Um experimento foi conduzido na fábrica da Alcoa Alumínio S.A., em Poços de Caldas - MG, para estudar o efeito da qualidade dos pinos anódicos e do tempo nos indicadores Perda de Voltagem Anódica e Distribuição de Corrente em cubas Söderberg. Utilizando a técnica de Análise de Variância para medições repetidas foi possível mostrar que cubas com pinos novos (cubas experiência) obtiveram uma redução estatisticamente significativa de 9,7% nos valores médios de Perda Anódica e uma melhoria de 12,6% na Distribuição de Corrente. O estudo mostrou que o fator tempo, em decorrência do processo de corrosão dos pinos, foi significativo na explicação da variação dos valores de Perda Anódica. Avaliando a expressão do coeficiente de variação, o estudo apresenta a tese de que a Distribuição de Corrente de uma cuba depende muito mais da variância da idade operacional dos pinos (estado de conservação) do que da sua vida útil. No propósito de evidenciar o comportamento dos dados ao longo do experimento, modelos de regressão, com limites naturais ou tecnológicos de crescimento, foram comparados segundo a natureza e forma da curva, se curvas "S" ou não.

O objetivo principal desta dissertação é apresentar uma metodologia para modelagem das medidas de pseudo-ranges no sistema GPS, cujos movimentos característicos são descritos pela trajetória de uma partícula material que se move, no decorrer do tempo, sob a influência de forças físicas, e possuem uma estrutura de auto-correlação. O tratamento dado foi de séries temporais, específico do método ARIMA da metodologia de BOX & JENKINS. A aplicação da metodologia proposta foi baseada nos dados recebidos no receptor GPS localizado no ITA, referente ao satélite de número 27. Sua validação foi feita comparando dados reais com os resultados do modelo, onde o modelo proposto mostrou uma boa performance. A principal conclusão foi a constatação da eficácia da metodologia proposta para a modelagem, através de um tratamento estatístico completo validade em caso real.

Owing to the need for the satisfaction of attributes such as safety, maintainability, and reliability in modern critical engineering devices, the design of automatic feedback control systems has increasingly demanding fault-tolerant methods. In particular, if the system states cannot directly be measured by the available suite of sensors, a fault-tolerant state estimation method turns out to be of paramount importance for achieving fault tolerance. In this context, the present thesis formulates a fault-tolerant state estimation (FTSE) problem consisting of a joint state and fault estimation of linear systems subject to additive faults. The system is described by a discrete-time linear Gaussian state-space model, where the fault appears as unknown inputs affecting both the state and measurement equations. The sequence of fault inputs is assumed to be parameterizable by three fault parameters: the fault magnitude, the fault instant, and the fault mode index. Moreover, these parameters are treated as unknown realizations of random variables (RV) that are defined so as to account for prior knowledge about possible faults. For tackling the above FTSE problem, the present work introduces a fault-tolerant two-stage (FTTS) filtering approach, from which three different FTTS filters are derived by considering three plausible alternative characterizations of the fault magnitude RV. On the basis of computational simulations, one of the FTTS filters is illustrated on a fault-tolerant model predictive control (MPC) scheme for satellite attitude control.

