A Esclerose Lateral Amiotrófica (ELA) é uma doença neurodegenerativa que, apesar de rara, apresenta um aumento em sua prevalência nos últimos anos. Devido a sua heterogeneidade, o monitoramento da progressão da doença é complexo e requer idealmente uma abordagem multidisciplinar, sendo essencial para proporcionar os cuidados adequados e melhorar a qualidade de vida dos pacientes. Em paralelo com os cuidados pela equipe multidisciplinar, surgem as ferramentas tecnológicas como os registros eletrônicos e prontuários do paciente, que auxiliam nos estudos e no acompanhamento da progressão dessa doença para cada indivíduo. No Brasil, temos o Registro Nacional da ELA, que consiste em uma solução de saúde digital que tem como objetivo coletar os dados epidemiológicos dos diversos pacientes com ELA no Brasil. Diante do uso de soluções tecnológicas como essa, surgem as preocupações relacionadas à segurança, integridade dos dados e importância de uma plataforma interoperável para o compartilhamento com outros sistemas. Para sanar tais preocupações, a tecnologia blockchain vem atraindo bastante atenção em diversas áreas que já enxergam as possibilidades de progresso com a sua incorporação. Tendo em vista as carências por segurança, auditabilidade, interoperabilidade e para tornar o Registro Nacional cada vez mais robusto, este trabalho apresenta a configuração de uma rede blockchain com o framework Hyperledger Fabric e a implementação de uma API usada para intergrar a blockchain ao Registro Nacional da ELA. Para avaliar o desempenho da solução proposta foi utilizada a ferramenta Hyperledger Caliper, esta que é referência para benchmark de soluções blockchain.

A modelagem sísmica em caixas de areia é uma técnica eficiente para simular feições geológicas e estudar a propagação de ondas sísmicas em um ambiente controlado, oferecendo resultados mais próximos da realidade em comparação às modelagens numéricas. A abordagem permite investigar fenômenos complexos, como deformação e propagação de ondas, além de testar algoritmos de processamento sísmico, sendo aplicada principalmente na análise de grandes lineamentos e margens continentais. A construção do experimento envolve o uso de transdutores piezoelétricos de alta frequência para emitir e captar ondas acústicas, gerando dados que são transformados em imagens interpretáveis das estruturas geológicas. Entretanto, há desafios na escolha de materiais que reproduzam propriedades petrofísicas reais, como a velocidade de propagação das ondas compressivas, e que minimizem a atenuação das ondas, mantendo a repetibilidade dos experimentos. Outro desafio está relacionado à adaptação de dimensões de grãos e frequências das ondas, com o objetivo de evitar interferências no imageamento causadas por fatores como a distribuição granulométrica e o espalhamento de energia nas interfaces. A plataforma didática foi construída em uma caixa de acrílico cortada em CNC, com uma estrutura de alumínio resistente para suportar os sensores e equipamentos. O movimento dos sensores é automatizado por motores de passo, que garantem precisão na movimentação ao longo do modelo físico. Essa automação permite a aquisição de dados sísmicos de forma precisa e controlada, facilitando a obtenção de modelos bidimensionais e tridimensionais que simulam a propagação sísmica em escala reduzida. Essa infraestrutura avançada oferece uma abordagem didática e eficiente para o estudo e visualização de processos geológicos complexos, contribuindo para o avanço da compreensão sobre a resposta sísmica em situações reais.

Este trabalho apresenta o projeto e a fabricação de duas novas configurações de dispositivos planares de microfita para aplicações em sensoriamento e, para caracterizar de forma não-destrutiva, a permissividade complexa de materiais magneto-dielétricos. Os sensores planares de micro-ondas têm demonstrado importantes funcionalidades em diversas aplicações, como nos setores alimentício, industrial e biomédico. Os sensores de micro-ondas apresentam como vantagens o baixo custo e a facilidade de fabricação, além da possibilidade de integração com outros dispositivos. O primeiro sensor proposto é baseado em um dispositivo planar de microfita de duas portas com a inserção de um Complementary Split Ring Resonator (CSRR) em seu patch, este elemento é responsável por determinar as propriedades elétricas dos materiais em teste (MUT). Foram investigadas duas amostras de materiais amplamente conhecidos na literatura. Com este primeiro sensor foi possível obter a permissividade complexa de dois materiais sólidos. O segundo sensor proposto é baseado em uma antena planar de microfita bioinspirada DGS, com o intuito de caracterizar, também de forma não-destrutiva, as características magneto-dielétricas, ou seja, a permissividade elétrica e a permeabilidade, de nove materiais sólidos também conhecidos na literatura e, utilizando o mesmo ressoador para ambas caracterizações. O sensor proposto possui patch bioinspirado na folha Spondias Tuberosa, e foi inserido um CSRR no centro do plano de terra, responsável pela caracterização da permissividade. A permeabilidade é encontrada através de fendas posicionadas próximas ao CSRR. Neste trabalho também foram analisadas as sensibilidades dos dois sensores propostos, apresentando excelentes resultados. Os sensores foram analisados por meio de simulações no software comercial ANSYS HFSS. Os protótipos foram fabricados utilizando o dielétrico FR-4, que possui permissividade elétrica relativa de 4,4, constante de perdas de 0,02 e espessura de 1,57mm, e as medições foram feitas através do analisador de redes vetorial E5071C (VNA) em nove amostras (MUT) diferentes de materiais dielétricos e magnéticos. Os resultados simulados e medidos foram discutidos e comparados com valores encontrados na literatura, apresentando boa concordância.

Este trabalho apresenta a identificação, desacoplamento, controle e predição de robô
móvel com duas rodas de acionamento diferencial. Para isso, foi utilizada a metodologia
de substituição de variáveis no modelo matemático do robô, tendo as suas variáveis
de posição, representadas em plano cartesiano, substituídas pelo seu deslocamento linear.
Como o modelo se torna essencialmente linear, sem a utilização de técnicas de linearização,
abordagens clássicas de desacoplamento e controle puderam ser empregadas, bem como
a utilização de preditores. Para a identificação do modelo foram realizados experimentos
reais para a coleta de dados e utilizou-se do método de mínimos quadrados para diferentes
estruturas considerando a ordem e o tempo de atraso. Utilizando do critério de informação,
métodos de validação de modelos e experimentos reais de reação do robô, foi possível
escolher um modelo que melhor o represente. O desacoplamento do sistema do robô foi
implementado para reduzir a relação cruzada indesejada que existe entre entradas e saídas
no modelo. Também foi proposto a utilização do Preditor de Smith para minimizar a
diferença, causada pela existência de tempo de atraso, entre o comportamento previsto
e o comportamento real do sistema controlado. Experimentos simulados e reais para
diferentes controladores da família PID foram realizados, como também a realização de
experimentos para seguimento de diferentes trajetórias para validação do desempenho do
modelo.

Técnicas de aprendizado profundo, particulamente as redes neurais profundas (Deep Neural Networks - DNNs), têm sido utilizadas com êxito em muitos problemas. Porém, esses tipos de algoritmos exigem um grande esforço computacional, devido a grande quantidade de parâmetros e de operações matemáticas realizadas, e isto pode ser um problema para aplicações onde os recursos computacionais são limitados, aplicações que requerem baixa latência ou baixo consumo energético. Assim, este trabalho propõe a aplicação de uma nova estratégia de treinamento para compressão consciente de modelos de DNNs baseados em poda, quantização e poda seguida de quantização capaz de reduzir o tempo de processamento e seu tamanho em memória. A estratégia de compressão foi aplicada em dois domínios, o primeiro para classificação automática de modulações, onde foi possível reduzir o tamanho do modelo em 13 vezes, e manter uma acurácia apenas 1,8% menor que a do modelo não comprimido. No segundo domínio, voltado para a classificação de imagens em ambientes de microserviços, a mesma estratégia de compressão foi aplicada. Neste contexto, observou-se uma redução de 7,6 vezes no tamanho do modelo, mantendo uma acurácia próxima ao modelo não comprimido. Além disso, a implementação dessas técnicas reduziu a latência de predição em 1,7 vezes e também diminuiu significativamente o tempo necessário para a implantação de microserviços contendo esses modelos. Esses resultados ressaltam a eficácia da abordagem proposta, indicando seu potencial impacto positivo em cenários que demandam eficiência computacional e economia de recursos.

O algoritmo Deep Q-Managed, proposto neste trabalho, representa um avanço significativo no campo da aprendizagem por reforço multiobjetivo (MORL, acrônimo em inglês para multi-objective reinforcement learning). Esta nova estratégia emprega uma técnica atualizada de otimização multiobjetivo híbrida, que oferece uma garantia matemática de que todas as políticas pertencentes ao Pareto Front podem ser encontradas, destacando-se na aquisição de políticas multiobjetivo não dominadas em ambientes caracterizados por funções de transição determinísticas. Sua flexibilidade se estende a cenários onde o Pareto Front apresenta complexidades geométricas convexas, côncavas ou mistas, tornando-o em uma solução versátil para uma ampla gama de aplicações. A proposta foi validada utilizando os tradicionais benchmarks MORL e diferentes configurações da frente de Pareto.A qualidade das políticas encontradas pelo algoritmo foi comparada com abordagens proeminentes na literatura. Os resultados da estratégia proposta estabelecem o algoritmo Deep Q-Managed como um candidato digno para lidar com problemas multiobjetivos desafiadores.

A Internet das Coisas (IoT) está transformando a forma como os dispositivos interagem e compartilham dados, especialmente em áreas como o monitoramento veicular. No entanto, a transmissão de grandes volumes de dados em tempo real pode resultar em alta latência e consumo substancial de energia. Nesse contexto, o Tiny Machine Learning(TinyML) surge como uma solução promissora, permitindo a execução de modelos de aprendizado de máquina em dispositivos embarcados com recursos limitados. Este trabalho tem como objetivo desenvolver duas abordagens online de compressão de séries temporais multivariadas especificamente projetadas para TinyML, utilizando o framework Typicality and Eccentricity Data Analytics (TEDA). As abordagens propostas são baseadas na excentricidade dos dados e não exigem modelos matemáticos predefinidos ou suposições sobre a distribuição dos dados, otimizando assim o desempenho da compressão. Ambas as abordagens foram aplicadas a dois estudos de caso: um utilizando o conjunto de dados OBD-II Freematics ONE+ para monitoramento veicular em um contexto não embarcado, e outro em um cenário embarcado. Os resultados indicam que ambas as abordagens propostas, seja para compressão paralela ou sequencial, apresentam melhorias significativas no tempo de execução e nos erros de compressão. Esses achados destacam o potencial das abordagens para melhorar o desempenho de sistemas IoT embarcados, aprimorando a eficiência e a sustentabilidade de aplicações veiculares.

A previsão de falhas desempenha um papel importante em diversos setores, como indústria, tecnologia, setor médico, entre outros. Esta tarefa pode auxiliar na redução de custos de manutenção de equipamentos, prevenção
de acidentes e desastres e melhoria da confiabilidade do sistema, uma vez que pode aumentar a disponibilidade reduzindo o tempo de inatividade do sistema. Este trabalho apresenta uma metodologia para previsão de falhas em modelos de redundância projetados utilizando a formalidade de Redes de Petri Estocásticas Generalizadas. A abordagem compreende as etapas de modelagem e simulação de sistemas com redundância ativa e passiva sob diferentes cenários de falhas, como switches não perfeitos, falhas em standby e falhas de causa comum, bem como geração de conjuntos de dados de falhas e implementação de um modelo de aprendizado de máquina para realizar a previsão de falhas. Para esta última, esta pesquisa utiliza Redes Neurais Pulsadas (RNPs), que foram reconhecidas como a terceira geração de Redes Neurais Artificiais. Assim como as redes neurais artificiais típicas, as RNPs inspiram-se na dinâmica biológica do cérebro, incorporando a topologia interconectada dos neurônios em sua arquitetura. No entanto, enquanto as redes neurais convencionais focam na minimização de erros por meio do ajuste de pesos, as RNPs visam replicar o processo de aprendizagem simulando o comportamento dos neurônios, levando em consideração elementos do processo biológico, como sinapse, acúmulo de energia, disparo de impulso elétrico e períodos refratários entre as emissões. Devido à capacidade de capturar aspectos temporais dos dados, as RNPs são amplamente utilizadas em problemas que possuem dinâmicas de tempo. Além disso, a literatura tem mostrado que essas redes são eficientes em termos de tarefas e energia, servindo como uma alternativa de baixo custo em comparação com RNAs convencionais.

A enorme quantidade de aplicações de aprendizado de máquina e dados produzidos apresentam diversos desafios atualmente. Em diversos contextos, os dados podem possuir relevância temporal através de sazonalidade e tendências resultando em comportamento não-estacionário. Essa característica presente em diversos sistemas dificulta a aplicação de modelos de aprendizado de máquina, que de forma geral, assumem que os dados são estacionários. Nesse cenários, as fontes de dados podem ser consideradas como data streams: fontes ordenadas e ilimitadas de dados não estacionários. Essas fontes alimentam as aplicações de aprendizado máquina de forma não confiável por violar a estacionariedade. Quando o data stream apresenta uma variação significativa podendo induzir a degradação de performance é dito que ocorreu um concept drift. Considera-se que um data stream que apresenta concept drift representa um sistema evolutivo (evolving system). Um sistema que evolui ao longo do tempo através de mudanças nos seus conceitos internos, por exemplo, emergência de novos conceitos, extinção de conceitos, divisão e fusão de conceitos, etc. Neste contexto, as técnicas de aprendizado de máquina devem ser adaptadas para o contexto de data streams. Um exemplo seria um classificador para amostras de data stream (classificador de data stream). Esse tipo de modelo precisa considerar retreinamento em tempo real, robustez à não estacionariedade, indisponibilidade de dados, conjunto limitado de dados, entre outros. Para implementar essas diversas características é essencial o uso de detectores de concept drift (CDD). CDDs não modelos capazes de identificar quando um ou mais conceitos da data stream mudaram de forma significativa. A literatura é rica em trabalhos sobre de detecção de concept drift distribuídos em três grupos: supervisionados, semi-supervisionados e não supervisionados. Os métodos supervisionados tem acesso as classes verdadeiras das amostras da data stream no momento de detecção enquanto os métodos semi-supervisionados tem acesso limitado. Os métodos semi-supervisionados podem ter acesso as classes verdadeiras durante o treinamento, durante etapas offline ou até mesmo a um sub-conjunto de amostras no momento de detecção. Os métodos não supervisionados não acessam as classes verdadeiras das amostras, sendo teoricamente mais limitado que as demais abordagens. Entretanto, os métodos não supervisionados possibilitam menor atraso de detecção em aplicações reais, já que é razoável que não se tenha acesso à classe verdadeira no momento da detecção. Exemplos de métodos não supervisionados são o ADWIN, KSWIN e PageHinkley. Este trabalho apresenta um novo método de detecção de concept drift, o TEDA-CDD. Esse detector é composto por dois modelos para representar conceitos baseados em TEDA: o modelo de referência e o modelo evolutivo. O modelo de referência tem como objetivo representar o conceito conhecido pelo modelo de aprendizado de máquina enquanto o modelo de referência é livre para se adaptar a qualquer novo modelo que emergir do data stream. Os modelos são comparados de forma heurística através do índice de Jaccard para indicar similaridade. Quando o índice indicar baixa similaridade entre os modelos o detector indica um concept drift. Afim de comparar o método proposto com outros métodos presentes na literatura, inicialmente, propõe-se uma abordagem realística para classificadores de data stream. Essa abordagem possibilita aplicar diversos classificadores e detectores na tarefa de classificação de data stream e estimar métricas de desempenho especificas ao contexto de data streams. Nos experimentos, o método proposto é comparado a outros métodos presentes na literatura utilizando benchmarks sintéticos e reais. O método proposto possui desempenho comparável em termos de precisão em relação aos métodos consolidados na literatura ao passo que é o mais eficiente em termos de consumo de memória.

