p Você já ligou um aspirador de pó, apenas para desligá-lo sem aviso antes de terminar o trabalho? Ou talvez a luminária de sua mesa funcione bem, até ligar o ar condicionado que está conectado ao mesmo filtro de linha. p Essas interrupções são provavelmente "viagens incômodas, "em que um detector instalado atrás da parede aciona o circuito elétrico de uma tomada quando detecta algo que pode ser uma falha de arco - uma faísca potencialmente perigosa na linha elétrica.

p O problema com os detectores de falha de arco de hoje, de acordo com uma equipe de engenheiros do MIT, é que muitas vezes erram por serem excessivamente sensíveis, desligar a energia de uma tomada em resposta a sinais elétricos que são realmente inofensivos.

p Agora a equipe desenvolveu uma solução que eles estão chamando de "tomada elétrica inteligente, "na forma de um dispositivo que pode analisar o uso de corrente elétrica de uma única ou várias tomadas, e pode distinguir entre arcos benignos - picos elétricos inofensivos, como aqueles causados ​​por eletrodomésticos comuns - e arcos perigosos, como faíscas que resultam de fiação defeituosa e podem levar a um incêndio. O dispositivo também pode ser treinado para identificar o que pode estar conectado a uma tomada específica, como um ventilador versus um computador desktop.

p O design da equipe compreende hardware personalizado que processa dados de corrente elétrica em tempo real, e software que analisa os dados por meio de uma rede neural - um conjunto de algoritmos de aprendizado de máquina inspirados no funcionamento do cérebro humano.

p Nesse caso, o algoritmo de aprendizado de máquina da equipe é programado para determinar se um sinal é prejudicial ou não, comparando um sinal capturado a outros que os pesquisadores usaram anteriormente para treinar o sistema. Quanto mais dados a rede é exposta, quanto mais precisamente ele pode aprender "impressões digitais" características usadas para diferenciar o bom do mau, ou mesmo para distinguir um aparelho do outro.

p Joshua Siegel, um cientista pesquisador no Departamento de Engenharia Mecânica do MIT, diz que a tomada elétrica inteligente é capaz de se conectar a outros dispositivos sem fio, como parte da "internet das coisas" (IoT). Em última análise, ele imagina uma rede generalizada na qual os clientes podem instalar não apenas uma tomada elétrica inteligente em suas casas, mas também um aplicativo em seu telefone, por meio do qual eles podem analisar e compartilhar dados sobre seu uso elétrico. Estes dados, como quais aparelhos estão conectados e onde, e quando uma tomada realmente desarmou e por quê, seriam compartilhados de forma segura e anônima com a equipe para refinar ainda mais o algoritmo de aprendizado de máquina, tornando mais fácil identificar uma máquina e distinguir um evento perigoso de um benigno.

p "Ao tornar a IoT capaz de aprender, você pode atualizar constantemente o sistema, para que o seu aspirador de pó acione o disjuntor uma ou duas vezes na primeira semana, mas vai ficar mais inteligente com o tempo, "Diz Siegel." No momento em que você tiver 1, 000 ou 10, 000 usuários contribuindo para o modelo, muito poucas pessoas experimentarão essas viagens incômodas porque há muitos dados agregados de muitas casas diferentes. "

p Siegel e seus colegas publicaram seus resultados na revista Engineering Applications of Artificial Intelligence. Seus co-autores são Shane Pratt, Yongbin Sun, e Sanjay Sarma, os professores Fred Fort Flowers e Daniel Fort Flowers de Engenharia Mecânica e vice-presidente de aprendizado aberto do MIT.

p Impressões digitais elétricas

p Para reduzir o risco de incêndio, casas modernas podem fazer uso de um interruptor de circuito de falha de arco (AFCI), um dispositivo que interrompe circuitos defeituosos quando detecta certos padrões elétricos potencialmente perigosos.

p "Todos os modelos AFCI que desmontamos tinham pequenos microprocessadores, e eles estavam executando um algoritmo regular que parecia bastante primitivo, assinaturas simples de um arco, "Pratt diz.

p Pratt e Siegel se propuseram a projetar um detector mais criterioso que pudesse distinguir entre uma infinidade de sinais para diferenciar um padrão elétrico benigno de um potencialmente prejudicial.

