Aplicación de redes neuronales para la resolución de problemas complejos de confiabilidad y riesgo

224 Pages·2012·3.31 MB·French

by  Maarouf, Mustapha.

Instituto Universitario de Sistemas Inteligentes
y Aplicaciones Numéricas en Ingeniería
Programa de Doctorado:
Sistemas Inteligentes y Aplicaciones Numéricas en Ingeniería
Tesis Doctoral
Aplicación de Redes Neuronales
para la Resolución de Problemas
Complejos en Confiabilidad y Riesgo
Mustapha Maarouf
2015
UNIVERSIDAD DE LAS PALMAS DE GRAN CANARIA (ULPGC)
Instituto Universitario de Sistemas y Aplicaciones Numéricas en Ingeniería
(SIANI)
Aplicación de Redes Neuronales para la
Resolución de Problemas Complejos en
Confiabilidad y Riesgo
Autor Director
Mustapha Maarouf Dr. Blas José Galván González
Programa de Doctorado:
Sistemas Inteligentes y Aplicaciones Numéricas en Ingeniería
Tesis Doctoral
Las Palmas de Gran Canaria
2015
Dedico este trabajo a mis padres.
Agradecimiento
Quiero agradecer a mi familia por su apoyo. A mi tutor, Dr. Blas Galv´an Jos´e
Gonz´alez, quien ha aceptado dirigir mi tesis. Estoy muy agradecido por sus esfuer-
zos, por sus valiosos consejos acad´emicos y no acad´emicos, por su apoyo, por su
insistencia, y que ha ayudado mucho para terminar mis estudios de investigaci´on.
Agradezco tambi´en a los miembros del jurado, que no s´olo accedieran a probar esta
tesis, pero tambi´en que dieron su tiempo y esfuerzo para corregir mi tesis.
Agradezco sinceramente a todos los profesores e investigadores con quien he tenido
contacto durante mis estudios y que hayan proporcionado documentos o datos, me
orientaronenmistrabajosdeinvestigaci´on. Nosemeolvidantambi´enlosprofesores
que tuve en toda mi vida, el primer de ellos ha sido mi padre, mi gran maestro, del
pasado, el presente y el futuro, siempre estar´a presente. Agradezco a mi familia sus
esfuerzos y su confianza, a todos mis colegas dentro o fuera del trabajo, con los he
compartido los altibajos a lo largo de los an˜os.
Por u´ltimo, un gran agradecimiento a los que no han sido nominados y que me han
ayudado de alguna manera en mi camino personal y profesional.
Resumen
Laingenier´ıadeFiabilidad,Mantenibilidad,DisponibilidadySeguridad/Riesgo(In-
genier´ıa RAMS) se enfrenta a retos importantes debido a la creciente magnitud y
complejidaddemuchosdelosmodernosprocesosindustriales,desulog´ıstica,delas
comunicaciones necesarias para su correcto funcionamiento, de la interacci´on con el
serhumano, delasamenazasexternasquecomprometenelcorrectofuncionamiento
de los sistemas t´ecnicos que les dan soporte y de eventos no deseados que pueden
afectar a los bienes, la naturaleza o al ser humano. Entre otros cabe citar la ob-
tenci´on din´amica de planes ´optimos de mantenimiento basados en la condici´on de
los equipos, la determinaci´on en tiempo real del nivel de riesgo asociado a determi-
nados eventos procesos cr´ıticos, la determinaci´on del alcance de las consecuencias
de sucesos no deseados (explosiones, nubes t´oxicas, vertidos marinos, etc.) y la es-
timaci´on de la propagaci´on de eventos dif´ıcilmente controlables como los incendios
(en industrias o en el medio humano: Ciudades, Bosques, etc.).
