, o valor anterior ao ul-timo valor recebido (em cinza), sera armazenado.

O algoritmo SDT consegue otimos resultadosna compressao de dados provenientes da indus-tria, porem existe a necessidade de se conheceras caracterısticas da variavel que tera as informa-coes comprimidas, para configurar corretamente odesvio de compressao, sendo inadequado para si-tuacoes em que se deseja aplicar o algoritmo como mesmo parametro para diversas variaveis de na-turezas completamente diferentes.

2.2 Improved Swinging Door Trending (ISDT)

Baseado na analise de desempenho do SwingingDoor, Xiaodong et al. (2002) propoe um melhoriado algoritmo. A principal melhoria proposta peloalgoritmo, e a utilizacao de um desvio adaptativo,ou seja, que varia com o resultado da compressaoanterior, a fim de alcancar uma melhor compres-sao. Portanto, a melhoria do algoritmo consiste noajuste de parametros de forma dinamica a medidaque novos dados sao adquiridos.

As alteracoes no algoritmo SDT propostaspelo algoritmo ISDT foram basicamente acrescen-tar tres parametros que sao: o limite superior dedesvio de compressao, o limite inferior de desvio decompressao e um parametro denominado de fadl(varia entre 0 e 1) que regula a variacao do desviodentro de seus limites superior e inferior a medidaque o algoritmo processa os dados.

Embora este algoritmo seja capaz de alteraro desvio de compressao de forma dinamica, aindaassim e necessario conhecer a natureza do sinalpara configurar seus parametros.

3 Adaptive Swinging Door Trending(ASDT)

O algoritmo proposto consiste de uma variacaodo algoritmo Swinging Door Trending, permane-cendo todas as suas caracterısticas basicas, masutilizando analises de tendencias em tempo realcomo forma de possibilitar a variacao dos prin-cipais parametros do algoritmo de forma adapta-tiva. Para isso foi utilizado a media movel expo-nencial, que e uma tecnica bastante utilizada emseries temporais, que funciona como um filtro, su-avizando o sinal e permitindo realizar previsoes eanalise de tendencias do mesmo.

Abaixo temos a formula da media movel ex-ponencial (S):

Sn = (X − Sn−1)α+ Sn−1 (1)

Onde α = 2/(N + 1) e o chamado parametroadaptativo (entre 0 e 1), N representa o tamanhodo perıodo a ser considerado na media movel e Xe o valor corrente do sinal.

O principal parametro do algoritmo SDT eo desvio de compressao, este possui relacao di-reta com a taxa de compressao do sinal, ou seja,quanto maior o desvio de compressao, muito pro-vavelmente maior sera a taxa de compressao dosinal.

O algoritmo proposto foi denominado deAdaptive Swinging Door Trending, que consistebasicamente em adaptar o parametro desvio decompressao do SDT de forma dinamica tendocomo base a media movel exponencial do sinal.

Com isso a formula do desvio de compres-sao (E) ao longo das iteracoes do algoritmo segueabaixo:

E = γS (2)

O algoritmo ASDT possui os seguintes para-metros: γ (valor entre 0 e 1), representando o per-centual de influencia de S na adaptacao do des-vio de compressao, MaxTime (tempo maximo decompressao, mesmo do STD), e N que consistedo numero de perıodos considerados no calculo damedia movel.

Em termos de funcionamento do algoritmo,este funciona da mesma forma que o SDT so quea cada iteracao e feito um calculo da media movelexponencial do sinal como demonstrado na Equa-cao 1, em seguida e efetuado o calculo do desviode compressao com base na Equacao 2, depois edado continuidade a toda a logica do algoritmoSDT descrita na Subsecao 2.1.

A principal vantagem do uso do algoritmoASDT se deve ao fato de seus parametros de con-figuracao serem menos sensıveis a amplitude e di-namica do sinal, implicando que uma vez confi-gurado estes parametros, os mesmos sao capazesde serem aplicados a uma maior quantidade devariaveis de processos.

Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014

854

Page 4: ADAPTIVE SWINGING DOOR TRENDING: UM ALGORITMO … · ADAPTIVE SWINGING DOOR TRENDING: UM ALGORITMO ADAPTATIVO PARA COMPRESSAO DE DADOS EM TEMPO REAL~ Edson J. M. Neto , Luiz Augusto

4 Resultados

Com o intuito de se validar a eficiencia e usa-bilidade do algoritmo Adaptive Swinging DoorTrending foram destacados determinados cenariosonde o algoritmo classico Swinging Door Trendingnao se comporta de maneira satisfatoria. Tais ce-narios foram abordados em tres diferentes estudosde casos, explanados detalhadamente em conjuntocom seus resultados nas Subsecoes 4.1, 4.2 e 4.3.

Foram usados como criterios de avaliacao dedesempenho dos algoritmos duas metricas, quesao: o erro medio quadratico do sinal reconstruıdoda compressao com o sinal original, calculado con-forme a Equacao 3 e a taxa de compressao.

e =1

n

n∑i=1

(Yi − Yi)2 (3)

4.1 Estudo de Caso 1

Neste estudo de caso tem-se por objetivo anali-sar o Adaptive Swinging Door Trending do pontode vista de sua capacidade de convergir para umdesvio de compressao adequado ao sinal.

Para isso a Tabela 1 descreve o desvio de com-pressao com tres variacoes, mostrando-se o erro ea taxa de compressao decorrentes da aplicacao doalgoritmo SDT sobre a variavel de processo realFI-240051. Observa-se que conforme o desvio decompressao aumenta, a taxa de compressao e oerro tambem tendem a aumentar. Embora o errochegue a valores altos, a reconstrucao do sinal emrelacao ao sinal original e satisfatoria, como sepode observar na Figura 4. Com base nesta tabelae nos resultado obtidos o desvio de compressao 2,1mostra-se o mais eficiente em termos de maximataxa de compressao e erro aceitavel de forma anao comprometer informacoes relevantes do sinal.

Tabela 1: Estudo de Caso 1.Desv. de comp. Erro Compressao (%)

0,01 229,6 50,62%0,7 1490,0 68,28%2,1 4379,0 85,10%

Utilizando o parametro adaptativo 0, 004 eo numero de perıodos de 100 amostras no algo-ritmo ASDT obteve-se uma taxa de compressaode 87,59% e erro de 3945. Observando a Figura5 percebe-se que o desvio de compressao ao longodas iteracoes oscila proximo ao valor 2, 1 que con-forme descrito anteriormente, representa um bomresultado no SDT. A Figura 4, mostra o sinal davariavel real FI-240051 sem compressao, utilizadona industria, assim como o mesmo comprimido ereconstruıdo. Percebe-se que nesta figura as infor-macoes relevantes do sinal foram mantidas.

Nota-se que, para uma alta taxa de compres-sao com um erro medio quadratico aceitavel se

Figura 4: Sinal original sem compressao; Sinalcomprimido atraves do ASDT; Sinal reconstruıdo.

Figura 5: Adaptacao do desvio de compressao aolongo das iteracoes do ASDT.

faz necessaria a sintonizacao do algoritmo de ma-neira adequada. No caso do ASDT, a determina-cao deste parametro e adaptativa, sendo ajustadode acordo com o comportamento do sinal.

4.2 Estudo de Caso 2

O segundo estudo de caso analisado foi realizadopara comprovar a eficiencia do algoritmo propostoao se comprimir sinais com bruscas mudancas noponto de operacao (setpoint). Para analise desteestudo de caso foram utilizados dados de volumede uma variavel de processo real nao comprimidaao longo do tempo, ocorrendo mudancas de set-point por meio de um controlador.

Para o algoritmo SDT, com o desvio de com-pressao de 14, obteve-se um erro de 1160 e taxade compressao de 93,33%.

Com base no grafico da Figura 6, o algoritmoASDT proposto para o parametro adaptativo 0,1,janela 10, este apresenta erro de 121,9 e taxa decompressao de 93,64%.

