O modelo de Composição de Especialistas Locais (CEL) para classificação de populações constitui uma interessante ferramenta de análise discriminante. Para construção do modelo CEL utiliza-se técnicas discriminantes paramétricas e não-paramétricas, como a Análise Discriminante de Fisher, Logit e Extended DEA-DA. Tais modelos são aplicados numa massa de dados particular como um todo, e na mesma massa de dados clusterizada, visando eleger os especialistas que apresentem melhor desempenho na classificação de populações, ditos vencedores. Ponderam-se os especialistas vencedores nos clusters com o objetivo de construir a composição de especialistas locais (CEL). Realiza-se um estudo de caso onde o modelo CEL é aplicado a um conjunto de empresas classificadas como solventes e insolventes e que serve de sustentáculo para a calibração dos especialistas locais e construção da composição. O presente trabalho tem por objetivo estudar um modelo de Composição de Especialistas Locais (CEL) como instrumento para classificação de populações e compará-lo com o modelo discriminante que apresentou maior número de observações corretamente classificadas numa massa de dados particular, verificando a ocorrência ou não de melhoria no número absoluto de classificações corretas.

O presente trabalho tem como objetivo principal comparar o desempenho de metodologias preditivas, baseadas na abordagem de séries temporais, diferentes das atualmente utilizadas para prognosticar a demanda, para um horizonte de 12 meses, dos aeroportos administrados pelo Departamento Aeroviário do Estado de São Paulo (DAESP) operando com tráfego aéreo regular. A determinação de previsões adequadas e, ao mesmo tempo, realistas, o que, em outras palavras, significa utilizar o método preditivo com maior grau de precisão (ou menor margem de erro), constitui-se em uma etapa fundamental para que o processo de planejamento da administração aeroportuária possa ser adequadamente realizado. Para alcançar o objetivo proposto, buscou-se, em primeiro lugar, estudar os principais aspectos teóricos relacionados aos métodos de previsão de demanda abordados neste trabalho. Posteriormente, segue-se o processo de calibração dos modelos propostos, aplicados às séries históricas disponibilizadas pela referida instituição. Os modelos de séries temporais experimentados nesta dissertação são: Trivial, Média Móvel de seis e 12 meses, Suavização Exponencial Simples, Holt, Holt-Winters Aditivo, Holt-Winters Multiplicativo e os possíveis modelos Box-Jenkins selecionados a partir do processo de identificação. Por fim emprega-se uma estratégia de avaliação e seleção de modelos preditivos, de natureza quantitativa, para subsidiar as conclusões apresentadas no final deste trabalho. Os resultados obtidos, mediante a utilização desta estratégia, demonstraram que as metodologias propostas são mais adequadas (superiores em acurácia) para a projeção de valores para um horizonte de 12 meses do que a metodologia atualmente utilizada pela instituição estudada. Neste contexto, os modelos Box-Jenkins se mostraram como os mais acurados em 61% dos casos (cinco aeroportos). Os modelos Aditivo de Holt-Winters, S.E.S. e Holt apresentaram-se como os modelos com menor margem de erro em 13% (um aeroportos), 13% (um aeroportos) e 13% (um aeroporto) dos casos, respectivamente.

A espectroscopia no infravermelho tem se mostrado uma ferramenta de valia para o monitoramento da qualidade de combustíveis. Contudo, tal técnica requer a calibração de modelos empíricos para relacionar medidas espectrais com parâmetros físico-químicos de interesse. Neste trabalho propõe-se um método que permite explorar um conjunto de dados já adquirido por um espectrômetro (instrumento Primário) na construção de um modelo para um segundo instrumento (Secundário). Tal método evita a duplicação de custo e esforço experimental no processo de calibração do modelo. Para isso, emprega-se o Algoritmo das Projeções Sucessivas para selecionar variáveis que sejam minimamente redundantes e portem informação relevante nos dois instrumentos. Adicionalmente, é empregado um método de reamostragem e combinação de modelos conhecido como subagging. Para validação do método proposto, apresenta-se um estudo de caso envolvendo a determinação de densidade e temperaturas para 10% e 90% de evaporados em amostras de gasolina, assim como um referente a determinação do teor de umidade em amostras de milho. É apresentado, também, um estudo comparativo com técnicas de transferência baseadas em padronização. Os resultados da técnica proposta se mostraram superiores aos obtidos através da técnica clássica de Mínimos-Quadrados Parciais empregando Padronização Direta por Partes. Em particular, verificou-se que o subagging propicia uma melhora expressiva na capacidade preditiva dos modelos obtidos por regressão linear múltipla. As técnicas propostas se dividem em abordagens no domínio original de comprimento de onda e no domínio da transformada wavelet. O desenvolvimento no domínio wavelet proporcionou uma redução no esforço computacional.

