In Electric Power Systems understand the future behavior of electric loads is crucial to make a decision. The long, medium and short term load forecast is essential power systems. Considering the gradual transformation of the traditional distribution systems to smart grids, where the electric system automation and online communication are effective, the forecast in very short term gets new challenges. Based on these facts, the objective of this thesis is to identify the most appropriate methods to accomplish these forecasts to contribute to decision-making in distribution systems operation. Various techniques of forecasting and simulations in different methods were studied, in order to identify which of these offers the best results regarding demand the forecast in the very short term. The quantities considered to make predictions and, which have more relevance to the horizon under study are electrical and climate. The methods used in the simulations were the Artificial Neural Networks (ANN) type recurrent Elman e NARX and Neurofuzzy. / Em Sistemas Elétricos de Potência conhecer o comportamento futuro das cargas elétricas é de fundamental importância para tomada de decisões. A previsão de cargas elétricas é essencial nos horizontes de longo, médio, curto e curtíssimo prazo. Tendo em vista a gradual transformação dos sistemas de distribuição tradicionais para sistemas inteligentes de distribuição, onde a automação do sistema elétrico e a comunicação online estejam efetivas, a previsão no curtíssimo prazo ganha novos desafios. Com base nesses fatos esta dissertação busca identificar os métodos mais adequados para realizar essas previsões de forma a contribuir com a tomada de decisões na operação dos sistemas de distribuição de energia elétrica. Foram estudadas várias técnicas de previsão e realizadas simulações em diferentes métodos de forma a identificar qual desses apresenta melhor resultado com relação à previsão de demanda no curtíssimo prazo. As grandezas consideradas para realizar as previsões e que apresentam maior relevância para o horizonte em estudo são elétricas e climáticas. Os métodos utilizados nas simulações foram as Redes Neurais Artificiais (RNAs) do tipo recorrente Elman e NARX e Neurofuzzy.

Made available in DSpace on 2014-06-11T19:30:50Z (GMT). No. of bitstreams: 0 Previous issue date: 2009-03-13Bitstream added on 2014-06-13T20:40:35Z : No. of bitstreams: 1 isoda_ly_dr_ilha.pdf: 519614 bytes, checksum: 8efa9d6eaa776e3e613a4da6439527c1 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Nesta tese apresenta-se uma proposta para análise da estabilidade estática de tensão de sistemas de energia elétrica utilizando uma rede neural baseada na arquitetura ART (Adaptive Resonance Theory), designada rede neural ARTMAP Fuzzy. As redes neurais ARTdescendentes apresentam as características de estabilidade e plasticidade, as quais são propriedades imprescindíveis para a realização do treinamento e execução da análise de forma rápida e confiável. A versão ARTMAP Fuzzy é uma rede neural supervisionada, ou seja, a extração do conhecimento se processa por estímulos de entrada e de saída. O problema da análise de estabilidade de tensão é formulado considerando-se o estímulo de entrada composto pelas potências ativa e reativa nodais. O estímulo de saída é adotado como sendo a margem de segurança, a qual representa a “distância” entre o ponto de operação do sistema e a fronteira da estabilidade estática de tensão. Esta margem de segurança é calculada, via análise de sensibilidade e álgebra matricial de Kronecker, a partir da função determinante da matriz jacobiana relativa ao problema do fluxo de potência de Newton-Raphson. A operacionalidade das redes neurais é constituída por três fases principais: treinamento (ou aprendizado), análise e treinamento continuado. A fase de treinamento requer uma grande quantidade de processamento, enquanto que a fase de análise é realizada, efetivamente, sem esforço computacional. Esta é, por conseguinte, a principal justificativa para o uso das redes neurais para a resolução de problemas complexos que exigem soluções rápidas, como é o caso de aplicações em tempo real. Na fase de treinamento, o perfil de geração e de carga do sistema elétrico é gerado empregando-se uma distribuição aleatória (ou pseudo-aleatória) e a respectiva saída (margem de segurança) calculada via execução... / This work develops a methodology to effectuate static voltage stability of electrical power systems by neural network. The neural network used is based on the ART (Adaptive Resonance Theory) architecture, named ARTMAP Fuzzy neural network. The ART descendent neural networks present the characteristics of stability and plasticity, which are important properties to execute the training and the analysis fast and reliable. The ARTMAP Fuzzy version is a supervised neural network, i.e. the extraction of the knowledge