Obtenção de limites estatísticos de controle em gráficos de controle univariados e multivariados aplicados a dados de instrumentação de barragens

Abstract

Resumo: Barragens instrumentadas geram uma enorme base de dados provenientes do monitoramento. Porém, dados não são informações e, então, precisam ser trabalhados para se obter informações. A correta interpretação e avaliação da informação contida nos dados podem ser extremamente úteis para o acompanhamento do período operacional de uma barragem. O controle estatístico de qualidade univariado e multivariado é uma abordagem que pode contribuir com a descoberta de conhecimento em dados de instrumentos de monitoramento de barragens, sobretudo quando há correlação e quando não se tem informação sobre o comportamento das séries temporais de monitoramento dos instrumentos. Enquanto que gráficos de controle univariados são aplicados, há quase um século, no controle de características de qualidade, propostas multivariadas e modelos aplicados em segurança de barragens têm ainda poucos trabalhos publicados e têm se mostrado promissoras. Por outro lado, no caso univariado, o avanço da informática permitiu a execução de novas técnicas para modelar e realizar previsões em séries temporais, em particular, a combinação de técnicas com modelos ARIMA, ARIMAX-GARCH, decomposição Wavelet e Redes Neurais Artificiais tem mostrado melhoria no desempenho da previsão. O objetivo principal deste estudo é aplicar técnicas estatísticas univariadas e multivariadas, combinadas com outras técnicas paramétricas e não paramétricas aos dados de instrumentação de barragens a fim de desenvolver modelos capazes de estabelecer valores estatísticos de controle e previsões às séries temporais de leituras de instrumentos para a avaliação do desempenho futuro de uma barragem. Os modelos desenvolvidos foram testados e validados nos dados de instrumentos do trecho E da Usina Hidrelétrica de Itaipu Binacional, localizada no Rio Paraná, entre o Brasil e o Paraguai. Os resultados mostraram que o gráfico multivariado ???? das componentes principais combinado com os modelos ARIMAX-GARCH e técnicas não paramétricas permitem manter as taxas de falsos alarmes muito mais próximas do valor esperado em relação aos gráficos univariados e ???? multivariados, quando se presume normalidade nos dados. Além disso, a utilização de modelos híbridos, que combinam a decomposição Wavelet, a modelagem ARIMA-GARCH e Redes Neurais Artificiais pode melhorar o desempenho da previsão da série temporal da leitura de um instrumento comparativamente à utilização individualizada destas técnicas.

Abstract: Dams with instruments generate a huge base of data from the monitoring. However, data is not information, and then need to be work to obtain information. The correct interpretation and evaluation of the information contained in the data can be extremely useful for monitoring the operational period of a dam. The univariate and multivariate statistical quality control is an approach that can contribute to knowledge discovery in data dam monitoring instruments, especially when there is correlation and when there is no information on the behavior of time series of monitoring instruments. While univariate control charts are applied for nearly a century in the quality control of characteristics, multivariate proposals and models applied in dam safety still have few papers published and have proven to be promising. On the other hand, in the univariate case, the advance of computer technology has allowed the implementation of new techniques to model and make predictions in time series, in particular, the combination of techniques ARIMA models ARIMAX-GARCH, Wavelet decomposition and artificial neural networks has shown improved performance of the forecast. The main goal of this study is to apply univariate and multivariate statistics techniques, combined with other parametric and nonparametric techniques to dam instrumentation data to develop models able to establish statistical control values and forecast the time series of instrument readings for assessment of the future performance of a dam. The developed models have been tested and validated on data from instruments of the E section of the Binational Itaipu hydroelectric plant, located on the Paraná River, between Brazil and Paraguay. The results showed that the multivariate graphic ???? of the principal components combined with ARIMAX-GARCH and nonparametric techniques allows to maintain the rates of false alarms much closer of the expected value in relation to the univariate graphs and ???? multivariate, when data are assumed to be normal. Furthermore, the use of hybrid models that combine the Wavelet decomposition, ARIMA-GARCH modeling and artificial neural networks can improve time-series forecasting performance of an instrument reading compared to the individual use of these techniques.