XVIII Congresso Brasileiro de Automtica / 12 a 16-setembro-2010, Bonito-MS

ESTRATGIA PARA O ACOMPANHAMENTO ON-LINE DA SATISFAO DOS REQUISITOS DA NBR IEC 60601-2-
19 PARA MINIMIZAO DOS RISCOS EM UMA INCUBADORA NEONATAL

NDIA M. SANTOS1, FRANCISCO L. M. COSTA FILHO2, JOS O. BRITO NETO2, OTACLIO M. ALMEIDA2, ARTHUR
P. S. BRAGA2
2
Universidade Federal do Cear, Departamento de Engenharia Eltrica,
Grupo de Pesquisa em Automao e Robtica (GPAR)
Caixa Postal 6001, Campus Pici, Bloco 705 Cep: 60455-760 Fortaleza Cear
E-mails: fco_lincoln@hotmail.com,{jbritoneto,otacilio,arthurp}@dee.ufc.br

1
Instituto Federal de Educao, Cincia e Tecnologia do Estado do Piau (IFPI).
Campus Angical, Cep 64000-000, Angical do Piau, Piaui
E-mail: nadiaphb@gmail.com

Abstract The Brazilian Technical Standard NBR IEC 60.601-2-19 and its amendment # 1, the NBR IEC 60.601-2-19 of
2000, establish the requirements for newborns risk minimization in neonatal incubators and specify the tests for equipment
validation in agreement with these requirements. Such tests require periodic out of service of the equipment to verify if natural
deterioration throughout the time does not compromise its control system performance. This work presents a strategy for on-line
accompaniment of the equipment conditions in comparison to the model of the systems in the last calibration, aiming a more
efficient scheduling for the out of service tests in order to keep the neonate security and improve the use of the incubator in the
neonatal ICU. Tests were carried through in a prototype-incubator, adopting linear and nonlinear models. The best results to
satisfy the technical standard were obtained with the Artificial Neural Network (ANN) - type MLP.

Keywords System identification, neonate incubator, ARMAX, NARMAX and Artificial Neural Network.

Resumo A norma tcnica NBR IEC 60.601-2-19 e sua emenda n 1, a NBR IEC 60.601-2-19 de 2000, estabelecem os
requisitos para minimizar os riscos a recm-nascidos em incubadoras neonatais, bem como especifica os ensaios para verificar se
o equipamento est em conformidade com estes requisitos. Tais ensaios requerem a parada peridica do equipamento para
verificar se a deteriorao natural do mesmo ao longo do tempo no comprometeu seu sistema de controle. Visando tornar mais
eficiente o agendamento destas paradas para ensaio, mantendo a segurana dos neonatos e melhorando o aproveitamento da
incubadora na UTI neonatal, este trabalho apresenta uma estratgia para o acompanhamento on-line das condies do
equipamento em comparao ao modelo do sistema na ltima calibrao realizada. Foram realizados testes em uma incubadora-
prottipo, utilizando-se modelos lineares e no-lineares. Os melhores resultados, que satisfazem a norma tcnica, foram obtidos
com uma Rede Neural Artificial (RNA) do tipo MLP.

Palavras-chave Identificao de sistema, incubadora neonatal, ARMAX, NARMAX e Rede Neural Artificial.

1 Introduo que pode comprometer o desempenho de seus

sistemas de controle [Faria, 2001], e resultar em
danos graves ao recm-nascido, ou at mesmo seu
Incubadoras neonatais so utilizadas no tratamento
bito. A norma tcnica NBR IEC 601-2-19 e sua
de recm-nascidos muito sensveis e/ou com limitada
emenda n 1, a NBR IEC 60601-2-19 de 2000,
capacidade de reagir a situaes adversas [Barbosa e
estabelecem requisitos para incubadoras que
Oliveira, 2002], [Drguer Medical, 2007], [Silvado,
minimizam os riscos aos recm-nascidos, e
1993]. Segundo dados do Ministrio da Sade
especifica ensaios para verificar a conformidade com
[Ministrio de Sade, DataSus, 2010], no ano de
estes requisitos [ABNT, 1997]. Tais ensaios devem
2006, em nosso pas, mais de 60% dos bitos infantis
ser realizados periodicamente, envolvendo a medio
registrados na faixa de 0 (zero) a 1(um) ano
de grandezas ambientais (temperatura, umidade e
ocorreram nos primeiros 27 (vinte e sete) dias de
fluxo de ar) em pontos especifcos do interior da
vida perodo em que as incubadoras so uma das
cpula do equipamento, e conduzir calibrao do
mais importantes ferramentas para a reduo dos
mesmo em conformidade com as normas tcnicas.
riscos de mortalidade e de doenas adversas [Barbosa
Durante estes ensaios, a incubadora retirada de
e Oliveira, 2002], [Drguer Medical, 2007]. Tais
operao assim, fundamental planejar o
equipamentos devem produzir um ambiente higro-
agendamento para a realizao dos
trmico confortvel e saudvel para os recm-
ensaios/calibrao de forma a reduzir o tempo do
nascidos ao reduzir a perda de gua dos mesmos, e
equipamento fora da UTI neonatal, mas garantindo
aumentar o armazenamento de calor do neonato
seu funcionamento adequado.
atravs do controle da temperatura interna e da
A proposta deste trabalho possibilitar uma
umidade relativa (UR) dentro da cpula [Faria,
estratgia racional do agendamento dos ensaios ao
2001], [Silvado, 1993].
realizar o acompanhamento on-line das condies
Entretanto, as incubadoras neonatais, assim atuais da incubadora em relao sua ltima
como outros equipamentos eletromdicos, sofrem calibrao. Para tal, faz-se uso de tcnicas de
deteriorao de sua calibrao ao longo do tempo Identificao de Sistemas [Lung, 1987][Aguirre,