Este estudo aborda métodos para detecção, classificação e avaliação da severidade de falhas em sistemas dinâmicos, em resposta à necessidade de monitoramento eficaz em ambientes industriais complexos. Com o objetivo de mitigar erros humanos e identificar falhas em tempo real, utilizam-se abordagens de aprendizado de máquina, tanto off-line quanto on-line. Na metodologia com aprendizagem off-line, empregamos características selecionadas por sua relevância com base em informações extraídas de uma técnica de Inteligência Artificial Explicável (XAI), com o objetivo de desenvolver modelos eficazes e eficientes. A Máquina de Vetor de Suporte (SVM) foi utilizada em todas as etapas dessa abordagem. A segunda parte do estudo enfocou uma abordagem de aprendizagem on-line, utilizando algoritmos evolutivos em todas as fases. Foram testadas duas abordagens de pré-processamento de dados: uma baseada nos resultados off-line da relevância das características e outra utilizando dados de sensores janelados. Além disso, uma modificação no algoritmo Typicality and Eccentricity Data Analysis (TEDA) foi proposta para a detecção e classificação de falhas, comparando duas versões do algoritmo para identificar a mais eficaz. Na última fase on-line, o algoritmo AutoCloud foi empregado para identificar a gravidade das falhas.Um aspecto compartilhado entre as abordagens de aprendizagem off-line e on-line é o critério sequencial, no qual dados previamente identificados como falhos são empregados na classificação de falhas, enquanto os dados de cada tipo de falha são utilizados separadamente na identificação da gravidade. Para validação das propostas, foi utilizado o benchmark da Case Western Reserve University (CWRU) para falhas em rolamentos. Na abordagem de aprendizagem off-line, obtivemos resultados satisfatórios com um número reduzido de características, demonstrando a eficiência e eficácia do modelo proposto. Os resultados da abordagem de aprendizagem on-line demonstraram que o algoritmo TEDA Modificado consistentemente superou o TEDA Original na detecção de falhas, independentemente da abordagem de pré-processamento adotada. No entanto, a capacidade de classificação foi mais satisfatória quando se utilizou a segunda abordagem de pré-processamento em conjunto com o TEDA Original. Quanto à identificação da gravidade das falhas, a primeira abordagem apresentou resultados satisfatórios, especialmente para falhas de um tipo específico, enquanto a segunda abordagem enfrentou dificuldades, resultando em métricas de avaliação mais baixas. Comparando as abordagens de aprendizagem on-line e off-line, ambas mostraram eficácia semelhante na detecção e classificação de falhas, porém a identificação da gravidade foi mais precisa na abordagem com aprendizagem off-line. Conclui-se que ambas as propostas são promissoras, devendo sua utilização ser determinada com base nas características do sistema dinâmico.

Com o avanço contínuo das novas tecnologias em todas as áreas da ciência, é essencial que os dispositivos utilizados acompanhem esses progressos para garantir resultados confiáveis. Nesse cenário, as aplicações em frequências muito altas têm sido exploradas para desenvolver dispositivos com respostas ultrarrápidas. Entre essas aplicações, os sensores ópticos têm sido alvo de extensas pesquisas. Este trabalho utiliza o efeito de ressonância de plasma de superfície (SPR – do inglês Surface Plasmon Resonance) para análise de sensores ópticos baseados em guias ópticos com núcleos quase cristalinos. O efeito SPR ocorre quando uma interface metal-dielétrico é excitada por um sinal de luz em uma frequência específica, denominada frequência plasmônica, induzindo a formação de densos aglomerados de elétrons na região de análise, viabilizando assim a detecção do material. O objetivo deste estudo é propor e analisar quatro novos modelos de sensores plasmônicos derivados de guias ópticos, incluindo fibras ópticas micro estruturadas e guias convencionais. Na primeira abordagem, foi utilizada uma fibra óptica micro estruturada com furos elípticos, explorando duas variações: uma com núcleo estendido e outra com dois núcleos. O segundo estudo envolveu uma fibra óptica tipo D micro estruturada, onde um defeito no núcleo de sílica, foi dopado com diferentes concentrações de dióxido de germânio, para otimizar o efeito de SPR. A terceira estrutura proposta consistiu em um guia óptico do tipo rib com um microcanal acoplado, separado da região de guiamento por uma fina camada de ouro. Por fim, a última estrutura proposta utilizou uma fibra óptica micro estruturada quase periódica, com a introdução de cristal líquido sensível a variações de temperatura para melhorar o acoplamento entre os modos fundamental e plasmônico. Para a avaliar a eficácia dos sensores, foram estudadas as distribuições de campo elétrico (E) e magnético (H), a perda por confinamento (CL – do inglês Confinement Loss) e a sensibilidade espectral, ou sensibilidade de comprimento de onda (WS – do inglês Wavelength Sensitivity). Essas investigações visam contribuir para o desenvolvimento de sensores ópticos avançados, capazes de detectar com precisão variações no índice de refração de materiais em aplicações tanto químicas quanto biológicas (analitos).

O processo de regulação de leitos está entre um dos processos mais relevantes para o sistema de saúde público brasileiro. Ele contempla todo o processo de gestão e monitoramento de um paciente que necessita de internação, desde a solicitação até o seu devido internamento. Contudo, ainda é uma área que possui pouco investimento em sistemas de saúde digitais e outros recursos que possam favorecer a melhor condução do processo regulatório. Desse modo, este trabalho objetiva incluir a área de inteligência artificial dentro da área de regulação de leitos públicos, a fim potencializar e auxiliar o processo de tomada de decisão durante a regulação de leitos. Nesse sentido, foram utilizados dados de regulação de leitos de dois módulos da plataforma adotada no Rio Grande do Norte, RegulaRN COVID-19 e RegulaRN Leitos Gerais. Ao todo, foram analisados cerca de 72.422 dados de regulação de leitos em diferentes recortes temporais, além disso, foi utilizado um pipeline de caracterização, pré-processamento, correlação de dados, definição de métricas para avaliação, balanceamento dos dados, definição de dados de treinamento e validação, definição de modelos computacionais para classificação dos dados e seleção dos hiperparâmetros. Para a plataforma RegulaRN COVID-19, os resultados mostraram melhor desempenho para as métricas de acurácia (84,01%), precisão (79,57%) e F1-score (81,00%) no modelo Multilayer Perceptron com otimizador Stochastic Gradient Descent (SGD). Já para as métricas recall (84,67%), especificidade (84,67%) e ROC-AUC (91,6%) os melhores resultados foram obtidos pela RMSProp. Quanto aos dados do RegulaRN Leitos Gerais, XGBoost apresentou melhores valores de acurácia (87,77%) e recall (87,77%), Random Forest melhor precisão (87,05%), Gradient Boosting melhor F1 Score (87,56%) e para a especificidade (82,94%) foi obtido pelo SGD. Os resultados permitiram identificar os melhores modelos para auxiliar os profissionais de saúde durante o processo de regulação de leitos, assim como, os achados científicos deste trabalho acadêmico demonstram que os métodos computacionais utilizados aplicados por meio de uma solução de saúde digital podem auxiliar na tomada de decisão de reguladores médicos e instituições governamentais a fim de fortalecer o desempenho da saúde pública brasileira.

A computação de alto desempenho, fornece o processamento necessário para algoritmos de diversas áreas que exigem muitos recursos. O uso de supercomputadores é indispensável para enfrentar problemas complexos, no entanto, seu tamanho e complexidade os tornam suscetíveis a falhas. Isso ressalta a importância de empregar técnicas de tolerância a falhas para mitigar o impacto de interrupções. Esses métodos são fundamentais para lidar com erros de hardware e software e cenários preemptivos, como os encontrados em ambientes computação em nuvem.

Dada a necessidade de tolerância a falhas, desenvolvemos a Biblioteca de Confiabilidade para Aplicações Iterativas. Esta biblioteca é uma solução versátil projetada para programas síncronos em massa. Ela simplifica a integração de funcionalidades de tolerância a falhas nas aplicações, oferecendo opções de alta configurabilidade e permitindo que os usuários selecionem quais funções utilizar em suas. O princípio é reduzir os esforços na implementação de abordagens de tolerância a falhas, permitindo que os grupos de projeto se concentrem no desenvolvimento de seus problemas específicos.

A biblioteca oferece funcionalidades como: checkpointing, replicação e monitoramento de heartbeat. O checkpointing salva o estado da aplicação em intervalos, permitindo que ela retome do último ponto salvo após uma falha. A replicação garante confiabilidade ao permitir que uma unidade de backup assuma em caso de falha. Tal biblioteca detecta possíveis falhas utilizando o método de monitoramento de heartbeat e possível recuperação de recursos. Ela é compatível com técnicas existentes de mitigação de falhas em nível de usuário, o que permite que os programas continuem operando após falhas, minimizando o tempo de inatividade e garantindo a operação contínua.

Nossa proposta foi aplicada com sucesso ao problema de inversão de forma de onda completa, um algoritmo padrão no processamento geofísico para exploração de petróleo e gás. Esta aplicação serve como um cenário prático da computação de alto desempenho. Todos os recursos foram rigorosamente validados, e o overhead nesse problema foi minuciosamente analisado usando exemplos mais realistas. Em nossos experimentos, a aplicação não perdeu todos os dados processados até o momento da falha, e foi capaz de continuar a execução mesmo na presença de falha de nós, com overhead mínimo. Este trabalho também mostra outros estudos de caso na fase inicial de aplicação da biblioteca e discute alguns conceitos de tolerância a falhas e trabalhos relacionados.

Este trabalho oferece uma visão abrangente do papel e da importância das rádios no contexto histórico e comercial brasileiro. Destaca-se a problemática das rádios ilegais, as quais prejudicam as estações legalizadas, diminuindo a qualidade da comunicação e interferindo na capacidade de alcançar mais ouvintes. Para lidar com esse desafio, propõe-se a utilização de métodos de aprendizado de máquina em conjunto com técnicas de extração de características dos sinais de áudio para identificar interferências geradas por outras rádios FM. Neste trabalho, os sinais de interferências não foram tratados apenas como ruído, sendo realizado uma diferenciação clara entre ruído AWGN e interferência de outras rádios. Para isso, foram exploradas técnicas de extração de características únicas, como métodos baseados em sensoriamento espectral devidamente adaptados, método MFCC, métodos estatísticos de primeira ordem e de ordem estendida. Além disso, foram exploradas as estratégias que utilizam redes do tipo \textit{Autoencoder} e as Redes Neurais Convolucionais para classificar os sinais de rádio que chegam aos receptores. Para esse estudo, foram exploradas soluções com sinais em banda base e banda passante, bem como situações com múltiplas fontes de sinais interferentes, para que os modelos propostos possam lidar com cenários desafiadores. Por fim, foram conduzidos testes de validação da capacidade dos métodos propostos em ambientes de simulação computacional e em ambientes reais, dos quais foram utilizados a \text{Universal Software Radio Peripheral} (USRP) para gerar sinais que se propagam pelo canal de comunicação.

A Organização Mundial da Saúde (OMS), declarou em 30 de janeiro de 2020, o nível mais alto de alerta global de saúde previsto no Regulamento Sanitário Internacional (RSI), o chamado estado de Emergência de Saúde Pública de Importância Internacional (ESPII), em decorrência da epidemia da covid-19. A pandemia de covid-19 pode ser retratada como uma das maiores contaminações da humanidade. A detecção e disseminação de um patógeno respiratório emergente foram acompanhadas por incertezas sobre as principais características epidemiológicas, clínicas e virológicas desse novo patógeno, em especial sua capacidade de disseminação na população humana e sua virulência (gravidade do caso). No Rio Grande do Norte (RN), estado brasileiro, o RegulaRN foi a plataforma de regulação utilizada para gerir, com equidade, o acesso dos pacientes com covid-19 aos hospitais públicos.Desse modo, este estudo apresenta resultados obtidos ao incorporar o Protocolo Unificado de Priorização (EUP) como critério objetivo para a regulação de leitos em Unidades de Terapia Intensiva (UTIs) no Sistema Único de Saúde (SUS) do RN. O processo metodológico consistiu em realizar um recorte de dias antes e depois da utilização do EUP como mecanismo de priorização, após isso, foi realizado uma avaliação da correlação do escore com relação ao tempo de internação e o desfecho da regulação. A pesquisa revelou que a utilização do EUP como parâmetro na priorização de pacientes resultou em uma significativa redução do tempo de internação nas UTIs. Esse resultado é crucial, pois aumenta a rotatividade dos leitos, permitindo uma utilização mais eficiente dos recursos disponíveis.Além disso, a análise mostrou que a adoção do EUP contribuiu para uma classificação mais precisa dos pacientes com base na gravidade de sua condição clínica. Isso facilitou uma alocação de leitos mais justa e baseada em dados objetivos, reduzindo a influência de interpretações subjetivas por parte dos profissionais de saúde.Assim sendo, pode-se concluir que a implementação do EUP no protocolo de regulação da Plataforma Regula RN pode levar a uma maior eficiência nos processos de gestão de leitos, promovendo uma melhor resposta às necessidades de saúde da população. A pesquisa sugere que, ao adotar critérios objetivos como o EUP, o sistema de saúde pode melhorar significativamente a qualidade e a equidade no atendimento, otimizando o uso dos recursos disponíveis.