Elmodeladodetalesprocesosyeventoshaderealizarseengeneralusandoformula-
ciones matem´aticas muy complejas cuya soluci´on implica frecuentemente el empleo
de m´etodos num´ericos y uso intensivo de recursos de computaci´on. La soluci´on de
casosrealessueleportantosercostosaentiemposdeCPUytardarsemanasomeses
hasta alcanzar valores satisfactorios. Existen sin embargo situaciones en las que no
es viable esperar semanas o meses para dar soluciones a un problema, tal es el caso
de la predicci´on de la evoluci´on de un vertido marino, una nube t´oxica, de una
aver´ıa en un equipo cr´ıtico o un incendio forestal, entre otros. En estas situaciones
es necesario obtener respuestas satisfactorias (no necesariamente ´optimas) en tiem-
posmuycortos(horasominutos),loqueconviertealconjuntoheterog´eneodeestas
situaciones en una clase de problemas con caracter´ısticas espec´ıficas que requieren
de un tratamiento diferenciado y en los que el uso de la Inteligencia Artificial (IA)
adquiere especial relevancia. Entre las metodolog´ıas de IA y para esta clase prob-
lemas mencionados cabe destacar el uso de Redes Neuronales por su capacidad de
reflejar relaciones complejas entre variables y de dar respuestas r´apidas aceptables.
El trabajo presentado en esta tesis doctoral se enmarca por tanto de forma general
enlosproblemasdeIngenier´ıaRAMSyenparticularenlaclasedeproblemascom-
plejosy/ocr´ıticosquerequierendeunarespuestar´apidanonecesariamente´optima,
siendo estos resueltos mediante Redes Neuronales. Como punto de partida se real-
iza un estudio del estado del arte de las Redes Neuronales con especial ´enfasis en
sus aplicaciones para Ingenier´ıas RAMS y la clase de problemas mencionados. Se
estudiar´a tambi´en el estado del arte de los modelos matem´aticos que dan soporte
cient´ıfico a esos problemas centr´andose en dos modelos especialmente escogidos por
su representatividad: Los de Vida U´til Remanente y los de Incendios Forestales.
Las contribuciones de esta tesis radican no solo en novedades en el modelado de
tales problemas sino tambi´en en ciertas mejoras en las Redes Neuronales que in-
crementan la calidad de sus soluciones cuando se aplican a esos problemas. Se ha
disen˜ado un conjunto de experimentos que incluye situaciones reales complejas que
son resueltos con diferentes tipos de Redes Neuronales y diversos m´etodos de en-
trenamiento. Diferentes m´etricas de inter´es se usan para comparar los resultados y
alcanzar conclusiones contrastadas. El resultado final es la demostraci´on con base
cient´ıfica de que es viable obtener un conjunto de Redes Neuronales entrenadas y
validadas que permita dar respuestas r´apidas aceptables para problemas relevantes
de la clase de problemas abordados.
Abstract
Reliabilityengineeringandriskanalysisfacingsignificantchallengesduetothesize,
complexity and risks of many modern industrial processes, their logistics, of the
communications necessary for its correct operation, from interacting with humans,
from external threats that compromise the proper functioning of the technical sys-
tems, that support them and undesired events that may affect the property, nature
orhumanbeings. Inaddition,therealizationofintelligentmaintenanceplansbased
on the actual condition of industrial equipment, determination of the risk level as-
sociated with hazardous industrial activities, calculation of the extent of the risk of
fire,contaminatingleaks,toxicclouds,theconsequencesofindustrialaccidents,etc.
The modeling of such processes has been generally performed using complex math-
ematical formulas, whose solution often involves the use of numerical methods and
intensive computing resources. The solution of real problems is usually costly in
terms of CPU time; processes can employs weeks or months to reach satisfactory
solutions.
However, there are situations where it is not feasible to wait a long time to gets
solutions, as it is the case of forecasting the forest fire behaviour, a toxic cloud or
a marine spill, etc. In these situations it is necessary to get satisfactory answers in
a very short time (hours or minutes), therefore the use of techniques of Artificial
Intelligence (AI) is especially relevant. Among the methodologies of AI and for
the above problems, there is the use of neural networks for their ability to reflect
complex relationships between variables and to provide acceptable answers in short
time.