4873
XVIII Congresso Brasileiro de Automtica / 12 a 16-setembro-2010, Bonito-MS
2007][Coelho e Coelho, 2004], e Redes Neurais
Artificiais [Haykin, 2001], para levantar um modelo
do comportamento dinmico da temperatura e da
umidade aps a calibrao do equipamento, e utiliza-
se este modelo para acompanhar a deteriorao da
calibrao o equipamento pode ser retirado para
ensaios quando h divergncia considervel (dentro
das especificaes da norma tcnica [ABNT, 1997],
entre as medidas do sistema real e as geradas pelo
modelo.
A organizao deste trabalho segue a seguinte
distribuio de tpicos: a Seo 2 comenta a norma
NBR IEC 601-2-19 e sua emenda n 1, a NBR IEC
60601-2-19 de 2000; a Seo 3 descreve
resumidamente a incubadora-prottipo desenvolvida
e montada pelo Grupo de Pesquisa em Automao e
Robtica (GPAR) do DEE/UFC onde foram
realizados os ensaios prticos para a coleta dos dados
utilizados; a Seo 4 apresenta os modelos ARMAX,
NARMAX e a rede neural MLP utilizados para
identificar a dinmica da temperatura e umidade no
interior da incubadora; a Seo 5, traz os modelos
obtidos; e a Seo 6 apresenta as concluses e
comentrios finais.
2 A Norma NBR IEC 601-2-19
A norma NBR IEC 601-2-19 trata sobre
equipamentos eletromdicos, sendo que a parte 2,
especificamente, apresenta as prescries particulares
para a segurana de incubadoras para recm-
nascidos, sendo que esta complementa a norma
NBR IEC 601-1 (Equipamentos Eletromdicos
Prescries Gerais de Segurana). So 8 os
procedimentos definidos pela NBR IEC 601-2-19
para realizar os ensaios com a incubadora:
1 Procedimento: Verificar se a Temperatura
Ambiente(Tambi) est entre 21C e 26C.
2 Procedimento: Medir o tempo para que a
incubadora eleve sua temperatura interna 11C
acima da temperatura ambiente, sendo que esse
tempo no pode variar mais do que 20% do valor
indicado no manual da incubadora fornecido
pelo fabricante.
3 Procedimento: Medio do desvio de
temperatura em relao mdia.
4 Procedimento: Medio da sobrelevao e
estabilizao da temperatura.
5 Procedimento: Para a Temperatura de
Controle (Tcon=36C), deve ser verificado se esta
no varia acima de 1,5C em relao
Temperatura Mdia da Incubadora (Tmed).
6 Procedimento: A Temperatura da Incubadora
(Tinc) deve ser mantida durante uma hora, com
uma variao de 0,5C.
7 Procedimento: Medio da velocidade do
fluxo de ar.
4874
8 Procedimento: Medio da umidade relativa.
Estes procedimentos devem ser realizados aps
cada manuteno visando minimizar os riscos ao
neonato, por meio da deteco de falhas nas variveis
ambientais responsveis pelo conforto trmico do
mesmo e satisfazendo a preciso das medidas de
temperatura e umidade relacionadas na Tabela 1.
Tabela 1. Consideraes da norma sobre preciso nas medidas de
temperatura e umidade.
Requisito Preciso exigida pela norma
A leitura de medio da
temperatura no deve diferir da
temperatura da incubadora medida
Medio da temperatura por um termmetro-padro em
NBR IEC 601-2-19, Seo 8,
Item 50.101
mais de 0,8oC, menos o erro do
termmetropadro. O termme-
tropadro deve ter uma exatido
dentro de 0,05 oC.
Medio da umidade no Qualquer valor de umidade relativa
interior da incubadora indicado pela incubadora no deve
NBR IEC 601-2-19, Seo 8,
Item 50.110
diferir em 10% do valor medido
Assim, cumpridos os procedimentos e o
estabecido na Tabela 1, considera-se que a
incubadora neonatal esteja operando dentro dos
padres normais para as variveis ambientais
(temperatura, umidade e fluxo de ar) responsveis
pelo conforto trmico do paciente. Assim, o erro dos
modelos considerados neste trabalho (descritos na
Seo 4) para acompanhar a satisfao da NBR IEC
601-2-19 devem atender s consideraes da Tabela
1.
A prxima Seo apresenta o equipamento sobre
o qual foram feitos os ensaios, e que teve sua
dinmica modelada.
3 A Incubadora-Prottipo
A Figura 1, apresenta o prottipo de incubadora
neonatal contrudo no laboratrio GPAR do
DEE/UFC. A estrutura do prottipo em alumnio,
com a cpula em acrlico