is processed by input/output stimulus. The voltage stability analysis problem is formulated considering the input stimulus composed by the active and reactive nodal power. The output stimulus is adopted as the security margin, which represents the distance with the operation point and the static voltage stability frontier. The security margin is calculated by sensitivity analysis and Kronecker algebra from the determinant function of the Jacobian matrix related to the power flow problem by Newton-Raphson. Neural Network operation is constituted by three principal phase: training (or learning), analysis and continuous training. The training phase needs great processing effort, while the analysis is effectuated without computational effort. This is the principal advantage to use neural networks to solve complex problems that need fast solutions as the real time applications. On the training phase, the generation and load profile is generated using a random (or pseudo random) distribution and the respective output (security margin) is calculated by executing a conventional power-flow with adequate adaptations. The procedure proposed is independent of how is defined the generation dispatch and how the system load evolves. This is a more realistic approach, when compared to the most of the proposals found on the specialized literature that considers the load increasing linearly... (Complete abstract click electronic access below)

Dans ce travail, des méthodes de diagnostics et des techniques de développement de modèles sous-maille sont proposées pour la simulation des grandes échelles (SGE) du mélange turbulent. Plusieurs modèles sous-maille issus de ces stratégies sont ainsi présentés pour illustrer ces méthodes.Le principe de la SGE est de résoudre les grandes échelles de l'écoulement responsables des transferts principaux et de modéliser l'action des petites échelles de l'écoulement sur les échelles résolues. Au cours de ce travail, nous nous sommes appuyés sur le classement des modèles sous-maille en deux catégories. Les modèles "fonctionnels" qui s'attachent à reproduire les transferts énergétiques entre les échelles résolues et les échelles modélisées et les modèles "structurels" qui cherchent à bien reproduire le terme sous-maille. Le premier enjeu important a été d'évaluer la performance des modèles sous-maille en prenant en compte leur comportement à la fois fonctionnel (capacité à reproduire les transferts d'énergie) et structurel (capacité à reproduire le terme sous-maille exact). Des diagnosctics des modèles sous-maille ont pu être conduits avec l'utilisation de la notion d'estimateur optimal ce qui permet de connaitre le potentiel d'amélioration structurelle des modèles. Ces principes ont dans un premier temps servi au développement d'une première famille de modèles sous-maille algébrique appelée DRGM pour "Dynamic Regularized Gradient Model". Cette famille de modèles s'appuie sur le diagnostic structurel des termes issus de la régularisation des modèles de la famille du gradient. D'après les tests menés, cette nouvelle famille de modèle structurel a de meilleures performances fonctionnelles et structurelles que les modèles de la famille du gradient. L'amélioration des performances fonctionnelles consiste à supprimer la prédiction excessive de transferts inverses d'énergie (backscatter) observés dans les modèles de la famille du gradient. Cela permet ainsi de supprimer le comportement instable classiquement observé pour cette famille de modèles. La suite de ce travail propose ensuite d'utiliser l'estimateur optimal directement comme modèle sous-maille. Comme l'estimateur optimal fournit le modèle ayant la meilleure performance structurelle pour un jeu de variables donné, nous avons recherché le jeu de variable optimisant cette performance. Puisque ce jeu comporte un nombre élevé de variables, nous avons utilisé les fonctions d'approximation de type réseaux de neurones pour estimer cet estimateur optimal. Ce travail a mené au nouveau modèle substitut ANNM pour "Artificial Neural Network Model". Ces fonctions de substitution se construisent à partir de bases de données servant à émuler les termes exacts nécessaire à la détermination de l'estimateur optimal. Les tests de ce modèle ont montré qu'il avait de très bonnes perfomances pour des configurations de simulation peu éloignées de la base de données servant à son apprentissage, mais qu'il pouvait manquer d'universalité. Pour lever ce dernier verrou, nous avons proposé une utilisation hybride des modèles algébriques et des modèles de substitution à base de réseaux de neurones. La base de cette nouvelle famille de modèles ACM pour "Adaptative Coefficient Model" s'appuie sur les décompositions vectorielles et tensorielles des termes sous-maille exacts. Ces décompositions nécessitent le calcul de coefficients dynamiques qui sont modélisés par les réseaux de