Submitted by Cristiane Chim (cristiane.chim@ucpel.edu.br) on 2017-02-09T11:47:21Z No. of bitstreams: 1 DOUGLAS ADALBERTO SCHEUNEMANN.pdf: 5931504 bytes, checksum: c30746e845003aab58ead827e2769fbd (MD5) / Made available in DSpace on 2017-02-09T11:47:21Z (GMT). No. of bitstreams: 1 DOUGLAS ADALBERTO SCHEUNEMANN.pdf: 5931504 bytes, checksum: c30746e845003aab58ead827e2769fbd (MD5) Previous issue date: 2016-12-01 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES# / #2075167498588264571# / #600 / The Internet of Things (IoT) has influenced the development of computational systems, enabling a more proactive interaction with users, expanding features as mobility and availability. In this scenario increases the demand for applications that can recognize the user’s context and can provide situation based services. The identification of situations is a research challenge for applications in the IoT, given the complexity of the relationships that must be established and processed. Data from several sources can be used for contextual processing, which can occur in multiple steps and involve different techniques based on specification, learning or hybrid models in which both are combined. The use of middleware is highlighted in the literature as a way of treating heterogeneous devices in the IoT and also to make more transparent the contextual processing for the applications. However, for a middleware be independent of the application domain is necessary to add in its architecture layers that allow the management of software components used in contextual processing and still allow the composition of different contextual processing flows. Considering this demand, the aim of this work is to design an architecture for management and composition of hybrid contextual processing flows to provide situation awareness for IoT applications. One of the premises of the architecture is its integration with the middleware EXEHDA (Execution Environment for Highly Distributed Applications). The evaluation of the architecture was done through two scenarios of use, one in the area of cardiac rehabilitation and another in the area of management of hospital environments. The results obtained were promising, pointing to the continuity of the research. / A Internet of Things (IoT) vem influenciando a maneira como os sistemas computacionais são desenvolvidos, possibilitando uma interação mais proativa com os usuários, expandindo características de mobilidade e disponibilidade. Nesse cenário, cresce a demanda por aplicações que possam reconhecer o contexto do usuário e fornecer serviços baseados em sua situação. A identificação de situações representa um desafio de pesquisa para aplicações em IoT, dada a complexidade das relações que precisam ser estabelecidas e processadas até que se obtenha informações no nível de abstração suficiente para a identificação das situações de interesse das aplicações. Dados de diversas fontes podem ser utilizados durante o processamento contextual, o qual pode ocorrer em múltiplas etapas e envolver diferentes técnicas, baseadas em especificação, aprendizado ou em modelos híbridos onde ambas são combinadas. O uso de middlewares é destacado na literatura como uma forma de tratar a heterogeneidade de dispositivos na IoT e também para tornar o processamento contextual mais transparente para as aplicações. No entanto, para que um middleware seja independente do domínio de aplicação é necessário acrescentar em sua arquitetura camadas que permitam o gerenciamento dos componentes de software aplicados no processamento contextual, e que possibilitem ainda a composição de diferentes fluxos de processamento contextual. Considerando esta demanda, o objetivo desta dissertação é a concepção de uma arquitetura voltada para o gerenciamento e composição de fluxos de processamento contextuais híbridos para prover ciência de situação para aplicações em IoT. Uma das premissas da arquitetura é a sua integração com o middleware EXEHDA (Execution Environment for Highly Distributed Applications). A avaliação da arquitetura foi feita através de dois cenários de uso, um na área de reabilitação cardíaca e outro na área de gerenciamento de ambientes hospitalares. Os resultados obtidos se mostraram promissores, apontando para continuidade da pesquisa.