p Sua configuração de hardware consiste em um microcomputador Raspberry Pi Modelo 3, de baixo custo, processador de baixo consumo de energia que registra dados de corrente elétrica de entrada; e uma braçadeira de corrente indutiva que se fixa em torno de um fio de tomada sem realmente tocá-lo, que detecta a passagem da corrente como um campo magnético variável.

p Entre o grampo atual e o microcomputador, a equipe conectou uma placa de som USB, hardware comum semelhante ao encontrado em computadores convencionais, que eles usaram para ler os dados atuais de entrada. A equipe descobriu que essas placas de som são ideais para capturar o tipo de dados que são produzidos por circuitos eletrônicos, como eles são projetados para captar sinais muito pequenos em altas taxas de dados, semelhante ao que seria emitido por um fio elétrico.

p A placa de som também veio com outras vantagens, incluindo um conversor analógico-digital integrado que faz a amostragem de sinais a 48 quiloherz, o que significa que leva medidas 48, 000 vezes por segundo, e um buffer de memória integrado, permitindo que o dispositivo da equipe monitore a atividade elétrica continuamente, em tempo real.

p Além de registrar os dados recebidos, muito do poder de processamento do microcomputador é dedicado ao funcionamento de uma rede neural. Para seu estudo, eles treinaram a rede para estabelecer "definições, "ou reconhecer padrões elétricos associados, produzido por quatro configurações de dispositivo:um ventilador, um computador iMac, um queimador de fogão, e um gerador de ozônio - um tipo de purificador de ar que produz ozônio carregando eletricamente o oxigênio do ar, que pode produzir uma reação semelhante a uma falha com arco perigoso.

p A equipe executou cada dispositivo várias vezes em uma série de condições, coleta de dados que eles alimentam na rede neural.

p “Nós criamos impressões digitais de dados atuais, e estamos rotulando-os como bons ou ruins, ou que dispositivo individual eles são, "Diz Siegel." Existem boas impressões digitais, e então as impressões digitais das coisas que queimam sua casa. Nosso trabalho a curto prazo é descobrir o que vai queimar sua casa e o que não vai, e no longo prazo, descobrir exatamente o que está conectado e onde. "

p "Mudança de inteligência"

p Depois de treinar a rede, eles executaram toda a configuração - hardware e software - em novos dados dos mesmos quatro dispositivos, e descobriu que era capaz de discernir entre os quatro tipos de dispositivos (por exemplo, um ventilador versus um computador) com 95,61 por cento de precisão. Ao identificar bons e maus sinais, o sistema atingiu 99,95 por cento de precisão - um pouco mais alto do que os AFCIs existentes. O sistema também foi capaz de reagir rapidamente e desarmar um circuito em menos de 250 milissegundos, combinando com o desempenho do contemporâneo, detectores de arco certificados.

p Siegel diz que o design de sua tomada elétrica inteligente ficará mais inteligente com o aumento de dados. Ele imagina operar uma rede neural pela Internet, onde outros usuários podem se conectar a ele e relatar seu uso elétrico, fornecer dados adicionais para a rede que a ajuda a aprender novas definições e associar novos padrões elétricos a novos aparelhos e dispositivos. Essas novas definições seriam então compartilhadas sem fio com as lojas dos usuários, melhorando seu desempenho, e reduzindo o risco de viagens incômodas sem comprometer a segurança.

p "O desafio é, se estivermos tentando detectar um milhão de dispositivos diferentes que são conectados, você tem que incentivar as pessoas a compartilhar essas informações com você, "Siegel diz." Mas há gente suficiente como nós que vai ver este dispositivo e instalá-lo em sua casa e querer treiná-lo. "

p Além de tomadas elétricas, Siegel vê os resultados da equipe como uma prova de conceito para "inteligência difusa, "e um mundo feito de dispositivos e aparelhos do dia-a-dia que são inteligentes, auto diagnóstico, e sensível às necessidades das pessoas.

p "Isso tudo está mudando a inteligência para o limite, ao contrário de um servidor, data center ou computador desktop, "Siegel diz." Acho que o objetivo maior é ter tudo conectado, todo o tempo, para um mais inteligente, mundo mais interconectado. Essa é a visão que eu quero ver. " p Esta história foi republicada por cortesia do MIT News (web.mit.edu/newsoffice/), um site popular que cobre notícias sobre pesquisas do MIT, inovação e ensino.