neurones. Ces réseaux bénéficient d'une méthode d'apprentissage permettant d'optimiser directement les performances structurelles et fonctionnelles des modèles ACM. Ces modèles hybrides allient l'universalité des modèles algébriques avec la performance élevée mais spécialisée des fonctions de substitution. Le résultat conduit à des modèles plus universels que l'ANNM. / This work develops subgrid model techniques and proposes methods of diagnosis for Large Eddy Simulation (LES) of turbulent mixing.Several models from these strategies are thus presented to illustrate these methods.The principle of LES is to solve the largest scales of the turbulent flow responsible for major transfers and to model the action of small scales of flowon the resolved scales. Formally, this operation leads to filter equations describing turbulent mixing. Subgrid terms then appear and must bemodeled to close the equations. In this work, we rely on the classification of subgrid models into two categories. "Functional" models whichreproduces the energy transfers between the resolved scales and modeled scales and "Structural" models that seek to reproduce the exact subgrid termitself. The first major challenge is to evaluate the performance of subgrid models taking into account their functional behavior (ability to reproduce theenergy transfers) and structural behaviour (ability to reproduce the term subgrid exactly). Diagnostics of subgrid models have been enabled with theuse of the optimal estimator theory which allows the potential of structural improvement of the model to be evaluated.These methods were initially involved for the development of a first family of models called algebraic subgrid $DRGM$ for "Dynamic Regularized GradientModel". This family of models is based on the structural diagnostic of terms given by the regularization of the gradient model family.According to the tests performed, this new structural model's family has better functional and structural performance than original model's family of thegradient. The improved functional performance is due to the vanishing of inverse energy transfer (backscatter) observed in models of thegradient family. This allows the removal of the unstable behavior typically observed for this family of models.In this work, we then propose the use of the optimal estimator directly as a subgrid scale model. Since the optimal estimator provides the modelwith the best structural performance for a given set of variables, we looked for the set of variables which optimize that performance. Since this set of variablesis large, we use surrogate functions of artificial neural networks type to estimate the optimal estimator. This leads to the "Artificial Neural Network Model"(ANNM). These alternative functions are built from databases in order to emulate the exact terms needed to determine the optimal estimator. The tests of this modelshow that he it has very good performance for simulation configurations not very far from its database used for learning, so these findings may fail thetest of universality.To overcome this difficulty, we propose a hybrid method using an algebraic model and a surrogate model based on artificial neural networks. Thebasis of this new model family $ACM$ for "Adaptive Coefficient Model" is based on vector and tensor decomposition of the exact subgrid terms. Thesedecompositions require the calculation of dynamic coefficients which are modeled by artificial neural networks. These networks have a learning method designedto directlyoptimize the structural and functional performances of $ACM$. These hybrids models combine the universality of algebraic model with high performance butvery specialized performance of surrogate models. The result give models which are more universal than ANNM.

In this thesis the verification of a neural network’s proficiency at labeling ionizing radiation particles from the unsorted output of a timepix3 camera is attempted. Focus is put on labeling single particles in separate data sequences with slightly preprocessed input data. Preprocessing of input data is done to simplify the patterns that should be recognized. Two major choices were available for this project, Elman-network and Jordan-network. A more complicated type was not an option because of the longer time needed to implement them. The network type chosen was Elman because of freedom in context size. The neural network is created and trained with the TensorFlow API in python with labeled data that was not created by hand. The network recognized the length difference between gamma particles and alpha particles. Beta particles were not considered by the network. It is concluded that the Elman-style network is not proficient in labeling the sequences, which were considered short enough and to have simple enough input data. A more modern network type is therefore likely required to solve this problem.

