Sistema especialista protótipo para diagnóstico de falhas em equipamentos de infusão

Abstract

A partir do avanço da medicina no desenvolvimento de medicamentos cada vez mais potentes e que exigem uma dose controlada, faz-se necessário desenvolver sistemas que visam o aumento da confiabilidade durante a infusão de tais medicamentos. Para tal, Inteligência Artificial tornou-se uma área bastante difundida na detecção de falhas, recebendo diversos avanços que, quando aplicados, podem auxiliar o profissional de saúde durante o mau funcionamento do equipamento. Motivado pela redução de falhas em um sistema de infusão, este trabalho estuda as principais falhas e possíveis sintomas que podem ser diagnosticados a partir do sinal de componentes típicos de um sistema de infusão como: sensor de pressão, sensor de contagem de gotas e sensor de presença de bolhas de ar. Com isso, um Sistema Especialista (SE) é proposto a fim de monitorar a infusão e interpretar os sintomas de falha, realizando inferências sobre os sinais monitorados. Os sinais dos sensores e as falhas são gerados pelo SE, sendo estas, detectadas através da Verificação de Limites e pelo Teste Sequencial de Razão de Probabilidade (SPRT). Para este trabalho foram estudados 6 tipos de falhas com 2 diferentes tempos de início. O diagnóstico foi baseado em uma Análise de Árvore de Falhas (FTA) também apresentada neste trabalho. Para a validação do trabalho, profissionais da área da saúde testaram o SE a fim de verificar a consistência das causas geradas conforme sintomas do sistema.

Abstract : From the advancement of medicine in the development of powerful drugs requiring a controlled dose, it is necessary to develop systems that aim to increase the reliability during the infusion of such drugs. For this, Artificial Intelligence has become a widespread area in the detection of failures, receiving several advances that, when applied, can assist the health professional during the malfunction of the equipment. Motivated by the reduction of failures in an infusion system, this work studies the main faults and possible symptoms that can be diagnosed from the signal of typical components of an infusion system like: pressure sensor, drop counter sensor and air bubble sensor. Thus, an Expert System (SE) is proposed in order to monitor the infusion and interpret the symptoms of failure, making inferences about the monitored signals. Sensor signals and faults are generated by the SE, which are detected through the Limit Check and the Sequential Probability Ratio Test (SPRT). For this work 6 types of failures were studied with 2 different start times. The diagnosis was based on a Fault Tree Analysis (FTA) also presented in this work. For the validation of the work, health professionals tested the SE in order to verify the consistency of the causes generated according to system symptoms.