Comparando os dois algoritmos percebe-seque o ASDT mostra-se mais adequado para va-riacoes no setpoint em caso de altas taxas de com-

Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014

855

Page 5: ADAPTIVE SWINGING DOOR TRENDING: UM ALGORITMO … · ADAPTIVE SWINGING DOOR TRENDING: UM ALGORITMO ADAPTATIVO PARA COMPRESSAO DE DADOS EM TEMPO REAL~ Edson J. M. Neto , Luiz Augusto

Figura 6: Sinal original sem compressao; Sinalcomprimido atraves do ASDT; Sinal reconstruıdo.

pressao, pois este apresenta um erro 9,5 vezes me-nor que o SDT e praticamente mesma taxa decompressao.

Para uma analise mais detalhada foi realizadouma variacao do desvio de compressao no algo-ritmo SDT e no parametro adaptativo do algo-ritmo ASDT, para mostrar situacoes em que oASDT sao mais eficientes para sinais que apre-sentam variacoes de setpoint.

Observando a Figura 7 resultante da varia-cao dos parametros descritos no paragrafo ante-rior, percebe-se a variacao do erro a medida queaumenta a taxa de compressao, concluindo-se quepara taxas de compressao acima de 90% o algo-ritmo SDT apresenta maior erro, mostrando-seque o ASDT e mais adequado para altas taxas decompressao com erro menor em relacao ao SDT.

Figura 7: Erro dos algoritmos de compressaoASDT e SDT a medida que se aumenta a taxade compressao.

4.3 Estudo de Caso 3

Por fim, o terceiro estudo de caso foi realizadocom o objetivo de se destacar outra significantecontribuicao do algoritmo proposto: sua alta ca-pacidade e eficiencia de compactacao quando apli-cado a varios sinais de diferentes naturezas. Como

demonstrado anteriormente, o algoritmo classicodo Swinging Door nao se comporta bem quandosinais com caracterısticas diferentes sao compac-tados utilizando o mesmo parametro fixo.

Para este estudo de caso foram utilizados doissinais de naturezas diferentes do ponto de vistade amplitude e variacao do sinal, que no caso foia variavel de processo simulada fracao molar dode etano no GLP (Gas Liquefeito de Petroleo),e a variavel real FI-240051 utilizada no primeiroestudo de caso (Subsecao 4.1).

A Tabela 2 mostra a taxa de compressao doalgoritmo SDT para as duas variaveis de processoconsideradas, utilizando o mesmo desvio de com-pressao fixo de 0,1.

Tabela 2: Taxa de compressao por variavel.Variavel Compressao (%)

Fracao molar 99,67%FI-240051 53,52%

A Figura 8 mostra o sinal real, comprimidoe reconstruıdo da variavel de processo FI-240051aplicada ao algoritmo SDT utilizando desvio decompressao de 0,1.

Figura 8: Sinal original sem compressao; Sinalcomprimido atraves do SDT; Sinal reconstruıdo.

A Figura 9 mostra o sinal real, comprimidoe reconstruıdo da variavel de processo simuladaFracao molar etano, aplicada ao algoritmo SDTutilizando desvio de compressao de 0,1.

Comparando as Figuras 8 e 9, percebe-se queo desvio de compressao utilizado no sinal FI-240051 e inadequada na variavel simulada fracaomolar de etano, visto que o sinal reconstruıdo daFigura 9 nao e capaz de representar o sinal real,demonstrando que o parametro fixo de desvio decompressao do SDT adequado para uma variavelde compressao pode ser inadequado para uma ou-tra variavel.

A Tabela 3 a seguir mostra a taxa de com-pressao do algoritmo ASDT para as duas variaveis

Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014

856

Page 6: ADAPTIVE SWINGING DOOR TRENDING: UM ALGORITMO … · ADAPTIVE SWINGING DOOR TRENDING: UM ALGORITMO ADAPTATIVO PARA COMPRESSAO DE DADOS EM TEMPO REAL~ Edson J. M. Neto , Luiz Augusto

Figura 9: Sinal original sem compressao; Sinalcomprimido atraves do SDT; Sinal reconstruıdo.

de processo consideradas, utilizando o parametroadaptativo 0,001 e perıodo de 10 amostras.