Este trabalho apresenta o desenvolvimento de estruturas reconfiguráveis de superfícies seletivas em frequência (Reconfigurable Frequency-Selective Surface – RFSS) para aplicações em 5G. As superfícies seletivas em frequência (Frequency-Selective Surface – FSS) são estruturas amplamente utilizadas nos sistemas de comunicação, com aplicações na faixa de micro-ondas até terahertz. A análise inicial é realizada com a caracterização da FSS em sua forma ideal para prever o comportamento da estrutura reconfigurável. Em seguida a RFSS proposta é projetada e avaliada. A estrutura proposta consiste em um único substrato dielétrico com uma camada de metalização. A célula unitária da RFSS é baseada em elemento em forma de V e um único diodo PIN é utilizado como dispositivo ativo por célula unitária. O diodo PIN em cada linha da RFSS é conectado em paralelo pela rede de alimentação. Essas estruturas foram fabricadas e caracterizadas experimentalmente para validar os resultados numéricos, sendo observada uma boa concordância entre eles. Três configurações de estado de polarização são analisadas: estado desligado, estado ligado e estado intermediário. Dependendo do estado de polarização, a RFSS pode exibir frequência de ressonância em banda única ou múltipla. A RFSS proposta exibe características comutáveis de forma independente que a torna adequada para uma variedade de aplicações, em sua configuração de banda única ou multibanda. Após essa análise, as RFSS foram aplicadas em um sistema com uma antena de microfita retangular de banda dupla reconfigurável. O sistema consiste em colocar a RFSS na frente da antena de microfita, atuando como refletor. A antena utilizada é do tipo retangular de microfita, ela é modificada pela inserção de dois slots em forma de T para fornecer resposta de banda dupla em 1,7 GHz e 3,7 GHz. Os resultados numéricos foram obtidos através de simulações usando o software comercial ANSYS HFSS. Ao mudar o estado do diodo PIN, o sistema aumenta o ganho da antena e reconfigura seu padrão de radiação, atingindo os valores de 5,6 dB e 5,5 dB de aumento de ganho para a primeira e segunda frequência de ressonância, respectivamente.

A descoberta de fármacos (DD, do inglês drug discovery) é um processo demorado e caro. Portanto, a indústria emprega estratégias como reposicionamento de fármacos, que permite aplicar medicamentos já aprovados para tratar uma doença diferente, como ocorreu nos primeiros meses de 2020, durante a pandemia de COVID-19. A predição da interação fármaco-receptor (DTI, do inglês drug-target interaction) é uma parte essencial do processo de DD porque pode acelerá-lo e reduzir seu custo. A predição de DTI realizada in silico tem utilizado métodos baseados em molecular docking simulation, similaridade, redes e grafos. Este trabalho apresenta o MPS2IT-DTI, um modelo de predição de DTI obtido de uma pesquisa realizada por: definição de um novo método para representar sequências de moléculas e proteínas por meio de imagens; e definição de uma deep learning baseada em uma rede neural convolucional para criar um novo método de predição de DTI. Resultados da pesquisa demonstram que a representação de sequências de moléculas e proteínas como imagens é uma alternativa viável à utilização de abordagens baseadas no uso de técnicas de Processamento de Linguagem Natural (NLP, do inglês natural language processing) e, portanto, não adota uma camada de embedding na rede neural. Resultados de treinamento conduzidos com os datasets Davis e KIBA demonstraram que o MPS2IT-DTI é comparável aos métodos do estado-da-arte em termos de performance e complexidade do modelo da rede neural. Experimentos realizados com o dataset Davis resultaram em um índice de concordância (CI, do inglês concordance index) de 0.876 e um MSE de 0.276; e com o dataset KIBA, foram obtidos 0.836 e 0.226, respectivamente. Por fim, resultados de experimentos com o BindingDB dataset e seis proteínas-chave do SARS-CoV-2 indicaram que o MPS2IT-DTI é comparável aos métodos do estado-da-arte na tarefa de reposicionamento de fármacos antivirais aprovados para uso comercial para o tratamento de COVID-19.

No Brasil, os surdos representam cerca de 5\% da população, aproximadamente 9.7 milhões de brasileiros. Apesar da Língua de Sinais Brasileira (Libras) ser uma das línguas oficiais do Brasil, o conhecimento e domínio de Libras entre pessoas não surdas é um obstáculo, gerando barreiras linguísticas no acesso a direitos básicos, especialmente no acesso a serviços de saúde. Isso motivou o desenvolvimento de políticas governamentais que obrigam os prestadores de serviços a fornecer intérpretes de Libras para viabilizar o acesso a esses serviços por parte da comunidade surda. Todavia, esse tipo de solução apresenta um custo de implantação e manutenção muito alto. Nessa perspectiva, se faz necessário o desenvolvimento de pesquisas e metodologias automatizadas para tradução automática de Libras. Assim, neste trabalho, propusemos uma metodologia para tradução contínua de Libras. A solução proposta não requer nenhum hardware adicional, baseando-se inteiramente em imagens ou sequências de imagens (vídeos). Além disso, foi introduzida um novo conjunto de dados para reconhecimento contínuo de Libras, contendo 10500 vídeos de 105 sentenças distintas no contexto de triagem clínica. Os experimentos computacionais obtiveram um WER de 21,62 e uma acurácia máxima de 92,68\%, para um conjunto de testes com amostras e intérpretes nunca vistos pelo modelo durante o treinamento.

O objetivo do controle vetorial é garantir uma resposta rápida de velocidade mesmo com o torque elevado para máquinas de indução, tanto em regime transitório como em regime permanente. Para realizar a implementação de um controle de velocidade em um motor de indução trifásico sem mancais com enrolamento dividido normalmente utiliza-se as três fases para controlar as correntes. Esse procedimento padrão exige uma estrutura completa para o inversor, contendo os três braços, com diversos equipamentos eletrônicos de potência.

A estratégia apresentada neste trabalho consiste em controlar apenas duas das três correntes disponíveis, obtendo a terceira através da soma das duas anteriores. Com essa alteração são necessários apenas dois braços do inversor, reduzindo consideravelmente os componentes eletrônicos utilizados. Para essa implementação foi utilizado um motor mancal de indução funcionando na posição vertical. 

No Rádio Definido por Software (SDR) a maioria das funções analógicas, como a conversão descendente e a seleção de canal são movidas para o domínio digital. Com esses recursos, um SDR pode ser facilmente programado e adaptado a novos padrões. No entanto, sua implementação usando um conversor analógico-digital (ADC) de taxa de Nyquist tem sido desafiadora e com consumo muito elevado, o que o torna impróprio para aplicativos móveis. SDM (Modulador Sigma-Delta) usando ressonadores LC são bem adequados para essa finalidade, pois podem converter uma banda estreita em torno de uma frequência central de radiofrequência (RF). Na literatura, o SDM baseado em LC de alta ordem usa os nós entre os tanques LC para feedforward ou coeficientes de realimentação, de modo a obter a função de transferência de ruído desejada (NTF). Esses nós são geralmente uma fonte adicional de ruído, não linearidade e consumo de energia afetando o desempenho geral do SDM. Neste projeto, tem-se por objetivo explorar as funcionalidades dos filtros N-Path para implementar um Modulador Sigma-Delta passa banda programável que atenda a vários padrões de comunicação. Fez-se, portanto, necessário uma pesquisa bibliográfica e tecnológica sobre o estado da arte de filtro N-path, Moduladores Sigma-Delta de tempo contínuo e tempo discreto.
Deu-se também o desenvolvimento de modelos de alto nível para diferentes categorias de topologias de Moduladores Sigma-Delta implementados com filtros LC e de tempo discreto para servir de modelos de comparação com a metodologia de projeto da topologia utilizando o filtro N-path proposta neste trabalho. Foi desenvolvido um modelo de alto nível do filtro N-Path e atualmente o trabalho está na etapa de integração do filtro N-path e SDM. Os resultados obtidos a partir da implementação do SDM com filtros LC mostram que o modulador possui uma boa concordância com seu equivalente DT. Em experimentos inicias, a implementação do SDM com circuito RLC equivalente ao filtro N-path mostrou-se promissora ao apresentar resultados semelhantes aos obtidos com a topologia de tempo discreto.

A área de Neurofisiologia de Comportamentos Sociais em Roedores tem como objetivo geral investigar os correlatos eletrofisiológicos de comportamentos sociais em roedores. Exemplos de estudos na área incluem a investigação de disfunções de processamento neural e plasticidade sináptica em modelos animais de autismo e alterações de plasticidade sináptica em modelos animais de epilepsia. Essa área utiliza equipamentos sofisticados e caros, sendo que algumas das plataformas existentes são de marcas proprietárias, estando obsoletas, e com tecnologia antiga. É proeminente a necessidade de melhoria nesses equipamentos para auxílio à pesquisa, buscando-se alternativas com custo mais barato, de construção aberta, e usando componentes mais atuais. Com esse intuito, neste trabalho propomos melhorias na plataforma de software que recebe dados e controla as operações necessárias nos experimentos usando a caixa comportamental. Especificamente, contribuímos em trẽs frentes. Na primeira, desenvolvemos software visando automação de caixa comportamental em tarefa de discriminação tátil, que, em sua nova versão, usa o microcontrolador Arduino. Ainda, desenvolvemos a parte de software do Sistema Supervisório, em Python, que realiza comunicação com Arduino, para visualização e definição das tarefas a serem realizadas na caixa comportamental. Por fim, desenvolvemos rotinas básicas de visão computacional para localização do roedor dentro do aparato comportamental, indicando sua posição e orientação. Esses desenvolvimentos colaboram para que a caixa possa ser automatizada, diminuindo a interação manual com o experimentador, contribuindo assim para melhorar o processo de estudo de discriminação tátil em roedores.

Este trabalho teve como objetivo o desenvolvimento de uma plataforma de teste, em tempo real, para sistemas associados à área de internet tátil. A proposta consiste em um dispositivo mestre, um canal de comunicação e um dispositivo escravo. O dispositivo mestre é uma luva tátil (tecnologia vestível) que funciona como uma interface tátil baseada em feedback vibratório, responsável por permitir a interação com elementos virtuais ou remotos. Além disso, o canal de comunicação introduz uma conexão bidirecional de latência variável. Por sua vez, o dispositivo escravo padrão é um manipulador robótico Phantom Omni integrado ao ambiente Matlab/Simulink e ao robotics toolbox. A plataforma pode gerar sensações táteis como rugosidade grossa, rugosidade fina, lisura, gotejamento e suavidade.  Adicionalmente, os resultados da proposta foram adequados e permitem testar diversos algoritmos e métodos relacionados à internet tátil. Portanto, o sistema desenvolvido tem a capacidade de servir como base para uma ampla variedade de casos de uso relacionados à internet tátil, proporcionando uma variada oportunidade de exploração e aplicação. Nesse sentido, a plataforma proposta serve como base para um caso de uso focado na exploração tátil das texturas de produtos em um site de e-commerce, permitindo a interação com roupas virtuais por meio de compras online capazes de fornecer estímulos táteis. No cenário desse caso de uso, o dispositivo escravo é um cursor que funciona como um elemento controlado pelo dispositivo mestre e um mouse, o que  permite a interação com diferentes texturas de roupas, gerando sensações táteis específicas na luva tátil. Para aprimorar o desempenho da plataforma, foram introduzidas Virtual Network Functions (VNFs). VNFs são processos virtualizados implementados e executados em serviços de cloud, capazes de melhorar a escalabilidade e agilidade de uma rede, além de permitir uma utilização mais eficiente dos recursos de infraestrutura. Nas redes móveis de Quinta Geração (5G), as conexões de internet tátil estão associadas aos serviços de comunicação ultraconfiável de baixa latência (URLLC). Essa categoria apresenta desafios devido aos seus requisitos rigorosos de latência a poucos milissegundos, baixa probabilidade de perda de pacotes e alta disponibilidade da rede. Assim, a aplicação de VNFs durante as conexões de internet tátil em redes 5G permite ajustar os parâmetros de conexão para manter uma boa conectividade, garantindo o critério de baixa latência e um alto grau de realismo nas interações táteis. Consequentemente, o uso de VNFs nas comunicações URLLC tem como objetivo atender aos requisitos dos sistemas de internet tátil, mantendo um nível aceitável de Qualidade de Experiência (QoE), que é uma métrica definida pelo Telecommunication Standardization Sector como o grau de satisfação ou incômodo dos usuários com um aplicativo ou serviço.

Os seguidores solares, além de servirem de suporte para os módulos fotovoltaicos, seguem o movimento do sol ao longo do dia e procuram manter o plano dos módulos fotovoltaicos perpendicular aos raios de sol, aumentando assim o desempenho do módulo fotovoltaico. Com objetivo de demonstrar a eficácia do uso do método de orientação automática dos módulos solares fotovoltaicos no acompanhamento do movimento sazonal do sol, como forma de melhorar a produção da energia. Este trabalho faz análise de dois sistemas: um com seguidor solar e outro de eixo fixo, pelo que compõe duas partes: a primeira, foi simulada duas usinas fotovoltaicas com rastreamento solar e de eixo fixo a partir do software PVsyst composto num total de vinte módulos, nesta, através dos resultados obtidos, mostrou que o seguidor solar melhorou a eficiência da produção da energia elétrica, onde o mesmo teve um ganho de 25,97% durante o dia e um ganho anual de 25,6% a mais que um sistema fixo. Na segunda parte, apresenta uma proposta de um sistema de ras- treamento solar automático (com controlador) e de eixo fixo (sem controlador) baseado nas equações dos ângulos do movimento do sol, este foi modelado através do software matlab/simulink usando lógica fuzzy como controlador, com o objetivo de avaliar o aproveitamento da radiação solar, ao longo do dia, e com propósito de construir um sistema real, que tenha a mesma caraterística da simulação proposta. O ganho deste sistema, foi cerca de 17% à 35% em algumas horas durante dia para sistema com controlador. Esta pesquisa mostrou, nos dois software que, os sistemas fotovoltaicos que acompanham o movimento do sol durante o dia e ao longo do ano são mais eficiêntes em relação aos sistemas de eixo fixo, porque estes aproveitam melhor a radiação solar.

