O grupo de Sistemas Complexos recentemente tem se envolvido em problemas aplicados, de interesse científico e tecnológico. Uma destas aplicações envolve a Petrobras e o ADDLabs-UFF. Para auxiliar a gerência de processos em uma unidade de exploração e produção de petróleo são utilizados sistemas de supervisão e controle das informações provenientes. Dois importantes sistemas utilizados para auxiliar a supervisão e controle da produção são o PI (Plant Information system) e o Backlog. Enquanto o primeiro registra todos os eventos que ocorrem durante a operação de uma planta de produção de petróleo, isto é, as atuações de válvulas e de sensores, o segundo registra o valor de variáveis do sistema previamente definidas em intervalos de tempo regulares. Estas duas fontes de informação são muito valiosas para analisar-se o comportamento do sistema de produção como um todo.
O problema reside na análise propriamente dita desse volume enorme de informações. Isto torna a tarefa extremamente difícil. O uso de técnicas de inteligência artificial, mais especificamente mineração de dados torna-se atraente pela oportunidade oferecida pela técnica. As bases de dados a explorar possuem registros que podem ser chamados de transações. Estas transações estão associadas a informações coletadas do ambiente em monitoração. Cada transação refere-se a um determinado “usuário” como tal entendido um equipamento, localidade ou ambiente a estudar. Cada um dos dados de uma transação pode ser chamado de item (registrando um evento) e cada conjunto de itens pode ser chamado de itemset. Uma seqüência é uma lista ordenada de itemsets. Pretende-se pesquisar as seqüências relevantes encontradas na base de dados. Um processo de aquisição de conhecimento vai revelar os eventos importantes (sensíveis) a monitorar de perto. Um trabalho de mineração de dados vai investigar as seqüências de eventos que terminem nos eventos sensíveis. O sistema a ser desenvolvido permitirá o rastreamento das seqüências de eventos de interesse da monitoração e a inferência de eventos sucessores de uma determinada seqüência de eventos.
Além da técnica de mineração de dados, as técnicas de análise fractal das séries temporais de eventos, buscando correlações entre as séries, utilizando-se de conceitos como a detrended fluctuations analysis podem fornecer informações importantes. A determinação de correlações de longo alcance e efeitos de memória nas séries dos vários sensores pode ajudar a minimizar o número de eventos falsos. Caso as correlações não existam, ou seja claro que as flutuações são aleatórias, técnicas como redes neurais podem ser descartadas. Utilizando-se ainda das ferramentas desenvolvidas no mestrado, poderemos determinar as comunidades de sensores, isto é, sensores que tendem a mostrar o mesmo comportamento, sendo portanto redundantes. A eliminação destes sensores simplificará sobremaneira a análise dos dados.
A grande quantidade de registros ao longo da planta de extração de petróleo fornecidos pela Petrobras ao ADDLabs-UFF estabeleceu uma colaboração com o grupo de Sistemas Complexos do IF-UFF. Tais registros formam séries temporais às quais aplicamos técnicas como a análise de flutuação sem tendência (detrended fluctuation analysis, DFA), cálculo de entropia de informação em janelas temporais móveis, análise fractal da série, etc. Com o objetivo em identificar padrões ao até mesmo redundância entre eventos empregamos técnicas de cálculo de coeficiente de correlação e identificação de comunidades entre os diversos sensores disponíveis na planta.