Submitted by Silvana Teresinha Dornelles Studzinski (sstudzinski) on 2015-10-19T17:55:48Z No. of bitstreams: 1 NELSON MANOEL DE MOURA QUEVEDO_.pdf: 1744806 bytes, checksum: faaf5521ba9ca9a40ca45be29cfd07c2 (MD5) / Made available in DSpace on 2015-10-19T17:55:48Z (GMT). No. of bitstreams: 1 NELSON MANOEL DE MOURA QUEVEDO_.pdf: 1744806 bytes, checksum: faaf5521ba9ca9a40ca45be29cfd07c2 (MD5) Previous issue date: 2015-08-19 / UNISINOS - Universidade do Vale do Rio dos Sinos / Avanços em computação ubíqua estão permitindo o surgimento de oportunidades em diversas áreas, entre elas está a área da saúde. Nessa área surgem diversas aplicações que utilizam computação ubíqua para cuidados com a saúde, chamadas de aplicações de Cuidados Ubíquos. Conforme pesquisa realizada, foram encontrados vários modelos que possibilitam cuidados ubíquos para os usuários, tais como planejamento alimentar, controle de ingestão de alimentos calóricos, sugestão de restaurantes, acompanhamento diário dos alimentos ingeridos e suporte na seleção de menus conforme restrições para uma dieta segura. Entretanto, nenhum dos modelos considerados fornece suporte de maneira ubíqua a usuários que sofrem de alergia alimentar. Assim, a proposta deste trabalho é a de desenvolver um modelo ubíquo, baseado em ciência de situação, de detecção de risco de ingestão dos oito ingredientes alergênicos (soja, ovo, leite, trigo, peixe, crustáceo, amêndoas oriundas de árvores e amendoim) e seus derivados, que são responsáveis por mais de 90% dos casos de alergias alimentares. A maior contribuição do modelo Allergy Detector para a comunidade científica consiste em empregar a ciência de situação para o propósito específico de dar suporte a usuários na área de alergia alimentar. Além disso, o modelo apresenta também uma importante contribuição para a sociedade, dando suporte a usuários que sofrem de alergia aos oito principais alergênicos, apontando as proteínas contidas nesses alimentos ou em seus derivados, sendo essas informações obtidas da base dados apresentada no site da União Internacional de Sociedades de Imunologia (WHO/IUIS). Utilizou-se o modelo de Endsley como base para poder-se aplicar a técnica de ciência de situação, que a partir da utilização dos contextos de perfil e de localização, somados à correlação desses dois contextos, permite realizar as inferências necessárias. E que a partir da correlação desses dois contextos, o modelo consegue identificar se existem pratos com alergênicos à saúde do usuário. Essa correlação só é possível graças à ontologia criada, que armazena todas as informações sobre os pratos e ingredientes desses pratos do restaurante identificado, bem como as informações das proteínas alergênicas contidas nos oito principais alergênicos. O modelo proposto teve três avaliações, sendo uma avaliação através de um estudo de caso, outra quanto ao desempenho do aplicativo e uma terceira avaliação relativa à usabilidade do modelo. Para o estudo de caso utilizou-se o protótipo criado e confirmou-se a expectativa de que a aplicação de ciência de situação, baseada no modelo de Endsley, possibilitaria que o modelo de forma ubíqua detectasse riscos ao usuário da presença de alergênicos nos pratos servidos nos restaurantes. Enquanto que para avaliação do desempenho, coletou-se os tempos médios de respostas para requisições entre os principais serviços, bem como mediu-se o consumo de CPU durante os conjuntos de requisições aplicadas, constando-se que o tempo médio de resposta cresce linearmente até um determinado número de requisições e após isso apresenta um comportamento exponencial e quanto ao consumo de CPU, constatou-se que os serviços pouco oneraram as plataformas PaaSs. Como última avaliação mediu-se a usabilidade do modelo através de experimentos de campo com 10 voluntários, que atestaram que o modelo atendeu a todos os construtos medidos e a partir dos resultados de análise estatística, pode-se confirmar que o modelo de medição proposto é coerente com as Hipóteses identificadas sobre influência entre construtos. / Advances in ubiquitous computing are enabling the emergence of opportunities in many areas, among them is the health area. In this area emerge many applications using ubiquitous computing for health care, called Ubiquitous Healthcare applications. According to survey conducted, have been found many models that enable ubiquitous healthcare to users, such as food planning, control intake of high-calorie foods, restaurant suggestions, daily monitoring of the diet and support in the selection menus as restrictions for safe diet. However, none of the models concerned provides support ubiquitous way for users who suffer from food allergies. Thus, this paper proposes to develop a ubiquitous model based on situation awareness, of risk detection intake of the eight major allergens (soy, egg, milk, wheat, fish, crustacean, trees nuts and peanuts) and their derivate, which causes about 90% of cases of all food allergies. The biggest model contribution to the scientific community consists of using the situation awareness for the specific purpose of supporting users in food allergy area. In addition, the model presents too an important contribution for society, supporting users who suffer from allergy to eight