A manutenção de software tem consumido mais de 50% do esforço de desenvolvimento e até 90% do ciclo de vida de um software. Localizar e corrigir defeitos após a entrega de um software apresenta frequentemente custos elevados em relação às fases anteriores do projeto. A predição de defeitos tem atraído crescente interesse na indústria e na comunidade científica. Uma das abordagens adotadas vem sendo utilização de métricas de produto de software, obtidas através de análise estática de código, como insumos para predição de manutenção corretiva. Neste contexto, diversas técnicas de predição têm sido propostas e utilizadas, baseadas em técnicas estatísticas de regressão e de aprendizado de máquina. Entretanto, a grande variedade de métricas de software e técnicas tem dificultado a adoção da prática de predição de defeitos em projetos reais, por exigirem conhecimento especializado e elevado esforço de investigação. Neste trabalho de pesquisa, é investigado, concebido, implementado e verificado um framework, denominado EARLY-FIX, para predição de manutenção corretiva de software, utilizando métricas de produto. O EARLY-FIX representa a principal contribuição desta pesquisa e endereça problemas enfrentados para obtenção das informações necessárias para predição de defeitos em projetos de software desenvolvidos com processos iterativos. O EARLY-FIX compõe-se de métodos de medição e de calibração que permitem sua execução automatizada, possibilitando sua implementação em projetos de forma transparente e não-intrusiva. O EARLY-FIX envolve ainda modelos de indicadores preditivos que visam a identificação de módulos com maior propensão a manutenções corretivas. Desta forma, os indicadores fornecem insumos para priorização de atividades de qualidade, como inspeção, refatoração e testes. Finalmente, realiza-se a implementação e a verificação do EARLY-FIX em uma análise histórica, considerando dois projetos da indústria desenvolvidos segundo o paradigma Orientado a Objetos. Comparações entre os modelos gerados por cinco técnicas de regressão estatística estão entre os principais resultados obtidos nesta pesquisa.

Ionospheric scintillation is a phenomenon that occurs daily, especially around the equatorial region, during the summer solstice after the sunset, affecting radio signals that propagate through the ionosphere. Depending on the temporal and spatial situation, ionospheric scintillation can represent a problem in the availability and precision of the Global Navigation Satellite Systems (GNSS). This work is concerned with the statistical modeling and evaluation of the impact of amplitude scintillation on the performance of Global Positioning System (GPS) receivers. In this work the use of ?-? model is proposed to represent the scintillation phenomenon affecting GPS receiver performance. The use of ?-? is also extended for second order statistics. Such a model is compared to a set of experimental data obtained in São José dos Campos, near the peak of the Equatorial Anomaly, during high solar fux conditions, between the months of December 2001 and January 2002. The results obtained with the proposed ?-? model fitted quite well with the experimental data and performed better than two of the widely used models, namely Nakagami-m and Rice. The proposed model requires the estimation of two parameters, instead of a single one used by the models of Nakagami-m and Rice. To facilitate its use, for the situations in which no set of experimental data is available, this work presents parameterized equations for calculating the two parameters required by the ?-? model. Based upon the fact that the proposed model performs better than the one proposed by Nakagami-m, the present investigation derives a model to estimate the carrier and code tracking loop errors on GPS receivers. Such a model not only performed better than Nakagami';s, but also is valid for a wider range of scintillation.

O presente trabalho visou modelar a escolha de aeroporto na Grande São Paulo. Nesta região existem dois aeroportos que concorrem pelo transporte aéreo doméstico de passageiros, o Aeroporto Internacional de São Paulo em Guarulhos (GRU) e o Aeroporto de Congonhas em São Paulo (CGH).Utilizando modelo LOGIT condicional, foram testadas especificações para a função utilidade, contendo uma, duas ou três variáveis explicativas. O melhor modelo considerou as variáveis: tempo de acesso até o aeroporto, freqüências de vôo diretas no período da viagem (pico da manhã ou da tarde) e experiência do passageiro com os aeroportos considerados.A influência destas variáveis foi analisada ao longo de mercados segmentados segundo critérios de horário de partida, aeroporto de partida, motivo de viagem, local de residência fixa, idade, renda familiar mensal total da residência, experiência com aeroportos da região, modo de acesso ao aeroporto, motivo declarado de escolha de aeroporto, tempo de vôo e tipo de empresa aérea utilizada.