É fundamental monitorar os níveis de Radiação Não-Ionizante (RNI) que a população em geral pode estar exposta e compará-los com os limites definidos nas normas vigentes, tendo em vista a rápida ascensão dos serviços de telecomunicação e as perspectivas de um sociedade extremamente conectada. Ambientes internos (indoor), como residências e shoppings, são locais que atendem aos interesses das medições, devido principalmente a presença de diferentes fontes de RNI e a localização dessas fontes em relação aos usuários finais. Este trabalho apresenta medições de RNI em um \textit{shopping center} e em residências em Natal, RN, Brasil. No \textit{shopping}, foi proposto um conjunto de seis pontos de medição, seguindo dois critérios: locais com grande fluxo de pessoas e presença de um ou mais Distributed Antenna System (DAS), co-localizados ou não com pontos de acesso Wi-Fi. Os resultados são apresentados e discutidos em termos de distância do DAS (condições: perto e longe) e densidade de fluxo de pessoas no shopping (cenários: baixo e alto número de pessoas). A maior média e maior pico de campo elétrico medidos foram 1,96 e 3,26~V/m, correspondendo respectivamente a 5\% e 8\% dos limites definidos pela Comissão Internacional de Proteção contra Radiações Não Ionizantes (ICNIRP) e Agência Nacional de Telecomunicações (ANATEL). Nas residências, foram realizadas medições em 40 pontos de acesso Wi-Fi em que o maior nível de exposição foi de 4,66 V/m (7,64\% do limite), verificado para a rede carregada de 2,4 GHz (Situação 1). Os resultados são discutidos em relação a situações de conectividade, marca e tempo de uso do equipamento. Também foram realizadas medições em 51 fornos de micro-ondas, dos quais somente um excedeu 50~W/m² (limite determinado nas normas vigentes), vazamento o qual foi provocado pela presença de ferrugem que comprometeu a estrutura da porta. Dessa forma, foi proposto dois tipos de reparos: uso de massa epóxi para preencher a abertura na porta (Reparo 1) e troca da superfície externa do forno (Reparo 2). Somente o Reparo 1 solucionou o problema do vazamento com média de 0,1841 W/m² e pico de 0,4222 W/m². Quanto aos 50 demais fornos de micro-ondas, foram apresentados os resultados de densidade de potência relacionando com fatores como posição do pior ponto medido, marca, tempo de uso e estado de conservação do aparelho.

Esta dissertação tem como objetivo propor e validar uma  abordagem para geração e visualização de regras de associação e regras de sequências obtidas a partir dos dados de
histórico de acesso de conteúdo de uma revista brasileira. A abordagem proposta é composta de quarto fases: análise exploratória de dados (EDA- Exploratory Data Analisis),
pré-processamento dos dados, geração de regras de associação e sequência e visualização dos resultados.  Para geração das regras de associação, foram utilizados os algoritmos Apriori e o FP-Growth. Para a geração de regras de sequência, utilizou-se o algoritmo SPADE. Foram utilizados gráficos de coordenadas paralelas para visualização das regras de associação e grafos para visualização das regras de sequência. Assim, um aspecto
destacado da abordagem proposta é a visualização das regras obtidas utilizando-se recursos gráficos para potencializar a análise dos resultados no apoio a decisões de negócio e contribuir com o mapeamento do perfil de acesso dos usuários. A proposta foi validada utilizando-se dados advindos de acesso de usuário de um portal digital de notícias.

A quantidade de dados em tempo real, como séries temporais e dados de streaming, continua crescendo. Analisar esses dados no momento em que chegam pode trazer um imenso valor agregado. No entanto, também requer muito esforço computacional e novas técnicas de aceleração. Como possível solução para este problema, propomos uma arquitetura de hardware para o algoritmo Tipicality and Excentricity Data Analytic (TEDA) implementado em Field Programmable Gate Arrays (FPGA) para streming de dados. O TEDA é baseado em uma nova abordagem para detecção de outliers no contexto do fluxo de dados. O projeto sugerido tem uma entrada de dados totalmente paralela de N elementos e uma arquitetura de pipeline de 3 estágios para reduzir o caminho crítico e, assim, otimizar a taxa de transferência. Para validar as propostas, são apresentados resultados de ocupação, throughput e eficiência energética do hardware proposto. Em comparação com outras plataformas de software, o projeto atingiu uma velocidade de até 693x, com uma taxa de transferência de até 10,96 MSPs (Mega Sample Per second) com uma potência dinâmica de 16mW. Além disso, resultados são apresentados para diferentes cenários de aplicação com multiplos sensores, desde aplicações em ambientes da Indústria 4.0 até Internet of Medical Things (IoMT). Este trabalho é pioneiro na implementação em hardware da técnica TEDA em hardware especializado.

O uso da técnica de Chaveamentos Corretivos visando eliminação de sobrecargas em sistemas elétricos, abordado em diversos estudos nas últimas décadas, mostrou ser uma medida de controle do fluxo de carga bastante eficaz. Alguns desses trabalhos são baseados em teorias de circuitos elétricos ou em metodologias de Funções de Alívio. O chaveamento da rede resulta na modificação da configuração do sistema e, por consequência, os níveis de curto-circuito dos barramentos são alterados. Essas alterações podem levar a uma operação não segura da rede, quando não há uma devida adequação dos parâmetros de ajustes da proteção, já que as funções de proteção de sobrecorrente são baseadas nos valores das correntes nominais e das correntes de curto-circuito, que são definidos previamente nos estudos de proteção. O uso da técnica de Proteção Adaptativa possibilita o recálculo em tempo real dos parâmetros de proteção da rede, para qualquer configuração imposta, possibilitando a operação da rede com ajustes otimizados da proteção. O presente trabalho objetiva implementar a técnica de Chaveamentos Corretivos, utilizando, como condição de restrição na escolha das variantes de chaveamento,os ajustes dos parâmetros de proteção da rede. Caso se verifique que a operação da rede não seja segura para a configuração proposta pelas variantes de alívio, são definidos os novos ajustes das proteções da rede, bem como a coordenação e seletividade, implementando assim a técnica de Proteção Adaptativa. A reconfiguração da rede é feita de forma automática através da técnica de Self Healing.

This work proposes the development of one-terminal traveling wave-based transmission line
protection methods for HVAC (High Voltage Alternating Current) and HVDC (High Voltage
Direct Current) systems. The effect of the sampling frequency on the protection is considered,
which until now has not yet been investigated for one-terminal methods. Inaccuracies on the
wave velocity estimations, which classically yields to problems on methods based on traveling
waves, are addressed and solutions to such problem are presented. The proposed methods have
been evaluated by means of computer simulations. The proposed earth fault distance protection
for HVAC transmission lines was evaluated using a real commercial relay with time domain
based protection functions. The results related to the proposed earth fault distance protection
for HVAC transmission lines show that the proposed function, when associated with other existing
protection functions, can achieve a quite remarkable enhancement for the dependability and
velocity of the transmission line protection. The results concerning the method based on traveling
wave reflections show that it is possible to protect most point-to-point transmission lines in
a fast way, without the need for communication, and independent of the estimation of the wave
speed. Finally, the results concerning distance protection for meshed HVDC systems demonstrate
the applicability of the proposed method for such systems. The method showed operating
time below 2 ms for a line of 500 km length. This operation time meets the likely requirements
that HVDC meshed systems will present. In addition, the method presented selectivity for a
4-terminal system interconnected by 5 transmission lines.

O procedimento de varredura de área da provável região de impacto é uma etapa obrigatória da

fase de pré-lançamento de qualquer foguete. O objetivo é coibir a presença de embarcações não

autorizadas, evitando eventuais acidentes e, consequentemente, a preservação de vidas 

humanas. Considerando o alto custo operacional desse procedimento, normalmente executado 

por uma aeronave P-95, o projeto SpaceVANT II propôs a execução da varredura de área a partir 

de uma frota de Veículos Aéreos Não Tripulados (VANTs) que, atuando de forma cooperativa, tem 

a capacidade de executar a missão com menor custo e complexidade operacional. Nesse 

contexto, é fundamental a constituição de uma rede de comunicação apta a assegurar a troca de 

informações entre as aeronaves que integram o sistema. Uma das alternativas mais utilizadas 

para prover essa rede de comunicação é a utilização de procolos de redes ad hoc móveis 

(MANET) adaptados para redes ad hoc aéreas (FANET). Contudo, gerenciar o comportamento 

dinâmico desse tipo de rede com o objetivo de minimizar desconexões e viabilizar as condições 

necessárias para o funcionamento das aplicações embarcadas nas aeronaves não é trivial e tem 

encontrado limitações nas soluções adotadas. Nessa perspectiva, esta tese propôs um 

gerenciamento baseado no conceito de Redes Definidas por Software (Software Defined 

Networking - SDN) chamado SD-FANET. Modelado em uma arquitetura distribuída e hierárquica, 

plano de controle SD-FANET permite um gerenciamento centralizado e atribui ao controlador a 

capacidade de programar os comutadores, alterando o encaminhamento dos dados a partir de 

uma visão holística da rede softwarizada. A abordagem SDN permite a utilização de diferentes 

algoritmos de seleção de caminhos, que agrega mais flexibilidade e aprimoramento ao processo 

de encaminhamento. Para validação da solução proposta foram realizados experimentos no 

ambiente emulado provido pelo Mininet-Wifi e uma prova de conceito a partir de uma prototipação 

utilizando um protocolo de comunicação desenvolvido para viabilizar a transmissão de imagens 

em enlaces de comunicação ZigBee embarcados em drones DJI Phanton 3 Standard. Os 

resultados mostraram que o throughput obtido pelo SD-FANET foi 22,2% superior aos protocolos 

MANET e 5,4% em relação ao controlador default. Quanto ao mecanismo de resiliência, 

observou-se que o tempo médio de recuperação foi de, aproximadamente, 1,5 s.

Em campos petrolíferos com muitos poços operando por bombeio mecânico, devido à falta de diagnóstico precoce das condições de operação ou falhas de sensores, vários problemas podem passar despercebidos. Os referidos problemas podem gerar grandes perdas, como aumento do tempo de inatividade, aumento do OPEX (Despesas Operacionais), diminuição da eficiência e perda de produção. Na prática, a identificação e o diagnóstico das condições de operação são realizados a partir de cartas dinamométricas de superfície e fundo, por meio de padrões pré-estabelecidos, com esforço visual humano nos centros de operação. Essa tarefa exige muito tempo e trabalho, além de exigir experiência, pois pode ser influenciada por fatores subjetivos. Porém, nos últimos anos, com as facilidades inerentes aos algoritmos de Aprendizado de Máquina - Machine Learning (ML), várias pesquisas realizadas sobre o assunto alcançaram bons resultados no diagnóstico de condições de operação, evidenciando que ML pode ser utilizado para esse fim. Todavia, ainda é comum a existência de dúvidas sobre o nível de dificuldade da tarefa de classificação de cartas dinamométricas, o melhor algoritmo, o melhor descritor de formas, as melhores métricas e qual o impacto dos conjuntos de dados desequilibrados. Na busca por respostas a essas questões, neste trabalho foram utilizados dados reais de 38 poços operando por bombeio mecânico da região de Mossoró, RN, Brasil. Mais de 50.000 cartas foram classificadas por especialistas e distribuídas em oito modos de operação e duas falhas de sensor, comuns neste campo. Sessenta testes foram realizados e divididos em sete grupos. Três algoritmos foram testados (com e sem sintonia de hiperparâmetro): Árvore de decisão, \emph{Random Forest} e XgBoost, além de pipelines fornecidos via Automated Machine Learning (AutoML). Os descritores utilizados foram: descritores de Fourier e descritores Wavelet, além dos valores de carga da carta dinamométrica de fundo. Conjuntos de dados balanceados e desbalanceados também foram testados. Os resultados confirmam a viabilidade da aplicação de ML para diagnóstico de condições de operação e falha de sensores em sistemas de bombeio mecânico, uma vez que 75% dos testes alcançaram acurácia acima de 92% e foi alcançada uma acurácia de 99,84%.

O avanço nos processos de manufatura em pastilhas de silício tem possibilitado a integração entre os campos da eletrônica e fotônica. Para os setores de tecnologia, a informação não será mais processada com elétrons, mas sim com fótons, proporcionando maiores taxas de processamento e transmissão. Neste contexto, o setor de saúde e bem-estar, por exemplo, irão dispor de novos equipamentos, permitindo o monitoramento e o diagnóstico de forma remota e individual, potencializando a prevenção e o tratamento de doenças.  Desta forma, esta pesquisa propõe o desenvolvimento de um dispositivo fotônico, em conjunto com o grafeno e uma estrutura plasmônica, para monitoramento dos níveis de glicerol em substâncias aquosas. Inicialmente são abordados conceitos relativos aos dispositivos fotônicos, bem como suas diferentes aplicações. Além disso, os cristais fotônicos, dispositivos plasmônicos e o uso do grafeno em guias ópticos são apresentados. Em seguida, descreve-se a metodologia utilizada no desenvolvimento da pesquisa, tratando-se sobre a modelagem e simulação desenvolvidas. Os resultados são apresentados e analisados, como o comportamento espectral da estrutura desenvolvida em diversas concentrações de glicerol, que reforçam o potencial para aplicações no ponto de atendimento, devido a simplicidade de construção e tamanho reduzido.

Este trabalho é um aprofundamento de estudos anteriores e apresenta a pesquisa e desenvolvimento de um amplificador integrador com ganho programável por largura de pulso para sistemas em chip. Uma das principais vantagens da arquitetura do PGA proposto é que ela utiliza poucos componentes e o número dos valores de ganho é independente da área ocupada pelo circuito. Além disso a arquitetura permite ser configurada para a operação com sinais de terminação única ou para sinais diferenciais.

Antes do início do desenvolvimento do Circuito Integrado (CI), foram obtidas equações que definem as incertezas do circuito e realizados projeto, simulação e desenvolvimento de um circuito discreto o qual passou por uma série de experimentos a fim de validar a arquitetura proposta.

A implementação da arquitetura em CI tem como objetivo alcançar uma maior frequência de operação, permitindo sua utilização em uma maior gama de aplicações. O circuito integrado foi projetado utilizando a tecnologia CMOS de 0,18 µm da TSMC, apresentando uma dissipação de energia média de 123,2 µW e ocupando uma área de aproximadamente 0,065 mm2.

Foram realizadas simulações transientes com e sem ruído, DC, AC, PSS, PAC, Corner e de Monte Carlo, sendo avaliadas médias, incertezas, erros relativos e absolutos referentes a diversos parâmetros. Isso sugere que o circuito foi cuidadosamente projetado e testado, e os resultados apresentados fornecem uma base sólida para a aplicação do PGA proposto em uma ampla variedade de aplicações de condicionamento analógico.