major allergens, presenting proteins contained in these foods or its derivatives, and that information obtained from the database hosted on the Union International Immunology Societies (WHO / IUIS) website. Was used the Endsley´s model as base to apply the situation awareness technique, which from the use of the profile and location contexts, added to the correlation of these two contexts, allows to perform the necessary inferences. And that from the correlation of these two contexts, the model is able to identify if there are dishes with allergens to the user's health. This correlation is only possible due to the ontology created, which stores all the information about the dishes and ingredients in these dishes the restaurant identified as well as the information of allergenic proteins contained in the eight major allergens. The proposed model had three evaluations, the first as an assessment by a case study, another on the application performance and a third evaluation on the usability of the model. For the case study were used the prototype created and confirmed the expectation that the situation awareness application, based on the Endsley´s model, would enable the model ubiquitously detect hazards to the user of the presence of allergens in food served in restaurants. While for performance evaluation, were collected the average response times for requests among the main services, and was measured CPU consumption during the sets applied requests, stating that the average response time increases linearly up a number of requests and thereafter presents an exponential behavior, and as the CPU consumption, it was found that the service used PaaSs platforms bit. As a final evaluation measured the usability of the model through field experiments with 10 volunteers, who testified that the model met all the measured constructs and from the results of statistical analysis, it can be confirmed that the proposed measurement model is consistent with the hypotheses identified on influence among constructs.

Submitted by Silvana Teresinha Dornelles Studzinski (sstudzinski) on 2016-06-15T15:02:13Z No. of bitstreams: 1 Cristofe Coelho Lopes da Rocha_.pdf: 1206259 bytes, checksum: 92abbbebe733f12b9fba88483243b093 (MD5) / Made available in DSpace on 2016-06-15T15:02:13Z (GMT). No. of bitstreams: 1 Cristofe Coelho Lopes da Rocha_.pdf: 1206259 bytes, checksum: 92abbbebe733f12b9fba88483243b093 (MD5) Previous issue date: 2016-03-18 / IFRR - Instituto Federal de Educação Ciência e Tecnologia de Roraima / Pacientes com insuficiência cardíaca e sem acompanhamento médico diário podem ter os sinais fisiológicos do coração comprometidos, causando graves problemas à saúde. Esse cenário recorrente diminui a qualidade de vida do paciente resultando em readmissões hospitalares, onerando assim o sistema de saúde. Considera-se que o emprego de cuidados ubíquos, usando sensores e wearables, pode melhorar esse processo, reduzindo sensivelmente o número de readmissões em sistemas de saúde. Nesse âmbito, esse trabalho propõe o modelo UbHeart, que emprega ciência da situação para identificar possíveis problemas cardíacos. Como contribuição científica o modelo provê o monitoramento da evolução da degradação dos sinais vitais do coração do paciente, por meio da detecção de possíveis situações de complicação cardíaca. A avaliação foi realizada por meio de um cenário prático com uso de um aplicativo móvel e um conjunto de 100 dados fisiológicos agrupados em cinco intervalos para a análise de dois pacientes de 72 e 23 anos. Os resultados foram positivos quanto à aplicação do modelo UbHeart, que possibilitou a compreensão da situação de forma distinta. Foram encontrados valores de 80% de grau envolvimento dos dois pacientes em relação ao risco quando considerado a média dos sinais fisiológicos no intervalo, e de 50% e 20% para os pacientes idoso e jovem, respectivamente, quando considerado a tendência lógica dos sinais fisiológicos no intervalo. / Patient with heart failure and without daily monitoring may have heart vital signals comitted becaming inevitable their hospitalization. This recurrent scene decreases the patient's life quality, resulting in hospital readmissions generating costs to health of system. The use of ubiquitous care, using sensors and wearables, can automate this process reducing the number of hospital admissions. In this context, we are proposing a model named Ubheart, which employs situation awareness to identify possible heart problems. As a scientific contribution the proposed model monitors the possible degradation of patient's heart vital signs, using the detection of situations of cardiac complications. The evaluation was performed by means of a practical scenario with use of a mobile application and a set of physiological data 100 grouped into five intervals for analysis two patients 72 and 23 years. The results were positive and the application of UbHeart model that allowed us to understand the situation differently. They found values of 80% degree of engagement of the two patients compared to the risk when considering the average of the physiological signals in range and 50% and 20% for elderly and young patients, respectively, when considered logical tendency of physiological signals in interval.