O Sistema Integrado de Comércio Exterior (SISCOMEX) automatiza as operações de importação e exportação e atua como uma plataforma que sincroniza as ações de todos os órgãos governamentais envolvidos. O módulo importação usa uma técnica denominada Seleção Parametrizada com o objetivo de selecionar para conferência declarações de importação com infrações e liberar ou descartar as que não possuem. Contudo, o desempenho atual dessa técnica é considerado insatisfatório porque regularmente seleciona declarações de importação sem qualquer infração e libera declarações contendo infração. O principal motivo para esse comportamento é creditado à forma como os parâmetros de seleção são fixados e à liberdade limitada para diferenciar e ordenar as declarações selecionadas. Além disso, ela é completamente dependente do julgamento do usuário e ignora o histórico de infrações. Nesse trabalho é proposta uma nova técnica para selecionar declarações de importação para conferência e fiscalização, a qual permite ordená-las de acordo com a possibilidade de infração e permite que seja integrada ao sistema atual. Essa técnica denominada Seleção Probabilística é baseada em Redes de Crença. A Rede de Crença é representada por grafo acíclico dirigido (GAD) o qual exibe o relacionamento de causa e efeito entre diversas variáveis. A técnica é implementada utilizando a linguagem Java, sua API para acesso a banco de dados, JDBCTM, e o Banco de Dados MySQLTM. Dois conjuntos contendo dados de operações reais foram coletados e extraídos. O maior dos conjuntos foi usado para a modelagem e o outro foi usado para avaliar a Seleção Probabilística. Foram obtidos alguns resultados e sobre estes efetuadas análises que mostraram o bom desempenho da técnica proposta. No final são mostradas as conclusões e algumas sugestões para futuros trabalhos.

Este trabalho aborda a técnica de Composição de Especialistas Locais (CEL), que pode ser vista como uma técnica que realiza análise exploratória de dados e modelagem matemática simultaneamente. A técnica CEL pode ser aplicada para resolver problemas de previsão de séries temporais e reconhecimento de padrões. Dado um conjunto de pontos de dados de treinamento formados pelos pares (x, y) (x = entrada, y = saída), a idéia básica é a seguinte: 1) Primeiramente, considerando apenas a parte da entrada do conjunto de treinamento (x), uma rede neural de Kohonen é usada para dividir os dados em agrupamentos não-sobrepostos de pontos, 2) Várias técnicas de modelagens são então usadas para construir modelos concorrentes para cada agrupamento e considerando apenas os pares (x,y) daquele agrupamento, 3) O melhor modelo para cada agrupamento é selecionado e denominado de Modelo de Especialista Local. A Saída de todos os Modelos de Especialistas Locais são linearmente combinados pela Rede Supervisora que considera: 1) A distância dos pontos de dados x ao centro do agrupamento de dados usados para gerar o Modelo de cada Especialista Local, 2) A abrangência da região do espaço de entrada tomado por cada agrupamento de pontos de dados de treinamento. As seguintes técnicas de modelagem são utilizadas neste trabalho: Redes Neurais Artificiais (RNA), Análises de Regressão Múltipla (ARM) e Cópia Carbono (CC). Para comparação, o desempenho destas técnicas de modelagem são também avaliados quando usadas para construir modelos para todo o conjunto de dados de treinamento, isto é, sem usar qualquer técnica de agrupamento. Neste caso, os modelos são denominados de Modelos de Especialistas Globais. A técnica CEL é testada em experimentos computacionais usando as seguintes séries temporais que estão publicamente disponíveis na Internet: 1) A "Laser Data", assim chamada uma série temporal gerada num experimento de laboratório de física e usada em 1991 na Competição e Análises de Predição de Séries Temporais do Instituto Santa Fé, 2) Séries temporais de preços mensais e diários do açúcar (contrato 14) na Câmara de Comércio de Nova York (do inglês, New York Board Trade - NYBOT)

Univariate Statistical Process Control (SPC) has been extensively employed in industry for fault detection and product quality control. However, for complex systems, better results have been obtained by the use of more elaborate Multivariate Statistical Process Control (MSPC) techniques. This work proposes the use of MSPC techniques (Hotelling T2 and Runger U2 statistics) for health monitoring of the Embraer 190 horizontal stabilizer system. For illustration, these techniques are applied in a simulated case study representing a degradation scenario with progressive increase in friction. For comparison, Univariate SPC is also employed. The results indicate that MSPC provides earlier indications of degradation as compared to Univariate SPC. In addition, a sensitivity analysis reveals that the MSPC methods are more robust with respect to changes in the time profile of the degradation, as well as alterations in the influence of temperature on the friction coefficient. In all cases, the best results are obtained by using the Runger U2 statistic.