Figura 1. Prtotipo de incubadora neonatal..
XVIII Congresso Brasileiro de Automtica / 12 a 16-setembro-2010, Bonito-MS
Abaixo da cpula esto acomodados os circuitos,
e os atuadores: um aquecedor resistivo (malha de
temperatura), um umidificador comercial adaptado
(malha de umidade) e um cooler (malha de
ventilao). A Figura 2 descreve o diagrama das trs
malhas de controle presentes no prottipo estas se
comunicam com o MATLAB atravs de uma
placa de aquisio de dados da National
Instruments (NI), com exceo da malha de
ventilao que foi ajustada para manter uma
velocidade de ventilao constante de
aproximadamente 0,35 m/s, de acordo com a NBR
IEC 601-2-19 [Drguer Medical, 2007].
Figura 2. Diagrama geral da incubadora neonatal.
Para isolar termicamente o interior da cpula do
compartimento que abriga os circuitos e os atuadores
h uma placa de cortia de 24 mm. Satisfazendo a
norma NBR IEC-60.601-2-19, sensores de
temperatura e umidade foram instalados no interior
da cpula a 10 cm da placa de cortia, e na sada de
ar da cpula (sensor F) (Figura 3). Os sensores B, C,
D, E, na Figura 3, so de temperatura, e o sensor A
de temperatura e umidade [ABNT, 199]. O sensor F,
posicionado na sada de ar da cpula, tambm um
sensor de temperatura e umidade.
Sensores LM35 (B, C, D, E) e
SHT75 (A) conforme a NBR
IEC 60.601-2-19
10cm
Base da
Sensor SHT75 (F) incubadora
temperatura e
umidade
Figura 3. Distribuio espacial dos sensores (A, B, C, D, E e F) no
prottipo.
Os sensores A E so previstos pela norma
[ABNT, 1997] durante os ensaios, porm no podem
permanecer nestes pontos durante a operao normal
do equipamento pois comprometeriam os movimento
do recm-nascido. O sensor F, no previsto pela
norma [ABNT, 1997], permanece na posio descrita
na Figura 3 tanto durante os ensaios quanto durante a
fase de operao normal do equipamento com o
neonato. As medidas obtidas com o sensor F sero
utilizadas para levantar um modelo dinmico da
4875
temperatura e da umidade no interior logo aps a
calibrao do sistema cpula durante, e estes
modelos sero utilizados durante a operao normal
do equipamente para identificar a deteriorao desta
calibragem. A prxima Seo descreve os modelos
considerados para identificao do sistema neste
trabalho.
4 Modelos de Identificao de Sistemas
A Identificao de Sistemas [Lung, 1987][Aguirre,
2007][ Coelho e Coelho, 2004] trata de tcnicas
alternativas modelagem fenomenolgica ao buscar
obter modelos matemticos a partir de dados
observados do processo, e no partindo
exclusivamente das equaes que descrevem a fsica
do processo. Neste trabalho, foram testados trs
diferentes modelos para descrever a dinmica da
incubadora (temperatura e umidade): o modelo linear
ARMAX [Coelho e Coelho, 2004], o modelo no-
linear NARMAX Polinomial [Aguirre, 2007], e a
Redes Neurais Artificiais MLP [Haykin, 2001]. As
subsees seguintes descrevem cada um destes
modelos.
4.1 Estrutura do Modelo Linear: ARMAX
O modelo com estrutura ARMAX (acrnimo em
ingls para modelo Auto-Regressivo com Mdias
Mveis e Entradas Exgenas) [Aguirre, 2007][
Coelho e Coelho, 2004] faz uso da auto-regresso
(AR), da varivel exgena B.u(t), que
estruturalmente compe o modelo ARX, e a mdia
mvel (MA). O modelo ARMAX similar ao
modelo ARX que usa uma seqncia de entradas
passadas e sadas filtradas, pelo prprio modelo.
Entretanto, o modelo ARMAX tambm filtra os erros
residuais visando uma melhor caracterizao das
perturbaes que esto entrando no sistema [Aguirre
2007].
Para sistemas SISO, a equao de diferenas do
ARMAX escrita da seguinte forma:
y(t)+a1.y(t1)+...+ana.y(tna) =
b1.u(t-1)+...+bnb.u(tnb)+e(t)+c1.e(t-1)+...
...+cnc.e(tnc) (1)
sendo:
t = ndice de tempo;
y (t 1) = sada em instantes anteriores;
u (t 1) = entrada em instantes anteriores;
e (t 1) = rudo branco em instantes anteriores;
na = nmero de coeficientes de a;
nb = nmero de coeficientes de b;
nc = nmero de coeficientes de c;
O modelo da Equao (1) pode ser re-escrito da