Neste trabalho, é proposto um método numérico para o cálculo de controladores por realimentação de saída baseado em observador de estado para sistemas fuzzy Takagi- Sugeno (T-S) sujeitos a restrições com base na teoria de conjuntos invariantes. Conjuntos poliédricos Positivamente Invariantes (PI) são usados para garantir que as restrições de estado e controle sejam satisfeitas a todo tempo. Condições suficientes são estabelecidas para que um poliedro definido no espaço de estados aumentado (estado + erro de estimação) seja PI. A partir das condições de invariância, um problema de otimização bilinear é formulado para calcular simultaneamente os ganhos do controlador e do observador e o poliedro positivamente invariante que garantem a satisfação das restrições. São considerados os dois tipos de observador encontrados na literatura de sistemas fuzzy T-S: o primeiro considera as funções de pertinência dependentes apenas da saída do sistema, enquanto o segundo refere-se ao caso geral, onde estas funções podem estar associadas a quaisquer variáveis de estado. No caso mais simples, embora as funções de pertinência dependam apenas da saída, a realimentação do estado estimado resulta, em geral, em controladores com melhor desempenho e com maiores conjuntos de estados admissíveis associados a eles do que o controle por realimentação estática de saída. Para o caso geral, como as funções de pertinência dependem de estados não acessíveis, é necessário um mecanismo de estimação para o cálculo destas variáveis. Em ambos os casos, este papel é desempenhado pelo observador fuzzy T-S. O problema de rastreamento de um sinal de referência constante também é considerado, para o qual o conceito de invariância positiva robusta é usado em conjunto com um controlador Integral-Proporcional (I-P). São estabelecidas condições suficientes para que um poliedro definido no espaço de estado aumentado (estado + erro de estimação +  integral do erro de rastreamento) seja PI na presença de um sinal de referência constante. Diversos experimentos numéricos ilustram a efetividade da abordagem proposta.

Agências de fomento e instituições de pesquisa frequentemente utilizam métodos quantitativos e técnicas de Cientometria para avaliar grupos científicos. Geralmente, essas avaliações se embasam em um único tipo de métrica, seja ela baseada em contagem (como o h-index) ou aquelas provenientes da Análise de Redes Complexas. No entanto, o uso de múltiplas abordagens de mensuração e a exploração adequada da dimensão temporal da produção acadêmica ainda é um assunto recorrente. Particularmente, uma abordagem pouco explorada consiste em combinar esses indicadores com técnicas de Machine Learning e Graph Embeddings, o que poderia aprimorar o processo avaliativo de grupos de pesquisa. Nesse contexto, este trabalho propõe uma metodologia orientada à Ciência de Dados em Grafos para analisar times científicos ao longo do tempo. Por meio de um estudo de caso, os resultados sugerem a viabilidade e adequação do método proposto para avaliar quantitativamente grupos de pesquisa. A abordagem apresentada possui potencial para fornecer insights estratégicos e proativos de times científicos, contribuindo para uma melhor compreensão de suas dinâmicas e deficiências.

A Esclerose Lateral Amiotrófica (ELA) é uma doença neurodegenerativa que compromete o sistema motor e as habilidades funcionais da pessoa de forma irreversível, causando, inclusive, a perda progressiva da capacidade de comunicação e da autonomia. Recursos tecnológicos baseados em Comunicação Aumentativa e Alternativa, Visão Computacional e Machine Learning são imprescindíveis para o desenvolvimento de soluções de saúde digital para a viabilização do processo comunicativo e da autonomia que, consequentemente, promovem melhorias na qualidade de vida e sobrevida da pessoa com ELA. Focado em uma abordagem de Interação Humano-Computador (IHC) baseada em imagens dos olhos provenientes de uma câmera simples e livre do corpo, este trabalho apresenta um recurso de tecnologia assistiva para a Comunicação Aumentativa e Alternativa de pessoas com ELA. A abordagem proposta neste trabalho consiste em um modelo algorítmico capaz de reconhecer o estado do olho (aberto ou fechado) em tempo real e de interoperar com o Autonomus, uma solução de saúde digital concebida pelo Laboratório de Inovação Tecnológica em Saúde da Universidade Federal do Rio Grande do Norte (LAIS/UFRN) para a comunicação de pessoas com ELA. O modelo é constituído por quatro processos metodológicos: (i) aquisição das imagens; (ii) detecção da Face; (iii) detecção dos olhos; e (iv) classificação do estado do olho, sendo esta a principal etapa para a IHC. Um estudo algorítmico com um grupo de controle foi conduzido para avaliar a performance geral do modelo e a capacidade de classificação da Rede Neural Convolucional (CNN). Os resultados relacionados ao modelo proposto para a tarefa de classificação do estado do olho em tempo real são promissores e alcançam valores significativos de acurácia e f1-score, acima de 92%. Os resultados também apontam para a viabilidade do desenvolvimento de recursos de tecnologias assistivas de baixo custo que garantem o acesso universal, promoção de saúde, bem estar e redução das desigualdades, aspectos que vão além das melhorias no processo comunicativo de pessoas com ELA. Portanto, o objeto de estudo deste trabalho também possibilita e promove o exercício dos direitos, da cidadania, das liberdades fundamentais e do cuidado assistencial à saúde da pessoa com ELA.

A osteoporose é uma condição silenciosa e ainda subdiagnosticada, com uma taxa de mortalidade superior a diversos tipos de câncer, principalmente, quando os pacientes sofrem fraturas. O equipamento "padrão ouro" para o diagnóstico de densitometria, o Dual Energy X-Ray Absorptiometry (DEXA), que exige procedimento invasivo e de alto custo, é escasso em países considerados de renda média ou baixa, aspectos que podem dificultar o acesso oportuno ao diagnóstico. Neste contexto, um dispositivo portátil, conhecido na literatura como Osseus, foi desenvolvido para a triagem de pacientes que necessitam do exame de densitometria, ou seja, para qualificar os encaminhamentos dos exames para o DEXA. A tese teve como objetivo validar o dispositivo Osseus utilizando técnicas de aprendizado de máquina. Para isso, foi realizado o planejamento e coleta de dados de   dados de 505 pacientes que realizaram o exame no DEXA e o teste no dispositivo Osseus, destes, 21,8% saudáveis e 78,2% doentes (apresentavam baixa densidade mineral óssea ou osteoporose). Portanto, para implementar os estudos e desenvolver a pesquisa, a base de dados foi separada em 80% para treino e validação (usando validação cruzada com k fold= 5) e 20% para teste. O desempenho obtido na base de teste com o melhor modelo (Floresta Aleatória - Random Forest) correspondeu a sensibilidade=0.853, especificidade=0.871 e F1(média harmônica da precisão e da sensibilidade)=0.859. Os resultados evidenciaram que as variáveis de maior relevância para indicar a condição de saúde do indivíduo foram idade, índice de massa corporal e a atenuação medida no dispositivo Osseus. Quando comparado com os resultados dos exames DEXA, o modelo mostrou-se efetivo e consistente para realizar a triagem de indivíduos com osteoporose e facilitar o diagnóstico precoce da doença, o que consequentemente implica na redução de custos com cirurgias, tratamento, hospitalizações e perda de produtividade. Assim, ao qualificar o encaminhamento dos pacientes da atenção primária para a rede especializada, o Osseus pode melhorar a rede de atenção a osteoporose, e se consolidar como um recurso de fácil acesso na atenção primária, impactando ainda na diminuição de filas na rede especializada do Sistema Único de Saúde (SUS) no Brasil.

Desde dezembro de 2019, o mundo foi severamente afetado pela pandemia de COVID-19, ocasionada pelo vírus SARS-CoV-2. Em casos como este de nova identificação viral, a elucidação precoce da classificação taxonômica e origem dos genomas de vírus são essenciais para planejamento, contenção e tratamentos. As técnicas de Aprendizagem Profunda vêm sendo utilizadas com sucesso em diversos problemas de classificação viral, associadas ao diagnóstico de infecções virais, metagenômica, análise filogenética, entre outros. Considerando esta motivação, este trabalho tem como proposta gerar um eficiente classificador do genoma viral direcionado ao vírus SARS-CoV-2, utilizando a técnica de Aprendizagem Profunda baseada em Stacked Sparse Autoencoder (SSAE). Para o melhor desempenho do modelo, exploramos a utilização de representações de imagens das sequências completas do genoma como entrada do SSAE para fornecer a classificação do vírus SARS-CoV-2. Para isso, foram explorados dois conjuntos de dados: utilizando representações de imagens baseadas em k-mers e utilizando representações de imagens baseadas em Chaos Game Repesentation (CGR). O conjunto de dados composto por representações de imagens baseadas em k-mers foi aplicado nos experimentos de classificação em diferentes níveis de taxonomia do vírus SARS-CoV-2, enquanto o conjunto de dados baseado em imagens CGR foi aplicado nos experimentos de classificação das variantes de preocupação do SARS-CoV-2. Para os experimentos de classificação taxonômica, a técnica SSAE forneceu ótimos resultados, alcançando acurácias entre 92% e 100% para o conjunto de validação, e entre 98,9% e 100% de acurácia para o conjunto de teste, que aplicou amostras do SARS-CoV-2. Isto indica que o nosso modelo pode ser adaptado para classificar outros vírus emergentes. Para os experimentos de classificação das variantes do SARS-CoV-2 utilizando imagens CGR, a técnica SSAE proporcionou resultados ainda melhores, alcançando acurácia de classificação de 99,9% para o conjunto de validação e 99,8% para o conjunto de teste. Por fim, os resultados indicaram a aplicabilidade desta técnica de aprendizagem profunda em problemas de classificação de genomas.

A tecnologia de conectividade dupla (DC) (ou, de forma mais geral, conectividade múltipla (MC)) é de extrema importância na jornada inicial do New Radio (NR), rede de acesso do 3GPP para o 5G, sendo base para as primeiras formas de implementação dessa geração de sistemas de comunicação. Com o MC, os usuários podem ser conectados simultaneamente a tecnologias legadas (4G-LTE e Wi-Fi) e à nova tecnologia 5G-NR. Todavia, tal tecnologia traz desafios adicionais para a rede, principalmente no que se refere ao gerenciamento energético e à própria configuração das inúmeras opções de configuração de conectividade. Este trabalho tem o objetivo de conceber estratégias baseadas em aprendizado de máquina capazes de explorar com eficiência o desempenho da MC nos casos de uso do 5G eMBB (enhanced Mobile Broadband) e URLLC (Ultra Reliable Low Latency Communications) em redes heterogêneas. A ideia é configurar dinamicamente o melhor conjunto de parâmetros do MC para proporcionar aumento da vazão de dados (alvo do eMBB) e uma conexão mais robusta (alvo do URLLC), sendo relevante em cenários com a presença de small cells usando mmWaves, por exemplo, ambos considerados essenciais para atender as especificações do 5G.

Servovisão é uma estratégia de controle que usa a realimentação visual de câmeras para controlar a movimentação de um robô ou um sistema. Servovisão baseado em imagem conta com algoritmos de processamento de imagens e visão computacional para detectar e acompanhar características de interesse, incorporando-as diretamente na malha de controle. Essa abordagem considera que existe um mapeamento, também conhecido como jacobiana de interação, entre o movimento dessas características e a pose da câmera, baseando-se nos parâmetros intrínsecos e extrínsecos da câmera. Apesar de existirem técnicas de calibração para computar os parâmetros, esses podem se tornar suscetíveis a erro ou necessitar de mudanças em tempo de execução, especialmente em cenários não estruturados. Alguns exemplos que podem acontecer são quando a tarefa requer ampliação da imagem, quando a câmera apresenta distorção da lente, ou apresenta sensor sensível à temperatura. Estudos envolvendo servovisão não-calibrada têm como objetivo estimar a jacobiana de interação usando informação do ambiente e medição do deslocamento das características na imagem, geralmente em tempo de execução, com a ajuda de um estimador como o filtro de Kalman. Enquanto a maior parte dos estudos aproximam a incerteza da estimação a uma distribuição gaussiana, o ambiente onde o robô atua pode apresentar particularidades desafiadoras. No caso, oclusão, reflexão e aparência similar do objeto com outros objetos da imagem podem confundir o algoritmo de visão computacional, levando a \textit{outliers} na extração das características de interesse. Se não forem tratados corretamente, esses erros podem comprometer o desempenho do controlador de servovisão, ou mesmo afetar sua convergência. O critério máximo de correntropia é capaz de usar as propriedades estatísticas de variáveis aleatórias não-gaussiana como vantagem. Logo, este trabalho propõe como tema de tese um estudo de como lidar com ruído não-gaussiano no acompanhamento dessas características de interesse da imagem, preservando as propriedades estatísticas do mesmo através da aplicação do critério máximo de correntropia no filtro de Kalman.

Neste trabalho, são propostos guias de ondas baseados no direcionamento da luz através de meios com índices de refração sequenciados na direção de propagação. O modelo do núcleo de guiamento das estruturas está fundamentado no sequenciamento quase periódico do índice de refração que forma a região de propagação do sinal. Nesse contexto, modelos de fibras ópticas amplamente conhecidos são modificados para se adequar às estruturas de segmentação das regiões de guiamento do sinal óptico.

Essas modificações possibilitam o desenvolvimento de novos modelos de dispositivos ópticos, como lasers, filtros e sensores ópticos. Um dos modelos mais tradicionais de segmentação aplicados em guias de ondas ópticos é a Grade de Bragg, também conhecida como Fibra de Grade de Bragg (FGB), onde o sequenciamento na região de propagação segue um padrão periódico. Mais recentemente, alguns modelos de sequências quase periódicas têm sido aplicados em cristais fotônicos, principalmente considerando a seção transversal do guia de onda. Neste contexto, é proposta uma nova estratégia de segmentação, baseada no sequenciamento quase periódico no índice de refração ao longo da direção de propagação.

Serão investigadas estruturas de fracionamento do núcleo de guias de onda, aplicando modelos quase periódicos, como as sequências de Fibonacci, Thue Morse, Período Duplo e Octonacci, com o objetivo de comparar seu desempenho em relação aos guias que usam a Grade de Bragg como estratégia de segmentação. Para este estudo, será utilizado como ferramenta de simulação uma formulação matemática baseada no método dos elementos finitos, em conjunto com o método da propagação de feixes ópticos. Serão analisados os parâmetros de transmissão e reflexão nas interfaces entre os diferentes meios que compõem as sequências aplicadas.

Devido à sua grande eficiência, segurança e flexibilidade, os robôs móveis estão sendo cada vez mais utilizados na indústria. Entretanto, o controle de posicionamento dos mesmos se trata de um grande desafio dada a natureza não linear dessa planta e a dificuldade de estimar determinados parâmetros, como os efeitos do atrito. Neste trabalho, um controladores inteligentes são propostos para o rastreamento de trajetória de um robô móvel omnidirecional sujeito a dinâmicas não modeladas. As abordagens de controle utilizadas foram os controladores não lineares Linearização por Realimentação (FBL) e Modos Deslizantes (SMC), ambos acoplados de um compensador inteligente que utiliza Redes Neurais Recorrentes com o objetivo de lidar com as incertezas. A arquitetura da rede neural escolhida se baseou na necessidade de compensação de dinâmicas complexas e ao mesmo tempo restrição de complexidade computacional para que o mesmo pudesse ser embarcado no hardware de um robô móvel. As propriedades de estabilidade dos controladores foram provadas de acordo com o princípio de estabilidade assintótica segundo Lyapunov e o desempenho das estratégias foi avaliado tanto em simulações quanto em experimentos com o Robotino, um robô móvel omnidirecional produzido pela Festo Didatics e foi observado um ganho de desempenho no controlador quando comparado com redes neurais sem a recorrência.