Submitted by Silvana Teresinha Dornelles Studzinski (sstudzinski) on 2017-04-19T16:13:06Z No. of bitstreams: 1 William Hart Oliveira_.pdf: 1603577 bytes, checksum: 0fec245f4abb48747a3fd395b8984212 (MD5) / Made available in DSpace on 2017-04-19T16:13:06Z (GMT). No. of bitstreams: 1 William Hart Oliveira_.pdf: 1603577 bytes, checksum: 0fec245f4abb48747a3fd395b8984212 (MD5) Previous issue date: 2016-07-19 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / PROSUP - Programa de Suporte à Pós-Gradução de Instituições de Ensino Particulares / A computação móvel pode ser definida como informação na ponta dos dedos a qualquer hora, em qualquer lugar e avança como uma realidade nas tarefas e atividades das pessoas, em decorrência da popularização e diversificação de dispositivos móveis e redes sem fio. Faz-se importante então, desenvolver modelos que permitam não somente compartilhar dados clínicos, mas sim aumentar a longevidade dos dados, melhorar a sua qualidade, tornar os dados independentes da tecnologia usada e cientes de contexto. Neste cenário, o presente trabalho, denominado PEPContextual, consiste em um modelo que faz uso da ciência da situação (situation awareness), explorando informações relacionad as com o ambiente ou com os próprios usuários e onde diversos tipos de contextos são aglomerados de forma a gerar uma visualização mais rica, complexa e inteligente, criando inúmeras possibilidades, dentre elas, a inferência de riscos associados ao paciente. A contribuição principal deste trabalho está relacionada na identificação da dados de PHR do paciente e do uso da ciência da situação a fim de que seja possível realizar inferências de sintomas e possíveis diagnósticos. O modelo foi avaliado de duas formas: A primeira avaliação por estudo de caso confirmou a expectativa de que a aplicação de ciência de situação, baseada no modelo de Endsley, possibilitaria que o modelo de forma ubíqua detectasse riscos associados ao paciente; A segunda avaliação contemplou a usabilidade do modelo, como facilidade de uso e utilidade onde a maioria dos utilizadores considerou que as informações inferidas podem auxiliar diariamente em tratamentos. / Ubuiquitous computing can be defined as information at anytime, anywhere and its grows as a reality on people‘s activities and daily tasks through the diversification and popularization of mobile devices and networks. So, it‘s important create models that allow not only share clinical data, but increase its quality, making it indifferent to technology and context aware. In this case, the present paper, called PEPContextual, is about a model that makes use of situation awareness, exploring environment related information and/or its own users, where several types of contexts are combined looking a richer, complex and smart visualization, creating several possibilities and, among that, the inferrence of associated risks to patients. The main contribution of this paper is related to make use of PHR data and situation awareness in order to inferrence symptoms and some diagnoses. The model was evaluated by two distinct ways: The first evaluation by case study has confirmed the proposal that situation awareness, based on Endsley model, makes possible that the model is capable to find associated risks through ubiquity; The second evaluation measured the usability of the model, as the ease of use and utility where most of users had considered that inferrence information can help on daily treatments.