seguinte forma:
XVIII Congresso Brasileiro de Automtica / 12 a 16-setembro-2010, Bonito-MS
sendo:
A(q)y(t) = B(q)u(t) + C(q)e(t)
A(q) = 1 + a1q-1 +.. anaq-na
B(q) = b0 + b1q-1 +.. bnbq-nb
C(q) = 1 + c1q-1 +.. cncq-nc
Agrupando-se os parmetros do modelo
ARMAX em um vetor de parmetros () conforme
(2), tem-se que o ajuste do modelo ARMAX aos
dados do processo consiste em estimar um vetor
adequado.
= [a1 ... ana b1 ... bnb c1 ... cnc ]T
O Mtodo dos Mnimos Quadrados No-
Recursivo [Aguirre, 2007][ Coelho e Coelho, 2004]
foi utilizada na etapa de estimao dos parmetros do
modelo ARMAX, sendo todo o processo realizado
no modo off-line. Logo a expresso (7) representa o
estimador dos mnimos quadrados:
= [T . ]-1. T .Y
sendo o vetor de parmetros estimado, a matriz
de observao do modelo gerada por [y(t1) ... y(t
na) u(t1)... u(tnb) e(t1)... e(tnc)], e Y o vetor
de sada determinado por [y(0) y(1) y(2) ... y(N1)].
4.2 Estrutura do Modelo No-Linear: NARMAX
O modelo NARMAX (acrnimo em ingls para
modelo No-linear Auto-Regressivo com Mdias
Mveis e entrada eXgenas) [Aguirre 2007]. O
NARMAX surge como extenso estrutura
ARMAX para o caso no-linear, um modelo
discreto em que termos do rudo esto includos em
sua constituio. E trata-se de um modelo formado
por estruturas recorrentes, pois traz uma relao entre
as sadas futuras em funo dos valores dos sinais de
entrada e sadas passados.
Os modelos NARMAX podem ser representados
da seguinte forma:
l medida da importncia individual de cada termo na
y(t) = F [y(t1), ..., .y(tny), u(td),
..., u(tnu)e(t),e(t1), .,(tne)]
sendo F uma funo no-linear, ny, nu e ne os
maiores atrasos em y, u e e, respectivamente.
Entretanto, a determinao da funo F de grande
dificuldade. Neste trabalho, F foi aproximado por
uma funo vetorial polinomial de grau l, e tem-se
para o i-simo subsistema, exemplificada atravs da
equao abaixo [Aguirre 2007]:
n n n simo regressor consegue descrever. Na expresso
y(k)= 0 + x +
i1 i1 i1 i1xi1(k)xi2(k)+...
i1 i1 i2
n n
(2) ...+ ... x (k)+...+x (k)e(k)
i1 i1
i1 i1 i1 (9)
sendo n = ny + nu, x1 = y(k - 1), x2 = y(k - 2), ..., xny =
(3) y(k - ny), xny +1 = u(k - 1), , xn = u(k - nu) e so
(4) parmetros constantes. Ou seja, y(k) uma soma de
(5) termos com grau de no-linearidade m, com 1 m
l. Sendo que p o grau de y e q o grau de u num
dado termo, ento p + q = m l. O grau de no-
linearidade l do modelo polinomial corresponde ao
maior valor m dentre todos os termos do modelo.
Um fato interessante a ser notado no modelo
NARMAX Polinomial [Aguirre 2007] que apesar
de ser um modelo no-linear nas variveis, ele
(6) linear nos parmetros, conseqentemente a estimao
de seus parmetros pode ser resolvida pelo Mtodo
dos Mnimos Quadrados. Na modelagem no-linear o
procedimento de estimao pode ser implementado
simultaneamente com um esquema de deteco de
estrutura.
Este trabalho utiliza um algoritmo de mnimos
quadrados ortogonais, conhecido como mtodo
Modificado de Gram-Schmidt [Aguirre 2007], na
(7) estimao dos parmetros.
Sendo uma matriz ortogonal de dimenso
N x n com posto pleno de colunas, ela pode ser
decomposta em [Aguirre, 2007]:
=Q.R (10)
onde R uma matriz triangular superior com
dimenso n x n e diagonal com nmeros 1. E Q
uma matriz ortogonal (QT. Q=D) com dimenso N x
n , sendo D uma matriz diagonal, definida positiva.
Temos, ento, na expresso (11) o mtodo clssico
de Gram-Schmidt.
R = D-1 . QT.Y (11)
J o mtodo modificado de Gram-Schmidt
objetiva resolver problemas de sensibilidade a mal-
condicionamento observados no mtodo clssico
[Aguirre, 2007].
Como mtodo para auxiliar na seleo de
estrutura, utilizou-se o ERR (acrnimo em ingls
para Taxa de Reduo de Erro). A ERR uma
(8) modelagem. Quanto maior for a ERR de um termo,
maior a sua importncia para o modelo [Ljung,
1987]. A Taxa de Reduo de Erro ento definida
como:
uuruur
gi2 wi , wi ,
[ Err ] i = uurur (12)
y, y
esta representa a frao de sada que a incluso do i-
(12) tem-se que wi so ortogonais sobre os dados, ou
