Aplicação de machine learning para a predição de estado das portas em refrigeradores domésticos utilizados na rede de frio

Abstract

O avanço tecnológico vem se mostrando um grande aliado no desenvolvimento da área da saúde, em particular no desenvolvimento de vacinas. A pandemia da COVID-19 é a evidência que os imunobiológicos podem ser produzidos rapidamente, evitando casos de óbitos causados pela doença. Para que as vacinas possam chegar a toda população brasileira com segurança, eficácia e mantendo suas características imunológicas, o manual de Rede de Frio, disponibilizado pelo ministério da saúde, apresenta os cuidados que devem ser tomados durante o transporte e o armazenamento das vacinas desde sua fabricação até a aplicação. Para facilitar o controle exigido pelo manual, alunos do CTJ-UFSC criaram um sistema que realiza o monitoramento de temperatura e estado da porta dos refrigeradores domésticos utilizados para o armazenamento dos imunobiológicos nas unidades básicas de saúde. O Sistema Embarcado para o Monitoramento de Vacinas, conta com sensores de temperatura e um botão que identifica o estado da porta do refrigerador. Então, o trabalho visa a melhoria do sistema criado, substituindo o botão de estado da porta por uma inteligência artificial capaz de predizer o estado da porta. O estudo aborda quais os melhores métodos de aprendizado de máquina, entre redes neurais artificiais, classificadores binários e árvores de decisão, para o problema a ser solucionado, como foram feitas a aquisição de dados utilizados para o treinamento dos métodos e como foi feita a separação desses dados. Por fim, foi feita uma análise dos resultados dos treinamentos dos métodos escolhidos junto a uma comparação de desempenho entre os mesmos, identificando que o melhor algoritmo de aprendizagem para identificação de estado de porta é a árvore de decisão, sendo que o melhor treinamento obteve desempenho nas métricas de 98,41% de acurácia, 1,58% de erro quadrático médio e uma área abaixo da curva das características operacionais do receptor de 0,97.

Technological advances have proven to be a great ally in the development of the health area, in particular in the development of vaccines. The COVID-19 pandemic is evidence that immunobiologicals can be produced quickly, avoiding cases of deaths caused by the disease. So that vaccines can reach the entire Brazilian population safely, effectively and maintain their immunological characteristics, the Cold Chain manual, made available by the Ministry of Health of Brazil, presents the precautions that must be taken during the transport and storage of vaccines from their manufacturing to application. To facilitate the control required by the manual, CTJ-UFSC students created a system that monitors the temperature and state of the door of domestic refrigerators used to store immunobiologicals in basic health units. The Embedded System for Monitoring Vaccines has temperature sensors and a button that identifies the status of the refrigerator door. So, the work aims to improve the created system, replacing the door state button by an artificial intelligence capable of predicting the state of the door. The study discusses which are the best machine learning methods, among artificial neural networks, binary classifiers and decision trees, for the problem to be solved, how the acquisition of data used for training the methods was done and how the separation of these data was made. Finally, an analysis of the training results of the chosen methods was performed along with a performance comparison between them, identifying that the best learning algorithm for door state identification is the decision tree, and the best training obtained performance in the metrics of 98.41% accuracy, 1.58% mean squared error and an area under the receiver operating characteristics curve of 0.97.