Monitoramento de modelos de simulação usados como Gêmeos Digitais de processos: uma abordagem baseada em Machine Learning e Carta de Controle

Abstract

A adoção de modelos de simulação usados como Gêmeos Digitais vem ganhando destaque nos últimos anos e representa uma revolução nos processos de tomada de decisão. Nesse contexto, decisões cada vez mais rápidas e eficientes são tomadas por meio do espelhamento do comportamento dos sistemas físicos e do uso de técnicas avançadas de análise. Por outro lado, este artigo chama a atenção para os desafios para garantir a validade dos modelos de simulação ao longo do tempo, uma vez que as abordagens tradicionais de validação não consideram a atualização periódica do modelo. Assim, o presente trabalho propõe uma abordagem baseada na avaliação constante desses modelos por meio de Machine Learning e Carta de controle. Para tal, sugerimos uma ferramenta de monitoramento baseada no uso do classificador K-Nearest Neighbors (K-NN), combinado com a carta de controle p para avaliar periodicamente a validade dos modelos de simulação usados como Gêmeos Digitais.