seja, w i , w j = 0, portanto wi =[wi(1) ... wi(N)]T. E
4876
XVIII Congresso Brasileiro de Automtica / 12 a 16-setembro-2010, Bonito-MS
tomando o valor mdio sobre os dados tem-se
y,y . Se o i-simo regressor for acrescentado ao
modelo, a parcela de y,y que passa a explicar
gi2 wi , wi .
4. 3 Estrutura do Modelo Conexionista: Rede Neural
Artificial
A Rede Neural Artificial utilizada neste
trabalho para fazer a identificao da dinmica da
incubadora uma rede MLP (acrnimo em ingls
para Perceptron de Mltiplas Camadas) [Haykin
2001]. A Figura 4 ilustra a arquitetura de uma rede
MLP: os neurnios esto dispostos em camadas que
se conectam densamente aos neurnios da camada
seguinte, formando uma configurao em cascata. A
primeira camada a camada de entrada (input
layer), seguida pela(s) camada(s) intermediria(s)
(hidden layers) e a ltima camada a camada de
sada (output layer) [Haykin 2001].
Figura 4. Diagrama geral de um rede MLP (baseado em Haykin
2001).
A conexo entre dois neurnios i e j, quaisquer e
de camadas vizinhas, possui um peso wij. A rede
aprende a realizar o mapeamentos entre entrada-sada
ajustando estes pesos de forma que a sada da rede
reproduza o conjunto de treinamento apresentado
[Haykin 2001]. O algoritmo backpropagation, ou de
retropropagao de erro,. o utilizado neste trabalho
para treinamento da rede MLP, e funciona de acordo
com as seguintes etapas [Haykin 2001]:
Inicializao dos pesos: todos os pesos devem
ser inicializados com valores pequenos. Sugere-
se que a inicializao de pesos seja feita a partir
de uma distribuio com mdia zero e cuja
varincia faa com que o desvio-padro dos
campos locais de induo dos neurnios fique na
faixa de transio entre a parte linear e a parte
saturada da funo de ativao sigmoidal;
Apresentao dos exemplos de treinamento:
para cada par entrada sada desejada, (x(n),
d(n)), do conjunto de treinamento, realiza-se a
seqncia de processamento das etapas de
propagao para a frente (forward), e de
propagao do erro para trs (backward), que
so descritas a seguir.
Propagao para a frente: para o clculo do
4877
erro na sada da rede, apresenta-se um vetor de
entrada x(n) camada de entrada e deseja-se um
vetor resposta desejada d(n) na sada. A sada
real da rede o vetor y(n) obtido na camada de
sada, e o erro entre sada desejada e sada real
dada por:
e = d(n) - y(n) (13)
O clculo dos campos locais induzidos, camada
por camada definido por:
m
vk(l)(n)= w
i=0
ji
(l)
(n) yi(l 1)(n) (14)
onde yi(l - 1)(n) sada do neurnio i na camada
anterior l 1, na iterao n; wji(l)(n) o peso
sinptico do neurnio j da camada l, que
alimentado pelo neurnio i da camada l 1; e
sendo i = 0, tem-se y0(l-1)(n) = +1 e wj0(l)(n) =
bj(l)(n) que o bias aplicado ao neurnio j na
camada l;
Retropropagao do erro: para retropropagar o
erro calculando-se os gradientes locais j(l)(n).
Para o neurnio j da camada de sada L tem-se a
expresso (15), e para o neurnio j da camada
oculta l, a expresso (16):
j(l)(n) = ej(L)(n)j(vj(L)(n)) (15)
j(l)(n) = j(vj(l)(n)) k
(l + 1)
(n)wkj(l+1)(n) (16)
k
Atualizao dos pesos da rede: pode ser
calculada em funo dos gradientes locais,
constitudo por:
wji(l)(n+1) = wji(l) + j(l)(n)yi(l-1)(n) (17)
sendo o parmetro da taxa de aprendizagem.
Estas etapas so repetidas para todos os pares
(x(n), d(n)) do conjunto de treinamento. Os exemplos
do conjunto de treinamento so apresentados rede
at que seja satisfeito um critrio de parada. Alguns
critrios comumente utilizados para parada do
treinamento da rede so: (i) o vetor gradiente g(w)
(derivada parcial de primeira ordem) da superfcie de
erro em relao ao vetor de peso w ser zero, (ii) taxa
de variao do erro mdio quadrtico
suficientemente pequena (no intervalo de 0,1 a 1 por
cento, por poca), e (iii) o desempenho de
generalizao for adequado, ou quando ficar aparente
que o desempenho de generalizao atingiu o
mximo.
XVIII Congresso Brasileiro de Automtica / 12 a 16-setembro-2010, Bonito-MS