Made available in DSpace on 2014-06-11T19:25:29Z (GMT). No. of bitstreams: 0 Previous issue date: 2006-10-30Bitstream added on 2014-06-13T18:28:51Z : No. of bitstreams: 1 junqueira_lhp_me_mar_prot.pdf: 265340 bytes, checksum: daf69a1d10690f402ce7b118240d49da (MD5) / É antiga a preocupação do ser humano com as questões relacionadas ao conhecimento, incluindo as discussões sobre a sua origem, seu aprendizado, sobre a nossa capacidade de utiliza-lo e sobre as características específicas da cognição humana. Essa preocupação remonta aos antigos filósofos gregos (2.500 A.C.), desenvolvendo-se posteriormente a partir da abordagem da Epistemologia, originária da Filosofia ocidental, e mais recentemente a partir do Funcionalismo, pertencente aos estudos em Filosofia da Mente e em Ciência Cognitiva. Essa última abordagem, em particular, contribuiu para o surgimento de programas de pesquisas que procuram entender o funcionamento da mente humana com a ajuda do computador. A Ciência Cognitiva possui fortes ligações com as pesquisas em Inteligência Artificial, e ambas vem se desenvolvendo desde a década de 1950. Mais recentemente, a partir da década de 1980, uma nova área de estudos surgiu, formada por pesquisas em Vida Artificial, que trabalha com a possibilidade de síntese de entidades vivas, por meios artificiais, e desde então vem chamando a atenção de pesquisadores interessados no estudo da cognição. Enquanto a Ciência Cognitiva tem ligações estreitas com a Filosofia e a Psicologia, a Vida Artificial tem uma forte inspiração na Biologia. Neste trabalho, procuramos investigar o encontro entre essas disciplinas, e seus programas de pesquisas, considerando as possibilidades de contribuição para o estudo da cognição humana, a partir de uma abordagem conjunta entre essas áreas. / It is na old thing the human concern about knowledge related questions, including discussions on its origin, its learning, about our capacity to utilize it and about specific characteristics of the human cognition. That concern remounts to the ancient greek philosophers (2.500 B.C.), developing itself later from the approach of Epistemology, originated in the occidental Philosophy, and more recently from the Functionalism, that makes part of the studies of Philosophy of Mind and of Cognitive Science. This last approach, particularly, contributed to appearing of research programs that try to understand the function of the human mind with the help of the computer. The Cognitive Science has strong relation with research in Artificial Intelligence, and both areas have been growing since the 1950 decade. More recently, from the decade 1980 on, a new area of atudies appeared, formed by researches in Artificial Life, that work with the possibility of synthesis of alive entities, by artificial means, and sice then has been attracting the attention of researchers interested in the study of Cognition. While Cognitive Science has strict relations with the Philosophy and the Psychology, Artifiical life has a strong inspiration in the Biology. In this work, we tried to investigate the meeting between these subjects, and their research programs, considering the possibilities of the contribution to the study of the human cognition, by means of an integrated approach of these areas.