Este trabalho propõe um modelo de previsão dos custos de manutenção de aeronaves, especificamente aplicado à realidade da Força Aérea Brasileira - FAB. A revisão da literatura realizada proporcionou uma ampla visão dos métodos mais utilizados e a dificuldade de obtenção de modelos úteis, dadas as características das frotas, compostas por uma diversidade muito grande de aeronaves, variando desde grandes e pesados cargueiros a pequenas e velozes aeronaves de combate. Na elaboração do modelo proposto, procurou-se desde o início estabelecer relações de estimativas de custo particularizadas para cada tipo de aeronave empregada pela FAB, empregando uma metodologia que permite gerar modelos de previsão de custos adequadas a cada aeronave, com suas características históricas de gastos com material de manutenção e horas voadas. A metodologia empregada consiste na elaboração de modelos do tipo Multivariado Auto-Regressivo Integrado Média Móvel (MARIMA), o qual permite modelagem das séries temporais compostas pelos custos de manutenção de cada aeronave, e a adição da variável Hora de Vôo, proxy utilizada pela FAB no planejamento da manutenção. A metodologia é demonstrada através de um estudo de caso em uma aeronave da FAB, e os resultados obtidos atestam a eficácia do modelo, permitindo o seu emprego no planejamento das atividades logísticas da Aeronáutica.

O presente trabalho descreve os resultados de uma investigação sobre a modelagem e a análise via software de simulação, de problemas relacionados ao dimensionamento de equipamentos e determinação da capacidade de processamento em uma linha de produção de vidros laminados. Neste contexto utilizam-se métodos e técnicas que auxiliam na modelagem simplificada do sistema real sem, entretanto perder a "validação" dos dados obtidos após simulação. O escopo dos resultados deste trabalho compreende o processo de desenvolvimento do modelo de simulação propriamente dito e o desempenho deste modelo após execução do mesmo. O processo de montagem de um modelo é tão mais trabalhoso quanto mais complexo é o sistema. Neste trabalho foi montado um modelo com boa capacidade e qualidade de representação do sistema real, sendo que através de testes estatísticos de validação se comprovou este fato. Dados valiosos sobre o funcionamento do sistema foram obtidos de forma muito mais rápida e menos cara, do que se comparado à tentativa de obtenção destes dados, no sistema real. O uso de técnicas de experimentação produziu resultados os quais foram analisados estatisticamente, fornecendo subsídios para o entendimento do funcionamento do sistema, e possibilitando a obtenção dos objetivos específicos deste trabalho de forma clara. As conclusões finais apresentadas neste trabalho, principalmente às que se referem ao dimensionamento de filas em processo, não seriam passiveis de obtenção por outra técnica se não a simulação, dado a complexidade do processo de produção.

Este trabalho apresenta uma análise de prioridades para identificação de um aeroporto industrial no Brasil, utilizando-se o método AHP - Analytic Hierarchy Process (Processo de Análise Hierárquica). Existem diversos aeroportos industriais operando no mundo e atualmente, no Brasil, estão credenciados, pela Infraero, cinco aeroportos localizados nos Estados de São Paulo, Rio de Janeiro, Minas Gerais e Pernambuco. Considerando o Brasil um país com reduzidas capacidades de investimento em infra-estrutura, se comparado a países desenvolvidos, optou-se por verificar qual aeroporto industrial brasileiro possui as melhores condições, de acordo com metodologia desenvolvida pelo Prof. Dr. Kasarda, para a implantação de indústria de produtos de alto valor agregado.

Redes Bayesianas (RB) oferecem um método prático para o tratamento de incertezas em sistemas especialistas probabilísticos. Considerando que os problemas de atualização de crença e revisão crença em redes multiplamente conectadas são NP-Difíceis, alguns pesquisadores aplicaram processos de meta-raciocínio às inferências, para selecionar algoritmos para as tarefas. Quando possível, os métodos exatos devem ser adotados. Caso contrário, os algoritmos aproximados podem ser selecionados. Como a qualidade das inferências aproximadas varia a cada instância, os dados de entrada contêm características que afetam os desempenhos dos algoritmos. O problema de meta-raciocínio investigado está relacionado com a escolha do algoritmo para uma determinada instância de inferência, considerando restrições temporais. Para realizar meta-raciocínio, essa Tese propõe um método de caracterização da RB e associação conjunta dessas características, aplicando análises multivariadas. Os modelos são utilizados para a predição da probabilidade de que um algoritmo exato possa ser adotado em uma instância específica ou para a escolha do algoritmo aproximado com a melhor qualidade dos resultados. Análises experimentais comparam algumas abordagens alternativas, tais como análise de regressão simples, curvas de utilidade e técnicas de aprendizagem de máquina, mostrando resultados superiores quando análises multivariadas são aplicadas no processo de meta-raciocínio.