5 Experimentos e Resultados pode-se obter os coeficientes para correo da leitura

dos sensores A E previstos pela norma NBR IEC
A Figura 5 mostra os sinais de controle da malha de 60.601-2-19.
temperatura, P(t), e da malha de umidade, S(t), Entretanto, para se ter uma maior confiabilidade
utilizados para coletar os dados apresentados aos nas medies de temperatura, faz-se necessrio a
modelos descritos na Seo anterior. calibrao dos mesmos utilizando um medidor
Aodecontrolenaresistncia
referncia padro apropriado, que possua uma
1
incerteza mxima de 0,1C, tendo em vista que a
0.8
tolerncia exigida pela norma de 0,5C
[Gonalves 2004].
duty cycle - PWM

0.6 Para a calibrao referente ao sensor de umidade

(sensor F), a incerteza da medio foi calculada pela
0.4
soma quadrtica da incerteza herdada do padro local
0.2 e do erro relativo a esta aps a correo, resultando
em 10% da umidade relativa.
A Subseo 5.1 apresenta e discute os
0
1000 2000 3000 4000 5000 6000 7000 8000 9000
tempo(segundos)
resultados obtidos para os modelos da temperatura e
Aodecontrolenoumidificador umidade com o ARMAX, NARMAX e a MLP. As
1
distribuies do erro entre os modelos testados e os
0.8
dados reais coletados sero analisadas para
selecionar o modelo mais promissor.
duty cycle - PWM

0.6
5.1 Modelando a dinmica da temperatura e da
0.4
umidade
0.2
A Figura 6 apresenta os dados utilizados para
0
treinamento e validao dos modelos.
1000 2000 3000 4000 5000 6000 7000 8000 9000
Temperaturanosensor F
tempo(segundos) 45

Figura 5. Ensaios realizados com a incubadora: sinais de controle 40

aplicados na incubadora para gerar os dados de treinamento e
validao.
oC

35

A aquisio dos dados corresponde s 30

informaes dos 5 (cinco) sensores presentes no

interior da cpula do equipamento conforme a NBR 25
1000 2000 3000 4000 5000
tempo(segundos)
6000 7000 8000 9000

IEC 60.601-2-19 (ver sensores A E na Figura 3), e

o sensor F (Figura 3) posicionado na sada de ar. 110
Umidadenosensor F

Essas medidas foram realizadas sem a presena do 100

recm-nascido na incubadora neonatal, com gua no 90

reservatrio de umidificao. A temperatura 80

UR

ambiente do local onde foram realizadas as medidas 70

de temperatura e umidade girava em torno de 25C,

60

50
em conformidade com a norma NBR IEC 60.601-2- 40
19. 1000 2000 3000 4000 5000
tempo(segundos)
6000 7000 8000 9000