Submitted by JOSIANE SANTOS DE OLIVEIRA (josianeso) on 2017-05-29T13:06:46Z No. of bitstreams: 1 Lucas Closs_.pdf: 1614709 bytes, checksum: f513dd4879d78d758e585d56586b19bc (MD5) / Made available in DSpace on 2017-05-29T13:06:46Z (GMT). No. of bitstreams: 1 Lucas Closs_.pdf: 1614709 bytes, checksum: f513dd4879d78d758e585d56586b19bc (MD5) Previous issue date: 2017-02-20 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Os constantes avanços na computação móvel e ubíqua possibilitam novos desenvolvimentos e novos recursos em diversas áreas, dentre estas, destaca-se a área da saúde. A partir destas novas possibilidades, surge então o conceito de Cuidados Ubíquos, onde são aplicados estes novos recursos com o intuito de prover melhores condições para médicos e equipes médicas no tratamento de pacientes. Utilizando então como referência o conceito de cuidados ubíquos, o presente trabalho apresenta uma nova abordagem para o monitoramento de pacientes através do uso da ciência de situação, apoiada pelo uso da Lógica Difusa, das Redes Neurais Artificiais e das Séries Temporais de Dados, dispondo com também com os dados dos pacientes coletados através dos dispositivos móveis e dos vestíveis. O modelo SAC – Situation-Aware Care objetiva então a aplicação das três fases da ciência de situação – percepção, compreensão e projeção – utilizando os dados coletados como entradas para as inferências. Visando prover uma solução que auxilie médicos e equipes médicas em diagnósticos – e em prognósticos – mais assertivos, através do monitoramento e da disponibilização de registros e de informações mais apuradas quanto ao estado de saúde dos pacientes. Para a avaliação do modelo, foram então desenvolvidos protótipos referentes aos Serviços SAC e a aplicação SAC4Mobile. O modelo SAC teve a sua avaliação em relação ao seu desempenho dos serviços e também através de caso de uso estendido, aferindo sobre a usabilidade. Avaliações por desempenho apresentaram bons indicadores de tempos de respostas e de recursos computacionais, onde que tempo médio mais elevado para o retorno de todas as requisições, 100 requisições simultâneas, foi de 5,5 segundos e o consumo de recursos computacionais não ultrapassou 18%. Assim como a avaliação sobre usabilidade teve resultados positivos, enaltecendo a relevância da proposta do modelo SAC. / The constant advances in mobile and ubiquitous computing enable new developments and new features in different areas, among thesethe health area stands out. From these new possibilities comes the concept of Ubiquitous Care, where these new resources are applied in order to provide better conditions for doctors and medical staff in the treatment of patients. Using the concept of ubiquitous care as a reference, the present work presents a new approach for monitoring patients through the use of Situation Awareness, supported by the use of Fuzzy Logic, Artificial Neural Networks and Time Series, also with patient data collected through mobile devices and wearable devices. The SAC - Situation-Aware Care model aims to apply the three phases of situation awareness - perception, comprehension and projection - using the data collected as inputs to the inferences. Aiming to provide a solution that assists physicians and medical teams in diagnostics - and prognoses - more assertive, through the monitoring and availability of records and more accurate information regarding the patient's health status.For the evaluation of the model, prototypes were developed for the SAC Services and the SAC4Mobile application. The SAC model had its evaluation in relation to its service performance and also through an extended use case, assessing the usability. Performance evaluations presented good indicators of response times and computational resources, where the highest time for the return of all the requests, 100 simultaneous requests, was 5.5 seconds and the consumption of computational resources did not exceed 18%. As well as the assessment of usability had positive results highlighting the relevance of the SAC model proposal.

