Professional Documents
Culture Documents
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.
4873
XVIII Congresso Brasileiro de Automtica / 12 a 16-setembro-2010, Bonito-MS
4874
XVIII Congresso Brasileiro de Automtica / 12 a 16-setembro-2010, Bonito-MS
Abaixo da cpula esto acomodados os circuitos, temperatura e da umidade no interior logo aps a
e os atuadores: um aquecedor resistivo (malha de calibrao do sistema cpula durante, e estes
temperatura), um umidificador comercial adaptado modelos sero utilizados durante a operao normal
(malha de umidade) e um cooler (malha de do equipamente para identificar a deteriorao desta
ventilao). A Figura 2 descreve o diagrama das trs calibragem. A prxima Seo descreve os modelos
malhas de controle presentes no prottipo estas se considerados para identificao do sistema neste
comunicam com o MATLAB atravs de uma trabalho.
placa de aquisio de dados da National
Instruments (NI), com exceo da malha de
ventilao que foi ajustada para manter uma 4 Modelos de Identificao de Sistemas
velocidade de ventilao constante de
aproximadamente 0,35 m/s, de acordo com a NBR A Identificao de Sistemas [Lung, 1987][Aguirre,
IEC 601-2-19 [Drguer Medical, 2007]. 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-
Figura 2. Diagrama geral da incubadora neonatal. linear NARMAX Polinomial [Aguirre, 2007], e a
Redes Neurais Artificiais MLP [Haykin, 2001]. As
Para isolar termicamente o interior da cpula do subsees seguintes descrevem cada um destes
compartimento que abriga os circuitos e os atuadores modelos.
h uma placa de cortia de 24 mm. Satisfazendo a
norma NBR IEC-60.601-2-19, sensores de 4.1 Estrutura do Modelo Linear: ARMAX
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, O modelo com estrutura ARMAX (acrnimo em
D, E, na Figura 3, so de temperatura, e o sensor A ingls para modelo Auto-Regressivo com Mdias
de temperatura e umidade [ABNT, 199]. O sensor F, Mveis e Entradas Exgenas) [Aguirre, 2007][
posicionado na sada de ar da cpula, tambm um Coelho e Coelho, 2004] faz uso da auto-regresso
sensor de temperatura e umidade. (AR), da varivel exgena B.u(t), que
estruturalmente compe o modelo ARX, e a mdia
Sensores LM35 (B, C, D, E) e mvel (MA). O modelo ARMAX similar ao
SHT75 (A) conforme a NBR modelo ARX que usa uma seqncia de entradas
IEC 60.601-2-19
passadas e sadas filtradas, pelo prprio modelo.
10cm 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:
Base da y(t)+a1.y(t1)+...+ana.y(tna) =
Sensor SHT75 (F) incubadora b1.u(t-1)+...+bnb.u(tnb)+e(t)+c1.e(t-1)+...
temperatura e
umidade ...+cnc.e(tnc) (1)
sendo:
Figura 3. Distribuio espacial dos sensores (A, B, C, D, E e F) no
prottipo. t = ndice de tempo;
4875
XVIII Congresso Brasileiro de Automtica / 12 a 16-setembro-2010, Bonito-MS
n n
sendo:
A(q)y(t) = B(q)u(t) + C(q)e(t) (2) ...+ ... x (k)+...+x (k)e(k)
i1 i1
i1 i1 i1 (9)
4.2 Estrutura do Modelo No-Linear: NARMAX 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
O modelo NARMAX (acrnimo em ingls para n , sendo D uma matriz diagonal, definida positiva.
modelo No-linear Auto-Regressivo com Mdias Temos, ento, na expresso (11) o mtodo clssico
Mveis e entrada eXgenas) [Aguirre 2007]. O de Gram-Schmidt.
NARMAX surge como extenso estrutura
ARMAX para o caso no-linear, um modelo R = D-1 . QT.Y (11)
discreto em que termos do rudo esto includos em
sua constituio. E trata-se de um modelo formado J o mtodo modificado de Gram-Schmidt
por estruturas recorrentes, pois traz uma relao entre objetiva resolver problemas de sensibilidade a mal-
as sadas futuras em funo dos valores dos sinais de condicionamento observados no mtodo clssico
entrada e sadas passados. [Aguirre, 2007].