Orientador: Carlos Roberto Minussi / Banca: Francisco Villarreal Alvarado / Banca: Jozué Vieira Filho / Banca: Osvaldo Ronald Saavedra Mendez / Banca: Eduardo Nobuhiro Asada / Resumo: Nesta tese apresenta-se uma proposta para análise da estabilidade estática de tensão de sistemas de energia elétrica utilizando uma rede neural baseada na arquitetura ART (Adaptive Resonance Theory), designada rede neural ARTMAP Fuzzy. As redes neurais ARTdescendentes apresentam as características de estabilidade e plasticidade, as quais são propriedades imprescindíveis para a realização do treinamento e execução da análise de forma rápida e confiável. A versão ARTMAP Fuzzy é uma rede neural supervisionada, ou seja, a extração do conhecimento se processa por estímulos de entrada e de saída. O problema da análise de estabilidade de tensão é formulado considerando-se o estímulo de entrada composto pelas potências ativa e reativa nodais. O estímulo de saída é adotado como sendo a margem de segurança, a qual representa a "distância" entre o ponto de operação do sistema e a fronteira da estabilidade estática de tensão. Esta margem de segurança é calculada, via análise de sensibilidade e álgebra matricial de Kronecker, a partir da função determinante da matriz jacobiana relativa ao problema do fluxo de potência de Newton-Raphson. A operacionalidade das redes neurais é constituída por três fases principais: treinamento (ou aprendizado), análise e treinamento continuado. A fase de treinamento requer uma grande quantidade de processamento, enquanto que a fase de análise é realizada, efetivamente, sem esforço computacional. Esta é, por conseguinte, a principal justificativa para o uso das redes neurais para a resolução de problemas complexos que exigem soluções rápidas, como é o caso de aplicações em tempo real. Na fase de treinamento, o perfil de geração e de carga do sistema elétrico é gerado empregando-se uma distribuição aleatória (ou pseudo-aleatória) e a respectiva saída (margem de segurança) calculada via execução... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: This work develops a methodology to effectuate static voltage stability of electrical power systems by neural network. The neural network used is based on the ART (Adaptive Resonance Theory) architecture, named ARTMAP Fuzzy neural network. The ART descendent neural networks present the characteristics of stability and plasticity, which are important properties to execute the training and the analysis fast and reliable. The ARTMAP Fuzzy version is a supervised neural network, i.e. the extraction of the knowledge is processed by input/output stimulus. The voltage stability analysis problem is formulated considering the input stimulus composed by the active and reactive nodal power. The output stimulus is adopted as the security margin, which represents the distance with the operation point and the static voltage stability frontier. The security margin is calculated by sensitivity analysis and Kronecker algebra from the determinant function of the Jacobian matrix related to the power flow problem by Newton-Raphson. Neural Network operation is constituted by three principal phase: training (or learning), analysis and continuous training. The training phase needs great processing effort, while the analysis is effectuated without computational effort. This is the principal advantage to use neural networks to solve complex problems that need fast solutions as the real time applications. On the training phase, the generation and load profile is generated using a random (or pseudo random) distribution and the respective output (security margin) is calculated by executing a conventional power-flow with adequate adaptations. The procedure proposed is independent of how is defined the generation dispatch and how the system load evolves. This is a more realistic approach, when compared to the most of the proposals found on the specialized literature that considers the load increasing linearly... (Complete abstract click electronic access below) / Doutor

In this thesis, we develop a decision support system for the amusement park Skara Sommarland. The aim is to predict how many visitors will come to the park in order to help the management allocate the correct amount of personnel on any given day. In order to achieve this, the widely used CRoss-Industry Standard for Data Mining framework was applied to finally build a multiple linear regression (MLR) function and an artificial neural network (ANN) model. The data used to develop the models were Skara Sommarland’s historical business data and historical weather data for the surrounding area. Additionally, a fully functional web application was built which allowed the management at Skara Sommarland to use the predictions in their daily operations. The ANN outperformed the MLR and managed to achieve about 80% accuracy in predicting the number of visitors, reaching the initial data mining goal set by the project group. The conclusion formed by this thesis is that an ANN can be used to predict the number of visitors to an amusement park similar to Skara Sommarland. The final IT artifact produced can realistically help improve an amusement park’s operations by avoiding over- and under-staffing.