Nascimento prematuro (PTB) é um fenômeno que traz riscos e desafios à sobrevivência de um recém-nascido. Apesar de muitos avanços na pesquisa, nem todas as causas do PTB estão bem definidas. Atualmente, entende-se que risco de PTB é multifatorial e que pode, também, estar associado a fatores socioeconômicos. Objetivando analisar essa possível relação, este trabalho busca estratificar o risco de PTB no Brasil utilizando-se apenas de dados socioeconômicos, extraindo e analisando clusters que apresentarem divergência relevante de PTB, todos os quais serão descobertos por processos de clusterização automáticos usando uma série de métodos de aprendizagem de máquina não-supervisionada. Através do uso de bancos de dados públicos disponibilizados pelo Governo Federal do Brasil, um novo banco de dados foi gerado com dados socioeconômicos a nível municipal e uma taxa de ocorrência de PTB. Esse banco de dados foi processado utilizando dois métodos de clusterização distintos, ambos construídos através da união de métodos de aprendizagem não-supervisionada, tais como $k$-médias, análise de componentes principais (PCA), clusterização espacial baseada em densidade de aplicações com ruído (DBSCAN), mapas auto-organizáveis (SOM) e clusterização hierárquica. Os clusters com alto PTB foram formados majoritariamente por municípios com baixos níveis educacionais, com pior qualidade de serviços públicos -- como saneamento básico e coleta de lixo -- e com populações mais brancas. A distribuição dos clusters também foi observada, com clusters com alto PTB concentrados nas regiões Norte e Nordeste. Os resultados indicam, uma influência positiva da qualidade de vida e da oferta de serviços públicos na redução do risco de PTB.

Com o crescimento de tecnologias para automatização de sistemas elétricos é importante criar formas de manter o fornecimento de energia elétrica mesmo em situações anormais, com resoluções rápidas e de baixo custo, utilizando a restrição de carga apenas como último recurso. A técnica de Chaveamentos Corretivos é uma ferramenta capaz de realizar o controle de fluxo de potência de redes malhadas através da mudança da topologia da rede. A principal vantagem dessa metodologia de controle é que ela não envolve custos adicionais, haja vista que sua implementação depende de manobras de elementos já presentes na rede. Em trabalhos anteriores, diversas técnicas e metodologias foram desenvolvidas para diminuir o tempo computacional necessário para a implementação da técnica, vislumbrando sua aplicação na operação de sistemas em tempo real. O presente trabalho objetiva a elaboração de um programa computacional capaz de identificar sobrecargas em ramos do sistema e reconfigurar a rede em tempo real através da técnica de Chaveamentos Corretivos. As simulações de redes elétricas em tempo real serão realizadas através de um RTS (Real Time Simulator). O programa computacional com as técnicas e metodologias utilizadas para escolha da variante de chaveamento será desenvolvido no software Scilab, que realiza a troca de informações com a simulação em tempo real no RTS. Para que a técnica pudesse ter um bom desempenho nas simulações, também são utilizadas técnicas de linearização para reduzir o tempo computacional. Por fim, apresentam-se análises dos resultados obtidos com a simulação da técnica de chaveamentos corretivos em tempo real.

Em dezembro de 2019, o primeiro caso de COVID-19 foi descrito em Wuhan, na China, e em abril de 2021, já haviam 136 milhões de casos confirmados. Devido a rápida propagação do vírus, esforços vêm sendo
realizados pela comunidade científica para o desenvolvimento de técnicas de classificação viral do SARS-CoV-2. Neste trabalho, foi desenvolvido, utilizando um conjunto de técnicas de Processamento de Sinais Genômicos, uma nova proposta de representação dos dados genéticos de amostras de seis vírus da família Coronaviridae, a qual pertence o vírus SARS-CoV-2. Em seguida, o mapeamento realizado foi empregado a uma arquitetura de aprendizagem profunda para a classificação das amostras virais, obtendo acurácia de 94% e 91% para os tamanhos 64 e 128 da redimensão das sequências, respectivamente, além de obter 100% de sensibilidade para os vetores com tamanho 64. Por fim, dada a taxa de mutação de vírus de RNA, novas variantes surgiram e com elas a possibilidade de aumento de casos. Foi então realizado, utilizando a técnica desenvolvida, uma análise da evolução de quatro variantes de preocupação em três procedimentos de classificação viral, os resultados obtidos auxiliam na compreensão das relações filogenéticas entre as variantes.

Este trabalho propõe o desenvolvimento, calibração e validação de um dispositivo capaz de capturar ativamente dados relacionados à aferição de qualidade do ar para uma futura prevenção e comparação com índices de dados pandêmicos/endêmicos por localização utilizando sensores PM2.5, temperatura e umidade, juntamente com um microcontrolador capaz de enviar todas as informações necessárias para um banco de dados. Por ser um projeto que necessita de grande escala para que seja possível capturar índices de qualidade do ar na maior quantidade de pontos possível visando obter dados com uma granularidade muito alta, o desenvolvimento está sendo pensado sempre visualizando o custo-benefício dos componentes utilizados para que seja possível replicar, e também o desenvolvimento faz parte de um projeto maior, que deverá disponibilizar à comunidade uma plataforma completa, capaz de fornecer dados de qualidade do ar em tempo real.

Os sistemas de geração distribuída, que utilizam fontes renováveis de energia, estão cada vez
mais presentes devido à necessidade de suprir a demanda de energia e as restrições
ambientais. Geralmente, tais sistemas de geração são conectados à rede elétrica por meio de
conversores de potência e, a sua integração à, pode produzir instabilidade no sistema elétrico.
Com o avanço da eletrônica de potência e a vasta gama de aplicações que envolvem os
conversores monofásicos de tensão, é possível, com a estratégia de controle adequada,
contornar os problemas de instabilidade e, também, oferecer melhorias na qualidade da
energia. Para isso, diversas técnicas de controle têm sido estudadas com esse intuito, no
entanto, as técnicas clássicas falham por não possuir robustez a incertezas paramétricas e são
dependentes do modelo do sistema. Assim, o controle por modos deslizantes tem ganhado
espaço no controle de conversores por se tratar de uma técnica robusta a incertezas
paramétricas e ser independente do modelo do sistema, mas a presença de ondulações na
variável controlada em regime permanente é sua principal desvantagem. Esta dissertação
apresenta uma estratégia de controle por modos deslizantes aplicada à conversores
monofásicos formadores de rede. A estratégia proposta emprega ferramentas analíticas de
sistemas lineares para determinar a localização adequada dos polos em malha fechada quando
restritos a superfície e deslizamento. Além disso, é utilizando uma estrutura simplificada para
o controle interno de corrente. Resultados de simulação obtidos de um VSI monofásico
conectado à rede operando em diferentes condições operacionais demonstram a eficácia da
solução proposta.

O controle seletivo em frequência do fluxo de ondas eletromagnéticas torna as superfícies seletivas em frequência (FSS) um contínuo objeto de estudo por cientistas da área de eletromagnetismo aplicado. Com diversas possibilidades de uso em variados contextos da engenharia, as FSS podem ser utilizadas desde como uma ferramenta na melhoria da eficiência de antenas, passando por blindagem eletromagnética seletiva de ambientes, e até na detecção de falhas em estruturas de concreto, como pilares de pontes, além de muitas outras aplicações. Uma classe em específico das FSS são as superfícies complementares seletivas em frequência (CFSS, Complementary Frequency Selective Surface) que possuem características em conjunto muito interessantes como: alta estabilidade angular, possibilidade de múltiplas bandas de transmissão e/ou reflexão e a aplicação da técnica de miniaturização no projeto das mesmas. A análise e o projeto desse tipo estrutura são comumente realizados por meio de softwares comerciais que implementam os chamados métodos de onda completa (FWM, Full wave method) que, apesar de apresentarem respostas confiáveis e precisas, demandam um alto esforço computacional, impactando em um maior tempo para a obtenção dos resultados, além de exigirem licença para uso. O modelo do circuito equivalente (ECM, Equivalent circuit model) traz equações aproximadas que, por meio do cálculo de impedâncias relacionadas à geometria da célula unitária, modelam o comportamento de uma FSS no domínio da frequência de forma mais rápida devido à simplicidade das fórmulas que podem ser implementadas em softwares livres em diversas linguagens de programação, exibindo respostas com uma boa concordância quando comparado aos métodos de onda completa. Este trabalho tem como objetivo a otimização do ECM quando aplicado a superfícies seletivas em frequência complementares formadas por anéis, unindo as interessantes características tanto da estrutura cascateada quanto da geometria. O estudo se desenvolve paralelamente com técnicas vindas da teoria de linhas de transmissão e de algoritmos genéticos para maior eficácia do método.

A realização de controle de sistemas dinâmicos não lineares desempenha um papel crucial, pois na prática, a maioria dos sistemas físicos são não lineares. No entanto, realizar o controle de sistemas não lineares não é uma tarefa simples, embora muitos métodos tenham sido desenvolvidos. Existem ainda alguns problemas a serem resolvidos como o controle dos movimentos e equilíbrio em robôs humanoides e as imprecisões de modelagem de um veículo subaquático autônomo, que possui um ângulo de inclinação pequeno. Para realizar o projeto de controle e estabilidade de um sistema não linear, geralmente, uma função de Lyapunov é usada. O procedimento para obter uma função de Lyapunov não é uma tarefa simples. Existem métodos numéricos na literatura que lidam com o problema de obter as funções de Lyapunov para vários tipos de sistemas. Uma fer- ramenta útil para aproximar ou gerar funções é uma rede neural artificial. Neste contexto, neste trabalho é explorada a capacidade de uma rede neural em aproximar funções de Lya- punov para sistemas não lineares. Além disso, é proposto a utilização de uma rede neural profunda para calcular uma função de Lyapunov de controle sem qualquer aproximação linear para sistemas não lineares. Ademais, neste trabalho é desenvolvido um controle baseado em aprendizagem, em que a estabilidade do ponto de equilíbrio e uma estimativa de sua região de atração contida no conjunto de estados são obtidas. Simulações de ex- emplos numéricos e experimentos com o pendulo invertido e rotacional são realizados e comparações com métodos convencionais são apresentadas.

Os avanços na eletrônica de potência deram suporte a grande penetração dos sistemas de conversão de energia eólica (WECS) no sistema elétrico de potência. Nesse sentido, o sistema baseado no Gerador de Indução Duplamente Alimentado (DFIG) possui uma parcela significativa da tecnologia utilizada para geração de energia elétrica nos parques eólicos instalados, nessa configuração o estator é diretamente conectado à rede elétrica e o rotor é interfaceado por meio de dois conversores de potência back-to-back, que possuem papel crucial no controle da máquina por meio de tensões aplicadas ao terminais do rotor de forma a garantir que as tensões e correntes do estator possuam a mesma frequência da rede elétrica, além disso controlam as potências ativa e reativa e estão diretamente relacionados aos níveis de distorção harmônica, stress térmico e mecânico no WECS. Atualmente, diversas topologias de conversores de potência vem sendo empregadas de forma a melhorar o desempenho e aumentar a capacidade de potência processada dos WECS para suportar a demanda da rede, nesse sentido, as topologias de conversores multiníveis destacam-se e podem ser apropriadamente utilizadas para atender esses requisitos. Por outro lado, uma das principais características do WECS baseado em DFIG é a sua alta sensibilidade à distúrbios elétricos, especialmente a afundamentos de tensão, devido ao fato da conexão direta do estator à rede elétrica, essa característica evidencia um desafio fundamental que é prover suportabilidade a faltas e especificamente afundamentos de tensão ao DFIG. Considerando a relevância desse problema, esta tese apresenta uma proposta direcionada ao melhoramento da suportabilidade do DFIG a um afundamento de tensão na rede por meio de uma recente topologia de conversor multinível, o Conversor Modular Multinível (MMC). A proposta baseia-se no aproveitamento das características específicas do MMC por meio da presença das impedâncias internas, de forma a prover o amortecimento significativo das componentes transitórias das correntes de falta do rotor e do estator do DFIG durante um afundamento de tensão na rede elétrica, contribuindo efetivamente para a permanência da conexão do DFIG, mantendo a controlabilidade e evitando o acionamento da proteção, sem a necessidade de modificações estruturais ou malhas de controle adicionais. Além disso, a estrutura proposta empregando o MMC contribui diretamente para a melhoria do desempenho do sistema por meio da redução da taxa de distorção harmônica e oscilação de torque eletromagnético, reduzindo o aquecimento e as perdas internas nos enrolamentos do DFIG e aumentando a vida útil da caixa de engrenagens, além de conferir maior robustez, eficiência e confiabilidade ao conjunto de conversores back-to-back. Resultados obtidos por meio de simulação indicam a capacidade efetiva do MMC de amortecimento das correntes do DFIG e o aumento da suportabilidade durante uma falta na rede elétrica.

A Internet das Coisas (IoT, do inglêsInternet of Things) é uma rede crescente de objetos — sensores, dispositivos, sistemas, entre outros — que capturam, transferem dados e se comunicam entre si, por meio de protocolos de comunicação. Além disso, tais objetos possuem capacidade de produzir sequências potencialmente ilimitadas de dados, denominadas de fluxo de dados. Neste sentido, percebe-se que a IoT está criando novas oportunidades para diversos setores, como pode ser visto de uma maneira não convencional no setor automobilístico. Sabe-se que como consequência do avanço das arquiteturas, os veículos vêm se tornando cada vez mais equipados com diversos sensores e poder computacional. E, a partir de interfaces disponíveis, torna-se possível capturar e extrair, de forma automatizada, informações por meio de sensores e protocolos de comunicação presentes nos veículos e habilitando um cenário conhecido por Internet dos Veículos Inteligentes (IoIV, do inglêsInternet of Intelligent Vehicles). Um dos benefícios da IoIV é a criação de aplicações de diagnóstico, como a caracterização do comportamento de motoristas. Este tipo de diagnóstico é um requisito essencial, visto que o modo de dirigir pode impactar em diferentes contextos, a exemplo da segurança no trânsito, consumo de combustível, emissões, manutenção, entre outros.Ademais, soluções em geral disponíveis na literatura para a análise do comportamento de motoristas se concentram em modelos supervisionados de aprendizagemoffline, alimentados com todo o conjunto de dados para seu treinamento e teste. Por outro lado, tais soluções não tratam os fluxos de dados adequados para a aprendizagemonline, isto é, sem conhecimento dos dados subsequentes. Em face dessa realidade, o objetivo deste trabalho é identificar padrões sobre o comportamento de motoristas, a partir de uma metodologia orientada a fluxos de dados e algoritmos não-supervisionadoonline. A metodologia é adaptável e flexível, e considera a relação histórico-temporal entre as amostras, se adaptando de forma autônoma e evolutiva, sem a necessidade de uma fase supervisionada de treinamento. A fim de validar a metodologia proposta, realizou-se um estudo de caso em cenário real com condições diversas, na qual permitiu identificar operações de conduções presentes no dia-a-dia. Os resultados indicaram a factibilidade da proposta no que tange a identificação de detecção de eventos e indicadores do comportamento de motorista. Logo, a metodologia pode contribuir para diversas aplicações, como a indústria 4.0 — manutenções personalizadas, detecção de falhas — cidades inteligentes e mobilidade urbana — melhoria de pavimentações, aumento do número de redutores de velocidades e faixa de pedestres, diminuir a velocidade máxima de vias, entre outros.