Tabela 3: Taxa de compressao por variavel.Variavel Compressao (%)

Fracao molar 79,78%FI-240051 63,03%

As Figuras 10 e 11 sao resultantes da apli-cacao do algoritmo ASDT as variaveis de pro-cesso FI-240051 e fracao molar de etano, respec-tivamente. Embora estes sinais sejam diferentes oASDT consegue realizar uma taxa de compressaomenor que o SDT, mas com maior facilidade deadaptacao, visto que os dois sinais apresentaramboa taxa de compressao com aproximacao do si-nal reconstruıdo bastante proxima do real. Naoocorrendo perda significativa do sinal.

Figura 10: Sinal original sem compressao; Sinalcomprimido atraves do ASDT; Sinal reconstruıdo.

Figura 11: Sinal original sem compressao; Sinalcomprimido atraves do ASDT; Sinal reconstruıdo.

5 Conclusoes

O presente trabalho propos um novo algoritmode compressao de dados com perda adaptativo,denominado Adaptive Swinging Door Trending(ASDT). Este algoritmo mostrou, atraves dos es-tudos de caso, que possui capacidade de conver-gir seus parametros de forma adequada de acordocom a analise de tendencia do sinal, assim comoeste tambem apresentou-se satisfatorio para casosde sinais que possuem variacoes bruscas na mu-danca de setpoint. Portanto, o ASDT apresenta-se mais adequado para situacoes em que se de-seja monitorar milhares de variaveis de processoem que se tornaria inviavel realizar configuracoesmanuais dos parametros do algoritmo SDT paracada variavel e utilizar o ASDT minimiza a possi-bilidade de perda de dados relevantes, visto que omesmo e capaz de se adaptar a natureza de sinaisdiferentes.

Para trabalhos futuros, e interessante o estudode quais parametros do algoritmo ASDT sao maisadequados para uma maior variedade possıvel desinais de variaveis de processo que possuem com-portamentos diferenciados.

Agradecimentos

Os autores agradecem o apoio intelectual, exper-tise e recursos fornecidos pela equipe da Engenha-ria Basica do CENPES-Petrobras. O primeiro au-tor agradece ao CNPq pelo auxılio financeiro pro-porcionado.

Referencias

Bristol, E. H. (1990). Swinging door trending:adaptive trend recording, Proceedings of theISA National Conf., pp. 749–753.

de Medeiros Neto, E. J. (2011). Desenvolvimentode um historiador de dados em tempo real uti-

Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014

857

Page 7: ADAPTIVE SWINGING DOOR TRENDING: UM ALGORITMO … · ADAPTIVE SWINGING DOOR TRENDING: UM ALGORITMO ADAPTATIVO PARA COMPRESSAO DE DADOS EM TEMPO REAL~ Edson J. M. Neto , Luiz Augusto

lizando como tecnicas de compressao os algo-ritmos swing doors e boxcar/backslope, Tra-balho de Conclusao de Curso, UniversidadeFederal do Rio Grande do Norte.

Huang, W., Wang, W. e Xu, H. (2006). A losslessdata compression algorithm for real-time da-tabase, Intelligent Control and Automation,2006. WCICA 2006. The Sixth World Con-gress on, Vol. 2, pp. 6645–6648.

Shu, S. e Shu, Y. (2012). A two-stage data com-pression method for real-time database, Sys-tem Science, Engineering Design and Ma-nufacturing Informatization (ICSEM), 20123rd International Conference on, Vol. 2,pp. 204–207.

Souza, A. J., Feijo, R. H., ao, G. B. P. L., Me-deiros, A. A. D., Bezerra, C. G., Andrade,W. L. S., Guedes, L. A. e Maitelli, A. L.(2005). Gerencia de informacao de processosindustriais: Um estudo de caso na producaode petroleo e gas, VII Simposio Brasileiro deAutomacao Inteligente .

Xiaodong, F., Changling, C., Changling, L. eHuihe, S. (2002). An improved process datacompression algorithm, Intelligent Controland Automation, 2002. Proceedings of the 4thWorld Congress on, Vol. 3, pp. 2190–2193vol.3.

Anais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014

858