Submitted by Silvana Teresinha Dornelles Studzinski (sstudzinski) on 2016-05-04T15:21:39Z No. of bitstreams: 1 Vinícius Tocantins Marques_.pdf: 1798612 bytes, checksum: 644619b1572a14e55b710812ab705ff0 (MD5) / Made available in DSpace on 2016-05-04T15:21:39Z (GMT). No. of bitstreams: 1 Vinícius Tocantins Marques_.pdf: 1798612 bytes, checksum: 644619b1572a14e55b710812ab705ff0 (MD5) Previous issue date: 2016-03-10 / Nenhuma / O uso de aplicações que padronizam as informações utilizadas em emergências médicas é uma das grandes ferramentas de apoio para as equipes de médicos plantonistas neste novo século. A Computação Ubíqua e a Ciência de Situação são elementos de evolução para aplicações computacionais em hospitais. Mais especificamente, a aplicação que consegue correlacionar dados de redes heterogêneas em prol do sucesso do atendimento médico, produz uma ampla rede de colaboração. Sustentado nesse conceito, o paciente em atendimento poderá usufruir de opiniões de uma ampla gama de médicos especialistas, todos a favor do seu bem estar. No geral o que se tem de resultado das buscas são trabalhos que abordam os conceitos de formas separadas. Nesse âmbito, o presente trabalho propõe o desenvolvimento de um modelo colaborativo com suporte à troca de informações entre equipes médicas plantonistas utilizando Ciência de Situação. O modelo visa utilizar recursos de computação ubíqua para melhorar a inserção de dados relevantes na aplicação, bem como otimizar a saída de dados em dispositivos móveis. Como contribuição científica, o modelo proposto emprega inferências computacionais mediante o uso de ciência de situação no intuito de melhorar a tomada de decisão médica e suportar a colaboração entre as equipes médicas. O modelo proposto realizou duas avaliações, sendo uma através de estudo de caso e a outra referente à usabilidade. As avaliações atestaram que o Doctor Collab alcançou uma média de aceitação de 86,9% utilizando o modelo TAM para verificar o grau de assentimento da aplicação frente aos médicos plantonistas. Desta maneira pode-se indicar que o modelo proposto é coerente com as Hipóteses identificadas. / Technological applications used in medical emergencies is one of the greatest support tools for attending physicians teams in this new century. The Ubiquitous Computing and the Situation Awareness are evolving elements for computer applications in hospitals. Specifically, the application that is able to correlate data from heterogeneous networks to improve the success of health care, produces a wide collaboration network. Beside that, the patient can benefit from various views of a wide range of medical specialists, all in favor of their welfare. Overall the results of researches are works that address the topics of different forms. One of the articles did not apply the concepts of ubiquitous computing in order to minimally interfere with the day-to-day medical team. In this context, this paper proposes the development of a collaborative model that supports the exchange of information between physicians medical teams using the Situation Awareness. The model aims to use ubiquitous computing resources to improve the inclusion of relevant data in the application, as well as optimize the data output on mobile devices. As scientific contribution, the proposed model employs computational inferences by using Situation Awareness in order to improve medical decision making and support collaboration between medical teams. The proposed model had two evaluations, one through case study and the other regarding the usability of the model. Evaluations show that the Doctor Collab reached an average of 86.9% acceptance using the Technical Architecture Modelling model to check the assent of application to the attending physicians. In this way it way be indicated that the proposed model is consistent with the identified assumptions.