Durante 150 (cento e cinqenta) minutos foram Figura 6. Dados coletados a partir de sinais da Figura 5.
coletados dados para realizar a modelagem do
sistema: os dados referentes aos 100 primeiros Como critrio para comparar os trs modelos
minutos foram selecionados para realizar a gerados (ARMAX, NARMAX e MLP), adotou-se a
identificao do processo (dinmica da temperatura e anlise da distribuio do erro dos modelos da
da umidade), e os dados referentes aos 50 minutos temperatura e da umidade em comparao com os
finais foram utilizados para validao dos modelos. dados coletados. A Figura 7 exibe a distribuio do
Como durante a operao normal da incubadora erro dos modelos nos conjuntos de treinamento e
apenas o sensor F (Figura 3) permanece no validao da temperatura. Observa-se nesta Figura
equipamento, os modelos levantados estimam a que o erro mdio aproximadamente nulo para os
temperatura e a umidade neste ponto no instante t+1, trs modelos nos dados do conjunto de treinamento
T(t+1) e U(t+1), a partir de T(t), T(t-1), U(t), U(t-1), comportamento esperado, uma vez que os modelos
P(t) e S(t). foram ajustados para estes dados. Quanto ao desvio
A incerteza da medio absoluta de cada sensor padro, o modelo ARMAX o que exibe maior
de temperatura foi calculada pela soma quadrtica desvio padro, o que aponta para a existncia de no-
entre o erro relativo ao sensor F e a incerteza de linearidades na malha de temperatura que este
medio do sensor F, especificado pelo fabricante. E modelo linear no consegue acompanhar. E o modelo
observa-se que a partir da calibrao do sensor F, NARMAX que exibe o menor desvio padro

4878
XVIII Congresso Brasileiro de Automtica / 12 a 16-setembro-2010, Bonito-MS

demonstrado que o mesmo consegue representar toda Comparao entre modelos (UMIDADE) - dados de treinamento
4
a no-lineariedade da malha de temperatura.
3

Comparao entre modelos (TEMPERATURA) - dados de treinamento 2

2.5
1

erro (UMIDADE)
2
0
1.5
-1
erro (TEMPERATURA)

1
-2
0.5
-3
0
-4
-0.5 ARMAX NARMAX MLP

(a)
-1
Comparao entre modelos (UMIDADE) - dados de validacao

-1.5
30

-2
ARMAX NARMAX MLP 25

(a) 20

erro (UMIDADE)
Comparao entre modelos (TEMPERATURA) - dados de validao
40 15

35
10
30
5
erro (TEMPERATURA)

25

0
20

15 ARMAX NARMAX MLP

10 (b)

5 Figura 8. Comparao da distribuio do erro dos modelos de

0 do conjunto de validao.
-5
ARMAX
Figura 7. Comparao da distribuio do erro dos modelos de
temperatura utilizados: (a) erro no conjunto de treinamento. (b)
erro do conjunto de validao.
Ainda na Figura 7, observa-se que dos modelos
no-lineares a MLP foi que apresentou menor desvio
padro. No conjunto de validao, apenas o ARMAX
apresentou um erro mdio aproximadamente nulo,
seguido da MLP com um erro mdio de 0,2300, e o
NARMAX que exibiu o maior erro mdio: 1,395
com o surgimento de dados esprios. O desvio
padro do erro no modelo ARMAX continua a ser o
maior dos trs modelos testados no conjunto de
validao.
A Figura 8 exibe a distribuio do erro dos
modelos nos conjuntos de treinamento e validao da
umidade. Os resultados para os conjuntos de
treinamento e validao da umidade guardam
semelhana com as observaes realizadas para os
conjuntos de treinamento e validao da temperatura.
No conjunto de validao da umidade observa-se os
seguintes erros mdios: 2,1422 (ARMAX), 1,90688
(NARMAX) com o surgimento de dados esprios, e
1,0841 (MLP). A MLP tambm apresentou o menor
desvio-padro entre os modelos: 0,0161.
umidade utilizados: (a) erro no conjunto de treinamento. (b) erro
NARMAX MLP
A partir do apresentado, para os ensaios
(b) realizados, a MLP exibiu os melhores resultados.
Estes resultados obtidos com a MLP satisfazem as
consideraes da norma sobre preciso nas medidas
de temperatura e umidade conforme descrito na
Tabela 1.
6 Concluses
A proposta do uso de modelos ARMAX,
NARMAX e de Redes Neurais Artificiais [Lung,
1987][Aguirre, 2007][Coelho e Coelho, 2004],
[Haykin, 2001] para o acompanhamento on-line da
deteriorao da calibragem de incubadoras neonatais
obedecendo a NBR IEC 601-2-19 permite
estabelecer uma estratgia racional para o
agendamento dos ensaios estabelecidos na norma
tcnica: agendar os ensaios a partir do aumento do
erro entre os valores do modelo e os dados lidos no
sensor.
Alm desta aplicao, o uso de modelos de
previso em incubadoras procurando demonstrar a
incerteza obtida permitindo ter uma noo de como
est o sistema de medio e controle temperatura e
de umidade relativa da incubadora. No o ideal,
mas permite um certo nvel de avaliao.
Dado o exposto, conclui-se que o prottipo
construdo uma ferramenta til para testar os