Em um exame mamográfico, quando os fótons de raios-X incidem sobre a mama, uma parte destes fótons é transmitida sem ser desviada da trajetória inicial (radiação transmitida primária), permitindo a formação da imagem mamográfica, e outra é dispersa de sua trajetória inicial pelo tecido (radiação espalhada), atuando de forma deletéria na imagem mamográfica. Entretanto, recentes investigações têm demonstrado que a radiação espalhada pode ser útil na caracterização de tecidos. O objetivo deste trabalho é desenvolver um modelo de diagnóstico de alterações no tecido mamário utilizando as informações presentes na distribuição angular da radiação espalhada (perfil de espalhamento). Os perfis de espalhamento de 40 amostras de tecidos mamários foram obtidos utilizando um difractômetro comercial SIEMENS D5005, operando em modo reflexão na energia de 8,04 keV e variando o detector da posição angular de 5º a 150º, correspondendo a um intervalo de x de 0,03Å-1 a 0,62 Å-1. As amostras de tecido foram previamente classificadas histopatologicamente como tecidos normais, fibroadenomas (neoplasias benignas) e diferentes tipos de carcinomas (neoplasias malignas). Neste trabalho, três modelos de diagnóstico baseados na análise estatística dos perfis de espalhamento foram desenvolvidos. O primeiro, analisa seis parâmetros extraídos dos perfis de espalhamento, já o segundo e o terceiro utilizam análise multivariada (análise de componentes principais e análise de discriminante, respectivamente) para reconhecimento de padrões. Para cada modelo, valores de sensibilidade, especificidade e índice de concordância entre o diagnóstico baseado no modelo utilizado e o diagnóstico histopatológico foram obtidos. Dentre os modelos desenvolvidos, aquele que utiliza análise de discriminante proporciona o melhor diagnóstico das alterações encontradas no tecido, permitindo diferenciar tecidos normais e neoplasias benignas e malignas. Com base nos resultados obtidos conclui-se que modelos baseados na análise estatística dos perfis de espalhamento permitem classificar histologicamente tecidos mamários. / In mammography, when x-ray photons reach the breast, a fraction of these photons is transmitted without interaction with any tissues (primary transmitted radiation), allowing the formation of the mammographic image, and another fraction of them is deviated by the tissue from its initial trajectories (scattered radiation), reducing the image contrast. However, recent investigations have demonstrated that scattered radiation can be a useful diagnostic tool. The purpose of this work is to develop a diagnostic model for breast tissue characterization using the angular distribution of the scattered radiation (scattering profile). The scattering profiles of 40 breast tissue samples were obtained in a SIEMENS D5005 diffractometer, operating in reflection mode at 8,04keV, and varying the angular position of the detector from 5º to 150º, corresponding to an x interval from 0,03 Å-1 to 0,62 Å-1. All tissue samples were previously classified histopathologically as normal tissues, fibroadenomas (benign alteration) and several types of carcinomas (malignant alteration). Three models of diagnostic based on the statistical analysis of the scattering profiles were developed. The first one was constructed using six parameters extracted from the scattering profiles and the second and third models used the whole information from the scattering profiles. The latter two used multivariate analysis (principal component analysis and discriminant analysis, respectively) for pattern recognition. For each model, values of sensitivity, specificity and rate of agreement between the model diagnostic and histopathological results were obtained. Among the developed models, the discriminant analysis provides the best diagnostic of the lesions present in the tissues (normal tissues, benign and malignant alterations). From the results, it is possible to conclude that models based on the statistical analysis of the scattering profiles allow the histological classification of breast tissues.