Submitted by Silvana Teresinha Dornelles Studzinski (sstudzinski) on 2016-11-03T11:54:04Z No. of bitstreams: 1 Murillo da Silveira Grübler_.pdf: 3027339 bytes, checksum: 2fdb175c76ab90e275bf8ba04792e452 (MD5) / Made available in DSpace on 2016-11-03T11:54:04Z (GMT). No. of bitstreams: 1 Murillo da Silveira Grübler_.pdf: 3027339 bytes, checksum: 2fdb175c76ab90e275bf8ba04792e452 (MD5) Previous issue date: 2016-08-19 / CNPQ – Conselho Nacional de Desenvolvimento Científico e Tecnológico / O Gerenciamento de Leitos é uma importante área de planejamento e controle hospitalar. Sua função é garantir o equilíbrio entre os pacientes que chegam através do setor de emergência, os eletivos que possuem algum tratamento agendado e aqueles que saem do hospital. Dessa forma, esse gerenciamento possibilita manter alta a taxa de ocupação dos quartos, mas sem realmente lotá-los, além de prever qualquer situação não planejada. A gestão eficaz de leitos hospitalares como recurso sempre foi um desafio para os gestores. Nas décadas de 80 e 90, por exemplo, milhares de pacientes tiveram operações canceladas em virtude de razões não médicas. Como há necessidade de um melhor controle do fluxo, a área de Gerenciamento de Leitos começou, então, a receber mais atenção acadêmica e também políticas nacionais para a sua gestão. O processo de admissão e posicionamento de enfermos, a partir do Gerenciamento de Leitos, vem se desenvolvendo nos últimos anos através de diversas técnicas de pesquisa operacional, tais como simulação, teoria de filas, análise estatística, entre outras. Devido às constantes incertezas vividas pelos hospitais atualmente, o uso do modelo cognitivo Ciência de Situação em pesquisas científicas na área da saúde vem crescendo cada vez mais. A Ciência de Situação é uma área de estudo que busca compreender o contexto dos ambientes e projetar ações futura. Em suma, é uma técnica que vai além do tradicional processamento de informações, visto que procura explicar o comportamento humano na operação de sistemas complexos. Nessa assertiva, este trabalho tem como objetivo utilizar a Ciência de Situação na área de Gerenciamento de Leitos, usando um modelo híbrido que une a técnica de Rede Neural Artificial Multilayer Perceptron com a Teoria do Valor Multiatributo para tomada de decisão, auxiliando gestores no processo de atribuição de pacientes em leitos adequados ao seu tratamento. Através da implementação de um protótipo baseado neste modelo híbrido de apoio à decisão, nomeado de IMBEDS, foram avaliados 50 pacientes em um total de 266 leitos gerenciados pela Central de Leitos, no Hospital Mãe de Deus, localizado em Porto Alegre. O resultado final dos testes foi de 93,5% de similaridade entre o leito apto apresentado pelo modelo e o processo real de alocação dos enfermos. / The Bed Management is an important area of planning and control hospital. It’s function is to ensure the balance between the patients who come through the emergency department, elective that have some scheduled treatment and those leaving the hospital. Thus, the Bed Management enables the hospital keep high occupancy rate of rooms, but without fill all the beds, in addition to providing any unplanned situation. Effective management of hospital beds as a resource has always been a challenge for managers. In the 80s and 90s, for example, thousands of patients have operations canceled due to non-medical reasons. As there is need for better control of the flow, Bed Management area then began to receive more academic attention and also policies national for the Bed Management. The process of admission and positioning the patients, from the management of beds, has been developing in recent years through of operational research, such as simulation, queuing theory, statistical analysis, among others. Due to the uncertainties experienced by hospitals nowadays, the use of model Situation Awareness in research in the health field is growing increasingly. Situation Awareness is a field of study that seeks to understand the context of the environment and designing future actions. In short, it is a technique that goes beyond the traditional information processing, as it seeks to explain human behavior in the operation of complex systems. In this statement, this work aims to use the Situation Awareness in Bed Management area, using a hybrid model that combines the technique Artificial Neural Network Multilayer Perceptron with the Multi-Attribute Value Theory for decision making, assisting managers in process of patient's allocation to the bed suitable in his treatment. Through the implementation of a prototype based on this hybrid model of decision support, named of IMBEDS, were evaluated 50 patients in a total of 266 beds managed by Beds Center, in the Hospital Mãe de Deus, located in Porto Alegre. The final result of the tests was 93.5% similarity between the bed apt selected by the model and the allocation process of the patients.