Os modelos NARMAX podem ser representados Como mtodo para auxiliar na seleo de
da seguinte forma: estrutura, utilizou-se o ERR (acrnimo em ingls
para Taxa de Reduo de Erro). A ERR uma
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)] (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
sendo F uma funo no-linear, ny, nu e ne os
como:
maiores atrasos em y, u e e, respectivamente.
Entretanto, a determinao da funo F de grande uuruur
dificuldade. Neste trabalho, F foi aproximado por gi2 wi , wi ,
uma funo vetorial polinomial de grau l, e tem-se [ Err ] i = uurur (12)
para o i-simo subsistema, exemplificada atravs da y, y
equao abaixo [Aguirre 2007]:
esta representa a frao de sada que a incluso do i-
n n n simo regressor consegue descrever. Na expresso
y(k)= 0 + x +
i1 i1 i1 i1xi1(k)xi2(k)+... (12) tem-se que wi so ortogonais sobre os dados, ou
i1 i1 i2 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 erro na sada da rede, apresenta-se um vetor de
y,y . Se o i-simo regressor for acrescentado ao entrada x(n) camada de entrada e deseja-se um
vetor resposta desejada d(n) na sada. A sada
modelo, a parcela de y,y que passa a explicar
real da rede o vetor y(n) obtido na camada de
gi2 wi , wi . sada, e o erro entre sada desejada e sada real
dada por:
A Rede Neural Artificial utilizada neste O clculo dos campos locais induzidos, camada
trabalho para fazer a identificao da dinmica da por camada definido por:
incubadora uma rede MLP (acrnimo em ingls
para Perceptron de Mltiplas Camadas) [Haykin m
2001]. A Figura 4 ilustra a arquitetura de uma rede
MLP: os neurnios esto dispostos em camadas que
vk(l)(n)= w
i=0
ji
(l)
(n) yi(l 1)(n) (14)
se conectam densamente aos neurnios da camada
seguinte, formando uma configurao em cascata. A onde yi(l - 1)(n) sada do neurnio i na camada
primeira camada a camada de entrada (input anterior l 1, na iterao n; wji(l)(n) o peso
layer), seguida pela(s) camada(s) intermediria(s) sinptico do neurnio j da camada l, que
(hidden layers) e a ltima camada a camada de alimentado pelo neurnio i da camada l 1; e
sada (output layer) [Haykin 2001]. 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):
Figura 4. Diagrama geral de um rede MLP (baseado em Haykin
2001). j(l)(n) = j(vj(l)(n)) k
(l + 1)
(n)wkj(l+1)(n) (16)
k
A conexo entre dois neurnios i e j, quaisquer e
de camadas vizinhas, possui um peso wij. A rede Atualizao dos pesos da rede: pode ser
aprende a realizar o mapeamentos entre entrada-sada calculada em funo dos gradientes locais,
ajustando estes pesos de forma que a sada da rede constitudo por:
reproduza o conjunto de treinamento apresentado
[Haykin 2001]. O algoritmo backpropagation, ou de wji(l)(n+1) = wji(l) + j(l)(n)yi(l-1)(n) (17)
retropropagao de erro,. o utilizado neste trabalho
para treinamento da rede MLP, e funciona de acordo sendo o parmetro da taxa de aprendizagem.