A pronta detecção da ocorrência de falhas é de grande importância para a segurança de operação de sistemas dinâmicos, além de reduzir custos de manutenção. Com efeito, tendo-se detectado uma falha no sistema, ações mitigatórias podem ser tomadas de modo a evitar danos ao meio ambiente, prejuízos econômicos e principalmente perdas de vidas humanas. Os métodos tradicionais de detecção de falhas, contudo, esbarram em restrições físicas, ausência de um modelo acurado do sistema e indisponibilidade de dados do comportamento do sistema com falha. Neste trabalho, um esquema de detecção de falhas, é implementado para uma planta-piloto na forma de um helicóptero de três graus de liberdade, baseado no histórico de funcionamento normal do sistema, sem a necessidade de equipamentos adicionais e nem de um modelo acurado do sistema. Para isso, um método estatístico multivariado e outro de análise de agrupamentos são comparados, são eles: uso da estatística T de Hotelling e agrupamento K-means, respectivamente. A situação de falha implementada está associada à redução de 10% na potência de um dos motores. A investigação envolve o uso das variáveis de ângulo e velocidade estimada de arfagem, uso da tensão dos motores e uso das velocidades angulares estimadas. Os resultados em termos de tempo de detecção e curva ROC indicam que os dois métodos, quando comparados, apresentaram melhor eficiência em diferentes situações. Os resultados obtidos demonstram que, com o uso das tensões nos motores, o método K-means tem um desempenho superior, já com o emprego das velocidades angulares estimadas, a estatística T de Hotelling apresentou melhor resultado em relação ao método de agrupamento K-means.

O termo Calibração Multivariada se refere à construção de um modelo matemático que permita prever o valor de uma grandeza de interesse com base em valores medidos de um conjunto de variáveis explicativas. Neste contexto o Algoritmo das Projeções Sucessivas (APS) é uma técnica de seleção de variáveis que objetiva a minimização de problemas de colinearidade em Regressão Linear Múltipla (RLM). Recentemente, constatou-se que a capacidade preditiva de modelos APS-RLM pode ser aprimorada com o uso de um método de reamostragem e combinação de modelos conhecido como subagging. Este trabalho aprofunda o estudo do subagging em conjunto com APS, investigando detalhes que não haviam sido anteriormente contemplados. Para isso, apresenta-se um estudo de caso envolvendo a determinação de umidade e proteína em trigo por espectrometria no infravermelho próximo. Em particular, observa-se que a capacidade preditiva e a sensibilidade a ruído dos modelos resultantes são aprimoradas independentemente da fração de reamostragem adotada no subagging. Adicionalmente, constata-se que o uso de validação cruzada ou validação por série de teste conduzem a resultados similares. Finalmente, tendo em vista o aumento no tempo de cálculo demandado para implementação do subagging, em comparação como APS tradicional, justifica-se o estudo de técnicas para redução da carga computacional envolvida. Neste trabalho propõe-se o uso de uma técnica de regressões sequenciais para facilitar a avaliação de subconjuntos de variáveis na etapa mais demorada do algoritmo.

A Transformada Wavelet (TW) tem sido empregada em uma variedade de aplicações em Quimiometria, tais como filtragem e compressão de sinais, correção de linha de base, classificação e calibração multivariada. Contudo, a escolha da configuração (família e comprimento da wavelet, bem como o número de níveis de resolução) para uma dada aplicação é ainda um problema em aberto. Este trabalho investiga a influência de tais fatores sobre o desempenho de modelos de calibração multivariada obtidos no domínio wavelet. Os resultados mostram que, através de uma seleção apropriada dos parâmetros da transformada, os valores de erro podem ser consideravelmente reduzidos. Contudo, observa-se também a ocorrência de resultados inadequados para algumas configurações. Para contornar a dificuldade inerente à escolha dos parâmetros da transformada, propõe-se aqui uma abordagem alternativa envolvendo a combinação de modelos obtidos com diferentes configurações wavelet. Para isso, é desenvolvido um método que permite a conversão de modelos obtidos no domínio wavelet para o domínio original. Tal método possibilita o uso de extensão constante nas bordas, relaxando a exigência de que o comprimento do sinal seja divisível por uma potência de dois. As vantagens da abordagem proposta são ilustradas na determinação espectroscópica de propriedades de trigo e gasolina. Os resultados mostram que a combinação de modelos é uma alternativa útil para calibração multivariada no domínio wavelet, porquanto libera o analista da obrigação de escolher uma configuração particular para a transformada wavelet.