4879
XVIII Congresso Brasileiro de Automtica / 12 a 16-setembro-2010, Bonito-MS

sistemas de alarme j existentes nas incubadoras
comerciais [Infante, 1992], [Abbas e Leonhardt,
2008], permitindo estimar com antecedncia, a partir
de um modelo dinmico, a possibilidade de situaes
como: temperatura fora dos limites desejados,
deficincias no aquecedor e/ou na circulao de ar no
equipamento.
Dos ensaios apresentados, o modelo obtido com
a rede MLP [Haykin, 2001] mostrou-se o mais
promissor por ter sido o de menor desvio padro em
todos os experimentos.
A partir da experincia obtida com este primeiro
trabalho pretende-se contribuir com o aumento da
eficincia e segurana na utilizao de tais
equipamentos eletromdicos, consequentemente
trazer mais segurana no tratamento dos recm-
nascidos, j que estes so pacientes muito especiais.
Espera-se com isso, que dispositivos para
avaliar a funcionalidade de incubadoras possam ser
desenvolvidos, devido a no disponibilidade de
aparelhos deste tipo no mercado brasileiro [Oliveira,
2007].
Agradecimentos
Os autores agradecem o suporte financeiro da
Fundao Cearense de Apoio ao Desenvolvimento
Cientfico e Tecnolgico (FUNCAP) e da
Coordenao de Aperfeioamento de Pessoal de
Nvel Superior (CAPES), atravs do projeto
MINTER com o Instituto Federal de Educao,
Cincia e Tecnologia do Piau.
Faria, R. A., Desenvolvimento de uma Incubadora
NeoNatal Microprocessada de Acordo com as
Normas Tcnicas NBR-IEC-601-5-19, 2001.
Gonalves, Armando A.; 2004. Apostila de
Metrologia. Florianpolis: LABMETRO -
UFSC.
Haykin, S. Redes Neurais Princpios e Prtica,
2001,2 edio; Bookman.
Infante, O., Control de temperatura para incubadoras
de neonatos com alarmas y comunicacin para
control supervisiorio. Rev. Mx, Ing, Bion, n
13, 1992.
Ljung, L., System Identification: theory for the user,
Prentice-Hall Inc., Englewood Cliffs, New
Jersey, 1987.
MatLab - Reference Guide. Mathworks, 1996.
Ministrio da Sade, DataSus Tecnologia da
Informao a servio do SUS. Fonte:
http://tabnet.datasus.gov.br/cgi/deftohtm.exe?si
m/cnv/infuf.def.
Acesso: 14.02.2010.
Oliveira, Mrio A. Sistema de ensaio de desempenho
de incubadora neonatal. Florianpolis, 2007.
Dissertao (Mestrado em Engenharia Eltrica)
Centro Tecnolgico, Universidade Federal de
Santa Catarina (UFSC).
Silvado, J. Incubadoras. Revista Mdica de So
Paulo / Jornal Prtico de Medicina, Cirurgia e
Higiene, So Paulo, v.6, n.7, p 1-10, abr. 1993.

Referncias Bibliogrficas

Abbas K. A., Leonhardt, S. System Identification of

Neonatal Incubator based on Adaptive ARMAX
Technique. 2008. Proceedings of 4th European
Conference of the International Federation for
Medical and Biological Engineering
ECIFMBE 2008. Antwerp, Blgica.
Aguirre, Luis Antonio. Introduo identificao de
sistemas: tcnicas lineares e no-lineares
aplicadas a sistemas reias. UFMG. ISBN 85-
7041-220-7. 3 Edio Revista e Ampliada,
2007.
Associao Brasileira De Normas Tcnicas. 1997.
Equipamento Eletromdico Parte 2:
Prescries particulares para segurana de
incubadoras de recm-nascidos, NBR IEC
60601-2-19. Rio de Janeiro.
Barbosa, A.C.; Oliveira, I.C.S. O advento das
incubadoras no exterior e no Brasil: um ensaio
histrico. Pediatria Atual, Rio de Janeiro, v.15,
n.6, Jun, 2002.
Coelho, A. A. R. e Coelho, L. S. Identificao de
sistemas Dinmicos Lineares. Editora da UFSC.
2004.
Drguer Medical. Manual do Usurio de Incubadora
Neonatal, So Paulo, 2007.

4880