com as seguintes etapas [Haykin 2001]:
Estas etapas so repetidas para todos os pares
Inicializao dos pesos: todos os pesos devem (x(n), d(n)) do conjunto de treinamento. Os exemplos
ser inicializados com valores pequenos. Sugere- do conjunto de treinamento so apresentados rede
se que a inicializao de pesos seja feita a partir at que seja satisfeito um critrio de parada. Alguns
de uma distribuio com mdia zero e cuja critrios comumente utilizados para parada do
varincia faa com que o desvio-padro dos treinamento da rede so: (i) o vetor gradiente g(w)
campos locais de induo dos neurnios fique na (derivada parcial de primeira ordem) da superfcie de
faixa de transio entre a parte linear e a parte erro em relao ao vetor de peso w ser zero, (ii) taxa
saturada da funo de ativao sigmoidal; de variao do erro mdio quadrtico
Apresentao dos exemplos de treinamento: suficientemente pequena (no intervalo de 0,1 a 1 por
para cada par entrada sada desejada, (x(n), cento, por poca), e (iii) o desempenho de
d(n)), do conjunto de treinamento, realiza-se a generalizao for adequado, ou quando ficar aparente
seqncia de processamento das etapas de que o desempenho de generalizao atingiu o
propagao para a frente (forward), e de mximo.
propagao do erro para trs (backward), que
so descritas a seguir.
Propagao para a frente: para o clculo do
4877
XVIII Congresso Brasileiro de Automtica / 12 a 16-setembro-2010, Bonito-MS
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
35
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
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
10 (b)
4879
XVIII Congresso Brasileiro de Automtica / 12 a 16-setembro-2010, Bonito-MS
sistemas de alarme j existentes nas incubadoras Faria, R. A., Desenvolvimento de uma Incubadora
comerciais [Infante, 1992], [Abbas e Leonhardt, NeoNatal Microprocessada de Acordo com as
2008], permitindo estimar com antecedncia, a partir Normas Tcnicas NBR-IEC-601-5-19, 2001.
de um modelo dinmico, a possibilidade de situaes Gonalves, Armando A.; 2004. Apostila de
como: temperatura fora dos limites desejados, Metrologia. Florianpolis: LABMETRO -
deficincias no aquecedor e/ou na circulao de ar no UFSC.
equipamento. Haykin, S. Redes Neurais Princpios e Prtica,
Dos ensaios apresentados, o modelo obtido com 2001,2 edio; Bookman.
a rede MLP [Haykin, 2001] mostrou-se o mais Infante, O., Control de temperatura para incubadoras
promissor por ter sido o de menor desvio padro em de neonatos com alarmas y comunicacin para
todos os experimentos. control supervisiorio. Rev. Mx, Ing, Bion, n
A partir da experincia obtida com este primeiro 13, 1992.
trabalho pretende-se contribuir com o aumento da Ljung, L., System Identification: theory for the user,
eficincia e segurana na utilizao de tais Prentice-Hall Inc., Englewood Cliffs, New
equipamentos eletromdicos, consequentemente Jersey, 1987.
trazer mais segurana no tratamento dos recm- MatLab - Reference Guide. Mathworks, 1996.
nascidos, j que estes so pacientes muito especiais. Ministrio da Sade, DataSus Tecnologia da
Espera-se com isso, que dispositivos para Informao a servio do SUS. Fonte:
avaliar a funcionalidade de incubadoras possam ser http://tabnet.datasus.gov.br/cgi/deftohtm.exe?si
desenvolvidos, devido a no disponibilidade de m/cnv/infuf.def.
aparelhos deste tipo no mercado brasileiro [Oliveira, Acesso: 14.02.2010.
2007]. Oliveira, Mrio A. Sistema de ensaio de desempenho
de incubadora neonatal. Florianpolis, 2007.
Dissertao (Mestrado em Engenharia Eltrica)
Agradecimentos Centro Tecnolgico, Universidade Federal de
Santa Catarina (UFSC).
Os autores agradecem o suporte financeiro da Silvado, J. Incubadoras. Revista Mdica de So
Fundao Cearense de Apoio ao Desenvolvimento Paulo / Jornal Prtico de Medicina, Cirurgia e
Cientfico e Tecnolgico (FUNCAP) e da Higiene, So Paulo, v.6, n.7, p 1-10, abr. 1993.
Coordenao de Aperfeioamento de Pessoal de
Nvel Superior (CAPES), atravs do projeto
MINTER com o Instituto Federal de Educao,
Cincia e Tecnologia do Piau.
Referncias Bibliogrficas
4880