A sífilis é uma doença infectocontagiosa crônica que continua como um sério problema de saúde pública em grande parte do mundo. No Brasil, foi criado no ano de 2018 o projeto de resposta rápida à sífilis, Sífilis Não. Esse projeto possui diversas estratégias para o combate à sífilis, entre elas, a criação de um grupo de pesquisadores de campo que atuaram nos municípios prioritários e produziram milhares de relatos de textos e adicionaram-os na plataforma. O objetivo do trabalho é utilizar as produções textuais da plataforma dos pesquisadores de campo do projeto Sífilis Não, LUES, para mineração de textos com objetivo de compreender o impacto da Sífilis no território. Os textos serão analisados utilizando alguns algoritmos de Mineração de dados. Além disso, utilizar-se-á as respostas de questionários do projeto Sífilis Não! com a finalidade de encontrar relações entre as produções realizadas e os questionários na contribuição da redução da sífilis. São testadas associações dos dados extraídos dos questionários e relatórios com indicadores de sífilis e seu impacto da epidemia no território. Com isso é possível compreender os processos mais efetivos para redução da sífilis nos territórios a partir da estratégia de apoio e da plataforma LUES. 

Na indústria de óleo e gás, um dispositivo conhecido como Pipeline Inspection Gauge (PIG) percorre oleodutos e gasodutos realizando diversas operações de manutenção. A eficiência dessas operações pode ser aumentada com o emprego de um sistema de controle de velocidade em malha fechada. Para obter a velocidade, costuma-se recorrer ao uso de odômetros. Embora tal método seja relativamente simples, ele pode ocasionar determinados problemas de medição decorrentes do escorregamento entre a roda do odômetro e o duto. Visando contribuir para a solução desses problemas, o objetivo deste trabalho é desenvolver um soft sensor (sensor virtual) para medir a velocidade de PIGs a partir da diferença de pressão a qual o dispositivo é submetido no duto. Um soft sensor é constituído basicamente de dois elementos: um modelo matemático do sistema e os sensores que medem as variáveis físicas requeridas pelo modelo. Para a obtenção do modelo, pretende-se utilizar redes neurais artificiais. Esse modelo será embarcado em um Raspberry Pi a ser instalado no PIG, que será responsável também por obter os dados dos sensores. O duto de testes de PIGs do Laboratório de Avaliação e Medição em Petróleo (LAMP/UFRN) será utilizado para avaliar os resultados. Espera-se que o sistema proposto seja capaz de complementar o uso dos odômetros, aumentando assim a confiabilidade da medição de velocidade. 

O risco envolvendo o uso de Veículos Aéreos não Tripulados (UAV) tem crescido diretamente com a sua popularização. É uma preocupação mundial das agências reguladoras diminuir esses riscos. No Brasil a Agência Nacional de Aviação Civil (ANAC) dispensa a maioria das exigências para UAVs com até 0,250 Kg. Nesta perspectiva, o presente estudo tem como objetivo propor o projeto e desenvolvimento de um micro UAV modelo asa voadora com capacidade de pilotagem remota ou autônoma de baixo risco de colisão às pessoas e instalações (Micro-Brosh). Com uma envergadura máxima de 0,30 m e peso final de 0,160 Kg, o UAV Micro-Brosh tem como principal característica a operação fácil e segura, podendo ser lançado manualmente e com a realização do pouso em capo gramado, sem causar danos à aeronave. Introduzimos o projeto arquitetônico proposto, com análises aerodinâmica e de desempenho, demonstrando parâmetros como sustentação, empuxo, arrasto, velocidade de estol e tempo de voo. Em nossos testes, o protótipo demonstrou ser superior a quase todos os outros UAV da literatura estudados, menos um que possui características de tamanho e tempo de voo similars, porém com peso e tamanho maiores que o Micro-Brosh. Ao todo, foram construídos e analisados mais detalhadamente 6 protótipos, resultando no modelo final que foi validado através de testes de voo e testes de bancada. Além das vantagens de segurança, outro aspecto importante é que os custos associados com a construção e manutenção do Micro-Brosh fica abaixo de \$500, um valor considerando baixo em relação aos UAVs tradicionais pesquisados.

Atualmente os projetos desenvolvidos em sistemas de redes wireless evidenciam também os estudos do confinamento de sinais. Com a necessidade de aumentar a segurança e a restrição de uso dos serviços, no qual, os dados das redes devem se manter apenas no local delimitado de utilização, sem interferências externas. Consequentemente, diversas pesquisas são desenvolvidas utilizando absorvedores de micro-ondas com superfície seletiva em frequência (Frequency selective surfaces – FSS) como forma de permitir a redução das interferências eletromagnéticas (Electromagnetic Interference- EMI) e manter a conformidade dos sistemas. Com características e desempenho distinto dos absorvedores passivos convencionais de Salisbury e Jaumann, que apresentam boa absorção na banda de parada, porém, baixa transmissão nas faixas externas. Os absorvedores com FSS propõem atuar com transparência ás ondas eletromagnéticas do plano incidente na banda passante, enquanto absorvem as ondas nas bandas de frequência desejadas. Diante disso, este trabalho tem como objetivo projetar uma estrutura absorvedora de micro-ondas integrada a superfícies seletivas em frequência com atuação em multibanda. São analisados estudos descritos na literatura para obtenção de tais características de absorção desejadas, posteriormente são projetadas estruturas com variação de seus respectivos parâmetros. Demonstrando domínio na utilização do software comercial empregado nas simulações, e compreensão dos efeitos das variações paramétricas dos dispositivos examinados.

Neste trabalho, foram avaliadas e otimizadas geometrias simplificadas para antenas de microfita, para selecionar uma geometria adequada, visando sua aplicação de detecção de descarga parcial (PD), como um sensor UHF. Para melhorar o desempenho da antena proposta, superfícies seletivas de frequência em cascata (FSS), usando espiras quadradas duplas como elemento de célula unitária, foram projetadas e avaliadas. As medições do coeficiente de reflexão da antena sem e com as FSS integradas foram realizadas e comparadas com os resultados simulados. Os resultados mostram que a inserção das FSSs não impactou na largura de banda operacional da antena, que compreende 100% da faixa de frequência característica, da atividade PD (300 – 1500 MHz). A inserção das FSSs resultou em um ganho médio de 4 dBi, referente à antena isolada, aumentando a sensibilidade para detecção de PD, dentro da faixa de frequência proposta. Avaliamos a detecção de PD da estrutura através de medições em três dispositivos, uma barra de um hidrogerador, um tanque de óleo com eletrodos na configuração de ponta-plano e um transformador potencial (PT). O sensor UHF proposto para detecção foi capaz de detectar a atividade de PDs em todos os três cenários com níveis inferiores a 10 mV.

Este trabalho propõe uma metodologia para detecção e identificação de falhas em sistemas dinâmicos, através de uma abordagem on-line e evolutiva. A proposta é dividida em três estágios, na qual são realizados o pré-processamento e pós-processamento dos dados com o intuito de aumentar a robustez da metodologia na presença de outliers  e ruídos, no pré-processamento é realizada a seleção de características, normalização dos dados, filtragem e adição de regressores, já no pós-processamento é realizada uma filtragem de tempo. No estágio de processamento é aplicada uma abordagem adaptável e não-supervisionado,  por meio do algoritmo Auto-Cloud, que realiza agrupamento e classificação de streams de dados. Para validação desta proposta foram utilizadas diferentes métricas de avaliação, como  Adjusted Rand Index (ARI), homogeneidade, completude, precisão, f1_score, recall, sendo obtidos resultados satisfatórios. Por fim, é apresentada a conclusão deste trabalho, além de propostas para trabalhos futuros.

Inteligência artificial, aprendizagem de máquina e aprendizagem profunda têm se mostrado técnicas poderosas para resolver problemas em áreas como processamento de linguagem natural, visão computacional e outras. No entanto, seu desempenho computacional e estatístico depende além de outros fatores dos algoritmos usados para o treinamento, da plataforma de computação usada e até mesmo da precisão numérica usada para representar os dados. Um dos principais algoritmos de aprendizagem de máquina é o Support Vector Machine (SVM) sendo mais comumente treinada por meio da otimização sequencial mínima, o que contribui para um baixo desempenho computacional. Como uma alternativa, algoritmos baseados em Stochastic Gradient Descent (SGD) apresentam melhor escalabilidade e podem ser utilizados como boas opções para o treinamento de algoritmos de aprendizado de máquina. Porém, mesmo com o uso de algoritmos baseados no gradiente estocástico, os tempos de treinamento e inferência podem se tornar grandes dependendo da plataforma de computação empregada. Por esse motivo, aceleradores baseados em Field Programmable Gate Arrays (FPGAs) podem ser utilizados para melhorar o desempenho em termos de velocidade de processamento. Este trabalho propõe uma implementação em FPGA de uma SVM, totalmente paralela com treinamento baseado no SGD. Resultados associados a ocupação em hardware, velocidade de processamento (throughput), e acurácia para o treinamento e inferência em vários formatos de quantização são apresentados.

O problema da remoção de realces especulares em dados de imagem refere-se a um problema em aberto em visão computacional relativo à estimativa dos componentes de reflexão especular e à remoção dos mesmos. Em aplicações recentes, métodos de remoção de realces especulares têm sido empregados para a reprodução de realces especulares em monitores de alta faixa dinâmica (HDR); para aumentar o brilho das imagens em tecnologias de controle de reflexão especular; para melhorar a qualidade da imagem em dispositivos de visualização como TVs; e para melhorar a faixa dinâmica de imagens de baixa faixa dinâmica (LDR). No entanto, o processamento subjacente exigido pelos métodos do estado da técnica é computacionalmente dispendioso e não atende aos requisitos operacionais de processamento em tempo real de pipelines de processamento de imagem encontrados em aplicações em eletrônica de consumo. Além disso, essas aplicações podem exigir que os métodos trabalhem com um único quadro em circuitos de processamento de imagens ou de vídeos. Consequentemente, este trabalho tem o objetivo de propor um novo método para a remoção em tempo real de realces especulares em uma única imagem. A essência do método proposto consiste em casar o histograma do componente de luminância de uma representação pseudolivre de especularidades, usando como referência o componente de luminância da imagem de entrada. As operações realizadas pelo método proposto têm, no máximo, complexidade de tempo linear. Nas avaliações experimentais, o método proposto é capaz de igualar ou melhorar os resultados do estado da técnica na tarefa de estimativa do componente de reflexão difusa a partir de uma única imagem, sendo 5X mais rápido do que o método com o melhor tempo computacional e 1500X mais rápido do que o método com os melhores resultados. O método proposto tem alta aplicabilidade industrial, e as aplicações visadas podem usufruir das contribuições desse trabalho, incorporando o método proposto como um componente básico em pipelines de processamento de imagem.

Propomos neste trabalho estudar e verificar as potencialidades de utilização da Robótica Educacional em sala de aula para melhorar funções cognitivas e ao mesmo tempo atuar na prevenção à ocorrência de transtornos mentais, problema que tem dificultado o desenvolvimento sócio-cultural de muitos jovens atualmente. Convém ressaltar que existem estudos verificando a eficácia da Robótica Educacional com crianças e adolescentes visando auxiliar no diagnóstico e tratamento do espectro autista e em deficiência visual, mas não achamos na literatura um estudo parecido com o proposto neste trabalho. Ademais, já é demonstrado na literatura que a Robótica Educacional melhora as funções cognitivas da criança e também a autoestima deles e dos professores. Durante o trabalho, a partir da análise de dados coletados, conseguimos verificar fortes indícios de que crianças e adolescentes que têm aulas de robótica educacional são menos susceptíveis a problemas maiores de depressão, estresse, entre outros tipos de transtornos mentais. Para chegar a tal inferência, elaboramos e aplicamos questionários para professores e alunos, a partir dos quais foram determinadas variáveis a serem analisadas, tais como psicomotoras, cognitivas e afetivas. Os questionários foram aplicados na etapa prática da Olimpíada Brasileira de Robótica que ocorreu no Instituto Federal do Rio Grande do Norte, Natal, Brasil. Esses dados foram submetidos a uma análise e posterior verificação através de metodologias qualitativas e quantitativas sobre a ferramenta da robótica educacional utilizada.

A Indústria 4.0 mudou completamente o paradigma de monitoramento e controle de processos industriais. Foram instalados sensores em diversas partes da planta, conectando os processos com a Internet das Coisas e a Computação na nuvem. Todavia, a geração de dados cresceu vertiginosamente, demandando que engenheiros construam ambientes apropriados para o processamento de todos esses dados. Esse crescimento aumentou o consumo de energia e a complexidade computacional, que podem acentuar a degradação ambiental e as perdas econômicas. De forma a atender a essas demandas, esta dissertação propõe metodologias eficientes para Detecção e Identificação de Falhas nos processos industriais. O primeiro consiste em comprimir as variáveis de processo utilizando o algoritmo Symbolic Aggregate Approximation (SAX) com o objetivo de reduzir a carga em casas de armazenamento de dados. Em seguida, treinamos uma rede neural Long Short-Term Memory (LSTM) para a detecção de falhas industriais nesses dados comprimidos. Finalmente, a segunda metodologia é endereçada para sistemas de computação de ponta eficientes, comprimindo redes neurais LSTM com a técnica de podagem. A compressão dos modelos de detecção reduzem o uso de memória e o número de operações realizados, economizando energia e acelerando a velocidade de inferência dessas redes em sistemas de ponta. Para avaliar ambas as propostas, utilizamos o benchmark Tennessee Eastman Process (TEP) com as métricas de classificação de acurácia, precisão, sensibilidade e F1-Score. Também analisaremos a eficiência de compressão de ambas as metodologias, estudando sua viabilidade e redução de parâmetros nas redes LSTM.