Therefore, we interest in performing a doctoral thesis on the application of Neural
Networks to solve complex problems in Reliability and Risk. In this thesis, study
and summarize of the state of the art in terms of neural networks, and industrial
typeapplicationswithspecialemphasisonproblemsrelatedtoReliabilityandRisk,
wewillalsobeexploredthemathematicalmodelsthatgivescientificsupporttothe
complexproblemsofReliabilityandRisk,andthebehaviorofforestfires. Modeling
andresolvingtheseapplicationswithdifferentkindofneuralnetworks,withdifferent
training methods, will be compared. Among the expected results of the proposed
thesis, is to obtain a set of trained and validated neural networks, to provide rapid
responsetotheapplicationsconsidered,withanassessmentofthereliabilityoftheir
responses. The relevant results are validated by scientific publications in journals
with impact index.
R´esum´e
L’ing´enierie de la fiabilit´e, de la disponibilit´e, de la maintenabilit´e et de la s´ecurit´e
(Ing´enierie FDMS) fait face `a des d´efis importants due `a la croissance de la com-
plexit´edenombreuxprocessusindustrielsmodernes,deleurslogistique,descommu-
nications n´ecessaires pour leurs correcte fonctionnement, de leurs interaction avec
leshumains,desmenacesext´erieuresquimettentenp´erillebonfonctionnementdes
syst`emes techniques qui les soutiennent ou qui peuvent provoquer des ´ev´enements
ind´esirables.
Lamod´elisationdecesprocessusdoitˆetrer´ealis´eeenutilisantdesformulesmath´ematiques
complexes. G´en´eralement, la solution implique souvent l’utilisation de m´ethodes
num´eriques et des ressources qui n´ecessitent des calculs intensifs. La r´esolution des
cas r´eels est g´en´eralement si couˆteuse en termes de CPU, ainsi que les processus
peuvent atteindre des semaines ou des mois pour pouvoir trouver des solutions sat-
isfaisantes. Cependant, il y a des situations ou` ce n’est pas facile d’attendre des
semaines pour r´esoudre tel probl`eme, comme le cas de la pr´evision de l’´evolution
d’un feu de forˆet, un nuage toxique ou les d´etritus marins, etc. Dans ces situations,
il est n´ecessaire d’obtenir des r´eponses satisfaisantes en peu de temps (question
d’heures ou quelques minutes), alors que l’usage des techniques de l’intelligence ar-
tificielle (IA) est particuli`erement pertinente. Parmi les m´ethodes de l’IA et pour
lesprobl`emesci-dessusnomm´es,ontrouvel’utilisationder´eseauxdeneurones,dua
leur capacit´e de trouver des relations entre des variations complexes et qui peuvent
fournir des r´eponses acceptables et rapides.
Parcons´equent, notreobjectifestder´ealiseruneth`esesurl’applicationdesr´eseaux
de neurones pour r´esoudre des probl`emes complexes en mati`ere de fiabilit´e et des
risques. Dans cette th`ese, le but est de r´ealiser et de r´esumer l’´etat de l’art en
termes de r´eseaux de neurones, et des applications de type industriel ou´ecologique,
avec une attention particuli`ere sur les probl`emes li´es `a la fiabilit´e et les risques.
Aussi bien, l’analyse du comportement des incendies de forˆet sera ´egalement con-
sid´er´ee. La mod´elisation math´ematique et les r´esultats des mod`eles obtenues avec
diff´erents types de r´eseaux de neurones, avec diff´erentes m´ethodes d’entraˆınement,
seront analys´es. Parmi les r´esultats attendus de cette th`ese propos´ee, est d’obtenir
un ensemble de r´eseaux de neurones entraˆın´es et valid´es pour offrir des r´eponses
rapides aux probl`emes examin´es, en tenant compte de l’´evaluation de la fiabilit´e de
leurs r´eponses. Les r´esultats scientifiques pertinents seront valid´es par des publica-
tions dans des revues avec indice d’impact.