Made available in DSpace on 2014-06-11T19:22:31Z (GMT). No. of bitstreams: 0 Previous issue date: 2010-02-19Bitstream added on 2014-06-13T20:09:42Z : No. of bitstreams: 1 martins_jrd_me_ilha.pdf: 2522090 bytes, checksum: f59e117ff382b22406c99cdc0096ef37 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Este trabalho apresenta uma metodologia para detecção e classificação de faltas do tipo curto-circuito. Esta operação de diagnóstico tem como principal operador um banco de redes neurais artificiais (RNAs) do tipo ARTMAP Nebulosa. Tal ferramenta segue a principal filosofia das RNAs: o reconhecimento de padrões, através de um trei- namento supervisionado inicial, responsável por atualizar os parâmetros das redes con- comitantemente com os resultados desejados. Finalizada a fase de adaptação, as redes serão capazes de, após receber novos padrões, classificá-los, de forma a propiciar, ao operador, informações importantes quanto ao estado de transmissão de barras presentes em um determinado complexo elétrico. Aqui, tomou-se como modelo a simulação de um grande alimentador real, composto por mais de 800 barras. Aliados às RNAs, tam- bém foram aplicadas, no que se refere à análise de dados amostrados de corrente elétri- ca, duas importantes e flexíveis ferramentas matemáticas: a Transformada de Fourier e a Transformada Wavelet. .Observa-se, ao final do trabalho, que os resultados apresenta- dos são bastante encorajadores, o que possibilitaria a utilização do programa em um ambiente real / This work presents a detection and classification of short-circuit faults metho- dology. The main operator of this diagnostic operation is a Fuzzy ARTMAP Artificial Neural Networks (ANN) bank. This tool follows the ANN’s main core: pattern recogni- tion, through an initial supervised training stage, responsible for updating the parame- ters of the networks con-comitant with the desired results. Completed the adaptation phase, the network will be able to, after receiving new standards, classifying them in order to provide to the operator important information about the state of transmission of bars present in a given complex electric. Here, there is, like a model, a simulation of a real big feeder, comprising more than 800 bars. Besides the ANNs, two important and flexible mathematical tools were also applied with regard to the analysis of sampled data of electric current: Fourier Transform and Wavelet Transform. At the end of the work the results presented are very encouraging, which would allow the use of the pro- gram in a no simulations real environment

Made available in DSpace on 2014-06-11T19:22:32Z (GMT). No. of bitstreams: 0 Previous issue date: 2010-11-19Bitstream added on 2014-06-13T18:49:32Z : No. of bitstreams: 1 menezes_mm_me_ilha.pdf: 769292 bytes, checksum: 4b80be15a6104228fa9612312498644f (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Este trabalho apresenta estudos referentes à estabilidade a pequenas perturbações do SEP, considerando a atuação de FACTS para o amortecimento das oscilações eletromecânicas de baixa frequência. São abordados os dispositivos FACTS TCSC (Thyristor Controlled Series Capacitor) e o SSSC (Static Synchronous Series Compensator). É realizada a representação e modelagem dos dispositivos FACTS no SEP inserindo no Modelo Sensibilidade de Potência. Para melhorar o desempenho do SEP no que se refere à estabilidade a pequenas perturbações, controladores suplementares são propostos para aumentar o desempenho dos dispositivos TCSC e SSSC, introduzindo o amortecimento necessário ao SEP. Adicionam-se os controladores suplementares POD no modelo modificado para os dispositivos TCSC e SSSC para verificar sua atuação. Para encontrar a melhor localização para instalação dos dispositivos é usado a teoria dos resíduos. Esta mesma teoria é usada também para o ajuste dos parâmetros dos controlares juntamente com outro ajuste feito através de Redes Neurais Artificiais (RNA), que é proposto como alternativa de comparação ao método dos resíduos. Simulações são efetuadas em um sistema teste simétrico para se verificar resultados e a eficácia do controlador POD (parâmetros ajustados pela RNA proposta), acoplados aos dispositivos FACTS, na manutenção da estabilidade a pequenas perturbações do SEP. Palavras-chave: Controladores POD. Estabilidade de sistema de potência. Redes neurais artificiais. TCSC e SSSC / This work presents studies referred to short term Electric Power System (EPS) perturbations, considering the actuation of FACTS devices for low frequency electromechanical oscillation damping. The devices considered are: FACTS TCSC (Thyristor Controlled Series Capacitor) and the SSSC (Static Synchronous Series Compensator). It is representation and modeling FACTS devices in the