Sistemas baseados em conhecimento para aplicação de eficiência energética e conservação de energia para plantas industriais.

Abstract

Este trabalho apresenta o desenvolvimento de um protótipo de sistema especialista (SE) dotado de um módulo de geração de explicação (MGE) para diagnóstico preliminar de eficiência energética em plantas industriais, considerando as características fundamentais de operação e manutenção dessas plantas. Embora a capacidade de explicar processos de raciocínio distinga o SE de outros sistemas de apoio à decisão, disponibilizar um MGE ajuda a promover uma análise crítica das decisões tomadas pelo SE. Em adição, o MGE é muito útil também na validação da base de conhecimento, permitindo detectar erros semânticos do sistema e monitorar detalhes do processo de inferência, o que pode levar a uma redução de tempo de desenvolvimento e maior aceitação do sistema, aumentando dessa forma sua confiabilidade e principalmente, sua credibilidade. A base de conhecimento do sistema foi construída a partir da experiência de especialistas multidisciplinares da área de eficiência energética industrial, o que é certamente um recurso valioso em um contexto de gestão do conhecimento (GC) organizacional. A GC torna o conhecimento humano especializado em valor duradouro, criando uma memória corporativa por meio de ações de compartilhamento e retenção, o que pode contribuir para a melhoria contínua dos processos, criação de valor e manutenção de vantagens competitivas. Para demonstrar as possibilidades de melhoria de eficiência energética, os principais sistemas de utilidades de uma planta industrial são analisados de forma individual. Para tanto, tais sistemas são classificados como primário (energia elétrica, gás natural e água) e secundário (ar comprimido, ar condicionado, iluminação e sistemas de aquecimento). Estudos de caso são executados no protótipo SE para demonstrar como seu uso pode disseminar boas práticas de eficiência energética industrial, bem como de gestão de conhecimento, possibilitando criar uma memória corporativa permanentemente disponível nos computadores da organização e independente da disponibilidade de especialistas humanos.

This work presents the development of an expert system prototype (ES) with an explanation facility module (EFM) for preliminary diagnosis of energy efficiency guidelines in industrial plants, considering the fundamental characteristics of operation and maintenance of these plants. Although the ability to explain its own reasoning distinguishes ES from other decision support systems, providing an EFM contributes to promote a critical analysis of the decisions taken by the ES. In addition, the EFM is also very useful in validating the knowledge base, because it facilitates the detection of semantic errors and allows a better monitoring of the inference process. Because of that, the EFM can reduce the development time and contribute to a broader acceptance of the system, which positively impacts its reliability and credibility. The knowledge base of the system was built on the experience of multidisciplinary experts in the field of industrial energy efficiency that is certainly a valuable resource in an organizational knowledge management (KM) context. The KM becomes the human knowledge in permanent value by creating a corporate memory through sharing and retention actions that may contribute to continuous improvement of processes, value creation and maintaining competitive advantage. In order to properly demonstrate the possibilities of energy efficiency improvement, the main utility systems of an industrial plant are analyzed individually. To do so, such systems are classified as primary (power, natural gas and water) and the secondary (compressed air, air conditioning, lighting and heating systems). Case studies are performed in the ES prototype in order to show how its use can disseminate good energy efficiency practices and good knowledge management practices as well, making it possible to create a corporate memory permanently available on the organization's computers and independent of the availability of human experts.