O gerador de indução em gaiola de esquilo é uma alternativa robusta e de baixo custo aos sistemas de conversão

de energia eólica de velocidade variável. Para este tipo de gerador, o controle de torque direto, o controle direto

orientado ao campo do rotor, o controle direto do rotor orientado ao campo, o controle de escorregamento e o

controle de escorregamento do fluxo do rotor podem ser usados para rastreamento do ponto de potência máxima.

O controle de escorregamento de fluxo do estator e o controle de torque direto possuem esquemas simples com

respostas dinâmicas rápidas, uma vez que não possuem controladores de corrente internos. No entanto, o controle

de escorregamento do fluxo do estator apresenta alta corrente de inrush e resposta dinâmica pobre e o controle de

torque direto apresenta ondulações de alto torque e baixo desempenho em baixas velocidades. Por outro lado, o 

controle de deslizamento do fluxo do rotor, o controle orientado ao campo do estator direto e o controle orientado 

ao campo do rotor direto têm uma resposta dinâmica rápida, baixa corrente de inrush e baixo erro no 

rastreamento do ponto de potência máxima, mas têm controladores de corrente e oferecem um maior

 complexidade no projeto de controle. O objetivo deste trabalho é definir a estratégia de controle mais adequada

 avaliando os seguintes índices de desempenho simultaneamente: rastreamento do ponto de potência máxima,

distorção harmônica total, corrente de inrush e resposta dinâmica. Simulações são realizadas para analisar o

 desempenho das estratégias de controle. Os testes foram realizados para as cinco estratégias de controle e o

 controle direcionado ao campo rotor direto apresentou o melhor trade off considerando o rastreamento do ponto

 de potência máxima, distorção harmônica total e desempenho dinâmico, apesar de não ter a melhor corrente de

 inrush.

Com o avanço e adoção em massa de soluções no campo de Internet das Coisas (IoT) e cidades conectadas, o número de dispositivos e sensores conectados à rede tende a crescer exponencialmente. Nesse cenário, a transmissão e armazenamento do crescente volume de dados trazem novos desafios. Quando dispositivos transmitem dados potencialmente irrelevantes ou redundantes, há um maior gasto de energia e processamento, além do uso desnecessário do canal de comunicação. Dessa forma, soluções de compressão de dados  localmente nos próprios dispositivos de IoT se tornam cada vez mais atrativas, possibilitando a eliminação de amostras que teriam pouca ou nenhuma contribuição para a aplicação, de forma a reduzir significativamente o volume de dados necessários para representar as informações. No entanto, tais dispositivos presentes hoje no mercado tem sérias limitações de armazenamento e poder de processamento. A fim de circundar tais limitações, surge o campo de TinyML, que busca maneiras de implementar modelos de aprendizado de máquina em dispositivos de baixa potência. Dado esse contexto, um dos setores que mais pode se beneficiar dessas novas tecnologias é a indústria automobilística, pois atualmente todos os carros produzidos devem ser instrumentados com uma série de sensores. Dessa forma, ao conectar um dispositivo inteligente no veículo, é possível fazer um processamento local dos dados e transmiti-los para um servidor remoto posteriormente. Nesse contexto, o presente trabalho propõe o desenvolvimento de um novo algoritmo de compressão de dados online, não supervisionado, e automaticamente adaptável para aplicações de IoT.  A abordagem proposta é chamada de Tiny Anomaly Compressor (TAC) e é baseada na excentricidade de dados e não requer modelos matemáticos previamente estabelecidos ou quaisquer suposições sobre a distribuição de dados. Para testar a eficácia da solução e validá-la foram realizados dois testes com diferentes objetivos. Primeiramente foi desenvolvida uma análise comparativa em dois conjuntos de dados do mundo real com dois outros algoritmos da literatura, o Swing Door Trending (SDT) e o Discrete Cosine Transform (DCT). Por fim, a proposta foi embarcada em um dispositivo IoT baseado em um Arduino e conectado a um carro com o propósito de verificar o impacto do algoritmo no tempo de processamento das operações primárias do sistema. Resultados preliminares mostram ser possível alcançar significativas taxas de compressão sem impactos significativos no erro gerado e no processamento do sistema.

Este trabalho propõe uma técnica para contagem de pessoas em um ambiente já povoado. Incialmente, é feito um levantamento das tecnologias e soluções concebidas para este fim. Como prova de conceito, é feita a análise de uma solução de contagem para um número reduzido de pessoas, aplicando aprendizado de máquina à estatística descritiva de um sinal RF. Finalmente, são apresentados os resultados de classificação para um cenário mais realista, com até 350 pessoas no ambiente, utilizando um sistema de medição de rádio definido por software para a coleta de dados. Os resultados demostram precisão significativa na contagem do número de pessoas por classificação em grupos de indivíduos.

A levitação magnética atrai muito interesse da comunidade acadêmica, atualmente, por possuir um grande potencial em apresentar tecnologias promissoras ao mercado, principalmente no setor de transporte de passageiros e cargas e na área industrial, gerando umgrande impacto positivo para a sociedade e contribuindo para o seu bem-estar. Sob essa premissa este trabalho propõe analisar a a aplicação do controle fuzzy intervalar do tipo-2 como uma melhor alternativa para a concepção de controladores para sistemas dessa classe, analisando as características positivas da aplicação desta técnica de controle em face da técnica fuzzy do tipo-1. Os controladores foram projetados e sintonizados manualmente, afim de observar se o grau de liberdade extra provido pela técnica fuzzy intervalar apresenta uma performance superior. Os resultados experimentais mostram que o controlador fuzzy intervalar proporciona um desempenho superior a sua contraparte do tipo-1 em diversos aspectos. Com essa metodologia as melhores características das diversas classes dos sistemas de controle podem ser combinadas para a realização de um esquema de controle mais eficiente e inteligente.

O ambiente aeroespacial pode ser bastante agressivo com circuitos digitais.  O efeito de radiação espacial em circuitos pode resultar em falhas e, como consequência, pode por em risco a segurança e execução das missões aeroespaciais, tripuladas ou não.  Portanto,foi forçoso o desenvolvimento de circuitos digital que podem resistir à ação de partículas radioativas e, atualmente, existem diversas tecnologias de processadores que conseguem de fato trabalhar de forma segura sob essas condições. Contudo, essas tecnologias geralmente envolvem a utilização de processos confidenciais de fabricação de transistores ou a utilização de bibliotecas de células proprietárias, que inibem a utilização e desenvolvimento por outros pesquisadores. Todavia existe outro conjunto de métodos em maior grau de abstração que pode operar de forma confiável em condições espaciais definidas.  Este trabalho pretende usar esses métodos para desenvolver o CEVERO, um processador de propósito geral baseado na plataforma existente PULP e que usa modificações arquiteturais como redundância e outros métodos de detecção e correção de falhas, para ser enviado em missões aeroespaciais.

Com o aumento do interesse por energias renováveis no mundo cresceu a importância das pesquisas em energia eólica, métodos e tecnologias associados. O incremento de turbinas eólicas conectadas aos sistemas elétricos também trouxe consigo novos desafios relacionados a estabilidade do sistema e proteção de seus componentes. A proteção diferencial é utilizada em muitos componentes de sistemas elétricos e para turbinas eólicas baseados em DFIG esta proteção foi proposta recentemente. Logo, neste trabalho propõe critérios na tomada de decisão da proteção diferencial baseada na transformada de Park, que além da corrente de restrição usa também o nível de tensão e direcional de correntes nos terminais do estator. Em uma simulação com DFIG operando com 1,51 MW foram realizados testes de faltas internas e externas à zona de proteção, do tipo monofásica e trifásica com diversos níveis de quedas de tensão. Faltas entre espiras no rotor e estator da máquina também foram testadas com vários níveis de defeitos. Assim, com a devida definição da lógica de operação, foi possível mostrar a eficácia da proteção, havendo detecção para todas as faltas monofásicas e trifásicas dentro da zona de proteção, detecção de faltas em enrolamentos no estator com 10% de defeito ou mais e detecção de faltas no rotor com defeito de 20% ou mais.

Problemas de otimização multiobjetivo retratam situações reais e por isso, esta classe de problemas é extremamente importante. No entanto, mesmo já sendo estudada há décadas, esta classe de problemas continua a proporcionar situações desafiadoras, ainda mais pela persistente carência de técnicas eficazes. Dentre todas as dificuldades que podemos encontrar na otimização de múltiplos objetivos simultaneamente, sejam eles conflitantes ou não, uma das principais dificuldades encontradas pelos algoritmos e abordagens existentes é a necessidade de conhecimento a priori do problema, ocasionando em uma predefinição da importância para cada um dos objetivos. Já quando tratamos esta classe de problemas por meio da aprendizagem por reforço, duas abordagens são predominantes: política única (single-policy) e múltiplas políticas (multi-policy). Algoritmos e técnicas que utilizam a primeira abordagem sofrem com a necessidade de conhecimento prévio do problema, característica inerente dos problemas multiobjetivo. Já a segunda abordagem possui outras dificuldades, tais como: limitação do conjunto de soluções e elevado custo computacional. Diante deste contexto apresentado, o trabalho propõe dois algoritmos híbridos, chamados de Q-Managed with reset e Q-Managed without reset. Ambos são uma hibridização do algoritmo Q-Learning e à abordagem ε−constraint, respectiva- mente pertencentes à aprendizagem por reforço e otimização multiobjetivo. De forma resumida, os algoritmos propostos atuam da seguinte forma: o Q-Learning é utilizado para a exploração do ambiente, enquanto que à abordagem ε−constraint é utilizada para a delimitação dinâmica do ambiente, permitindo manter intacta a essência de como o algoritmo Q-Learning atua. Essa delimitação tem a seguinte finalidade: impor que o agente de aprendizagem possa aprender outras soluções por meio do bloqueio de ações que o levem a soluções já aprendidas e sem melhoria das mesmas, ou seja, soluções para qual o agente de aprendizagem já convergiu. Tal característica do bloqueio de ações é realizada pela figura de um gerente (Manager), onde o mesmo é responsável por observar tudo o que ocorre no ambiente. Com relação a diferença entre os algoritmos propostos, basicamente trata-se da escolha de aproveitar ou não o conhecimento já adquirido do ambiente após uma solução ser considerada aprendida, ou seja, o agente de aprendizado ter convergido para uma determinada solução. Como forma de testar a eficácia das duas versões do Q-Managed, foram utilizados benchmarks tradicionais, os quais também foram adotados em outros trabalhos, permitindo assim uma comparação mais justa. Assim, duas abordagens comparativas foram adotadas, sendo a primeira delas por meio da implementação dos algoritmos de terceiros para uma comparação direta, enquanto que a segunda se deu por meio de uma métrica comum a todos que utilizaram os mesmos benchmarks. Em todos os testes possíveis, os algoritmos aqui propostos se mostraram eficazes, sempre encontrando toda a Fronteira de Pareto.

Nos últimos anos, os avanços observados nos sistemas de comunicações sem fio (wireless communication systems) e o crescimento do número de suas aplicações tornaram atrativo o uso de antenas compactas de multibanda e de banda larga, tanto para aplicações em sistemas de comunicações comerciais como militares. Os exemplos mais comuns são encontrados na variedade de aparelhos portáteis de comunicação sem fio, tais como: smartphones, handsets, palmtops e laptops, dentre outros. O desenvolvimento de diferentes tecnologias sem fio, a exemplo do GSM (Sistema Global para Comunicações Móveis), RFID (Identificação por Rádio Frequência), Bluetooth, Wi-Fi e WiMAX, tem servido de motivação para impulsionar as pesquisas na busca por dispositivos mais leves, compactos e de custo reduzido, como é o caso das antenas planares em microfita. O desenvolvimento de antenas com estas características ainda é um desafio às pesquisas atuais. Este trabalho objetiva o estudo, o projeto, a fabricação e a medição de novas geometrias de antenas planares, com aberturas no plano de terra e utilização de FSS (Frequency Selective Surface), visando à redução das suas dimensões, volume e peso bem como aumento do ganho das antenas, para atender às demandas dos serviços ofertados pelos Sistemas Móveis 5G, por exemplo. A inserção de camadas de ar entre a antena e a estrutura FSS também foi utilizada visando um maior grau de liberdade para ajuste das frequências de ressonâncias. Simulações computacionais com objetivo de predizer os valores dos parâmetros que caracterizem as estruturas propostas foram realizadas através dos softwares CST e HFSS 13.0. Protótipos foram fabricados e medidos. Uma boa concordância foi observada entre os resultados simulados e medidos.

A sífilis no Brasil cresceu mais de 5000% entre 2012 e 2017, isso chamou a atenção do Ministério da Saúde que no ano de 2017 declarou que o Brasil vivia uma epidemia de sífilis. A face mais dura da sífilis está na transmissão vertical, ou seja, quando uma mulher gestante transmite o Treponema Pallidum para o seu bebê. O tribunal de Contas da União (TCU), por meio de uma auditoria séria e profunda a respeito do aumento dos casos de sífilis no Brasil, fez vários apontamentos e recomendações, dentre eles a necessidade de desenvolver ferramentas e tecnologias que possibilitem monitorar com maior eficiência a evolução da sífilis. Todavia, quando se trata de monitoramento é importante observar para além das questões epidemiológicas, diagnóstico, o cuidado, o tratamento e a cura. Esse fatores são importantes, por exemplo, para eliminar a transmissão vertical da sífilis e, consequentemente, a sífilis congênita, sendo esta última um dos maiores desafios para o Brasil. Neste contexto, é necessário, portanto, que as ações para o enfrentamento da sífilis no Brasil estejam coadunadas entre a Vigilância e a Atenção a Saúde. Essas duas áreas apesar de serem concebidas pelo Sistema Único de Saúde (SUS) como essencialmente articuladas entre si, atuam em grande parte do país de forma dicotômica, inclusive no próprio Ministério da Saúde. Isso ocorre algumas vezes pela falta de integração entre as equipes que atuam em espaço diferentes da saúde, ou porque as tecnologias disponibilizadas pelo DATASUS estão muito longe de compreenderem a necessidade de mediar uma lógica de integração entre essas áreas estratégicas do SUS. A presente tese de doutorado está, portanto, situada nesta dimensão, ela traz em sua discussão o desenvolvimento de uma arquitetura tecnológica que de fato é uma solução de saúde digital que média por meio tecnologia a integração entre a Vigilância e a Atenção a Saúde. Para tanto, incorpora em seu fluxo a gestão de casos da Sífilis no território, ou seja, no município, locais onde saúde mais se aproxima da população. Ao mesmo produz indicadores epidemiológicos e assistenciais sobre a sífilis. A construção e a validação desta arquitetura foi realizada no município de Natal-RN e toda a discussão entorno do desenvolvimento e aplicação são apresentadas nesta tese de doutorado.