EPS inserting in the Power Sensitivity Model. To improve the performance of the EPS considering the short term perturbations, additional controllers are proposed to increase the performance of the TCSC and SSSC devices, introducing the necessary damping to the EPS. The additional POD controller is added to the modified model for TCSC and SSSC devices to verify the acting. The residual theory is used to find the best location to install the devices. The same theory is used to adjust the parameters of the controllers and an adjustment with Artificial Neural Networks (ANN) is proposed as an alternative to the residual method. Simulations are effectuated for a symmetric test system to verify the efficiency of the POD controller (parameters adjusted by the ANN proposed), coupled with the FACTS devices, to maintain the stability considering the short term perturbations

Made available in DSpace on 2014-06-11T19:22:34Z (GMT). No. of bitstreams: 0 Previous issue date: 2010-07-30Bitstream added on 2014-06-13T18:08:32Z : No. of bitstreams: 1 cruz_ced_me_bauru.pdf: 2306291 bytes, checksum: 490ef2d600c46e48d97b175d02746256 (MD5) / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / A crescente competitividade do mercado, exigência por qualidade, padronização cada vez superior a necessidade de redução do desperdícios trazem cada vez mais a automação às indústrias. Por suas características, os processos automatizados podem ser melhorados com a utilização de métodos de controle e supervisão e, neste campo, a utilização de sensores e redes neurais artificiais têm cada vez mais destaque em pesquisa. No processo de furação, estudos relatam a aplicação bem sucedida destas técnicas na determinação do fim da vida de ferramentas, contudo, em muitas aplicações, apenas o controle do desgaste da broca não é suficiente para garantir a qualidade do produto. Diâmetro do furo usinado, rugosidade e a formação de rebarbas são alguns exemplos de importantes resultados do processo que não dependem exclusivamente da condição da ferramenta de corte, neste âmbito, estudos dedicados ao controle destas variáveis são limitados, senão inexistentes. Desta forma, este estudo foi conduzido buscando gerar uma contribuição à supervisão do processo de furação com foco na estimação do diâmetro e rugosidade do furo usinado. Utilizando um sistema multi sensores instalados em uma máquina ferramenta e corpus de prova compostos por uma liga de titânio seguida de uma liga de alumínio, registraram-se os sinais dos sensores durante o corte para variados parâmetros de usinagem. Os dados coletados serviram de entrada a uma rede neural artificial, que foi treinada com os valores de diâmetro e rugosidade medidos parte das amostras. Depois do treinamento, a rede capacitou-se a estimar os valores de diâmetro e rugosidade média a partir dos sinais coletados somados aos parâmetros de corte utilizados na concepção do furo. Os erros dos processo foram então calculados da diferença entre os valores medidos e as saídas obtidas. Os resultados demonstraram alta capacidade da rede em determinar as viariáveis desejadas / The growing market competitiveness, product quality requirements and just in time production concept is bringing every time more automation to manufacturing industries. Productivity and quality in machining process can be improved by using monitoring and controlling methods. Along the last decades, sensors and Artificial Neural Network have been successfully utilized in many drill wear monitoring systems. However, in many industrial fields, to supervise the tool wear is not enough to assure the product qualities. Roughnessm burr formation and hole diameter are some examples of important process results does not exclusively depend on the tool condition and in this area of knowledge the number of studies is limited or inexistent. Thus, this work brings a contribution on drilling process monitoring where the target was to determine the hole diameter and roughness using a multi-sensor system and artificial neural network. The speciments used were composed by a titanium alloy and aluminum alloy plates. The sensors were installed in a machine tool and the process was accomplished using several drilling parameters. The acquired sensors data were used a input in an artificial neural network which was trained with the roughness and diameter measured in some samples. After trained, the system was qualified to output the expected variables from the input signals. To calculate the errors these output values were compared with the samples measured. The results showed efficiency of the system in determining the roughness and hole diameters as the obtained errors can be considered low or neigligible for the majority of drilling industrial application