Made available in DSpace on 2014-06-12T17:39:48Z (GMT). No. of bitstreams: 1 license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2006 / Nesta dissertação empregamos a teoria de dinâmica simbólica como ferramenta matemática para abordar o problema da representação de seqüências de símbolos que podem ser modeladas por sistemas dinâmicos simbólicos de memória finita. Utilizando teoria de autômatos, apresentamos novos algoritmos para gerar grafos determinísticos com número mínimo de vértices que apresentam a linguagem de um sistema dinâmico simbólico de memória finita. Para isto, definimos um novo método empregando fundamentos da teoria algébrica de linguagem pata determinar as classes da relação de equivalência ? de Myhill-Nerode sobre a linguagem do sistema dinâmico simbólico de memória finita. O método apresentado é estendido é estendido para sistemas dinâmicos simbólicos de memória finita periódicos que formam a classe (na teoria de dinâmica simbólica) utilizada para modelar conjuntos de seqüências com restrição empregadas tanto para correção de erros quanto para codificação de linha

Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2017-04-24T14:03:12Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) dissertacao-mestrado.pdf: 2772669 bytes, checksum: 25b575026c012270168ca5a4c397d063 (MD5) / Made available in DSpace on 2017-04-24T14:03:12Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) dissertacao-mestrado.pdf: 2772669 bytes, checksum: 25b575026c012270168ca5a4c397d063 (MD5) Previous issue date: 2015-07-29 / CNPQ / N-Graphs is a multiple conclusion natural deduction with proofs as directed graphs, motivated by the idea of proofs as geometric objects and aimed towards the study of the geometry of Natural Deduction systems. Following that line of research, this work revisits the system under a purely combinatorial perspective, determining geometrical conditions on the graphs of proofs to explain its soundness criterion and proof growth during normalization. Applying recent developments in the fields of proof graphs, proof-nets and N-Graphs itself, we propose a linear time algorithm for proof verification of the full system, a result that can be related to proof-nets solutions from Murawski (2000) and Guerrini (2011), and a normalization procedure based on the notion of sub-N-Graphs, introduced by Carvalho, in 2014. We first present a new soundness criterion for meta-edges, along with the extension of Carvalho’s sequentization proof for the full system. For this criterion we define an algorithm for proof verification that uses a DFS-like search to find invalid cycles in a proof-graph. Since the soundness criterion in proof graphs is analogous to the proof-nets procedure, the algorithm can also be extended to check proofs in the multiplicative linear logic without units (MLL−) with linear time complexity. The new normalization proposed here combines a modified version of Alves’ (2009) original beta and permutative reductions with an adaptation of Carbone’s duplication operation on sub-N-Graphs. The procedure is simpler than the original one and works as an extension of both the normalization defined by Prawitz and the combinatorial study developed by Carbone, i.e. normal proofs enjoy the separation and subformula properties and have a structure that can represent how patterns lying in normal proofs can be recovered from the graph of the original proof with cuts. / N-Grafos é uma dedução natural de múltiplas conclusões onde provas são representadas como grafos direcionados, motivado pela idéia de provas como objetos geométricos e com o objetivo de estudar a geometria de sistemas de Dedução Natural. Seguindo esta linha de pesquisa, este trabalho revisita o sistema sob uma perpectiva puramente combinatorial, determinando condições geométricas nos grafos de prova para explicar seu critério de corretude e crescimento da prova durante a normalização. Aplicando desenvolvimentos recentes nos campos de grafos de prova, proof-nets e dos próprios N-Grafos, propomos um algoritmo linear para verificação de provas para o sistema completo, um resultado que pode ser comparado com soluções para roof-nets desenvolvidas por Murawski (2000) e Guerrini (2011), e um procedimento de normalização baseado na noção de sub-N-Grafos, introduzidas por Carvalho, em 2014. Apresentamos primeiramente um novo critério de corretude para meta-arestas, juntamente com a extensão para todo o sistema da prova da sequentização desenvolvida por Carvalho. Para este critério definimos um algoritmo para verificação de provas que utiliza uma busca parecida com a DFS (Busca em Profundidade) para encontrar ciclos inválidos em um grafo de prova. Como o critério de corretude para grafos de provas é análogo ao procedimento para proof-nets, o algoritmo pode também ser estendido para validar provas em Lógica Linear multiplicativa sem units (MLL−) com complexidade de tempo linear. A nova normalização proposta aqui combina uma versão modificada das reduções beta e permutativas originais de Alves com uma adaptação da operação de duplicação proposta por Carbone para ser aplicada a sub-N-Grafos. O procedimento é mais simples do que o original e funciona como uma extensão da normalização definida por Prawitz e do estudo combinatorial desenvolvido por Carbone, i.e. provas em forma normal desfrutam das propriedades da separação e subformula e possuem uma estrutura que pode representar como padrões existentes em provas na forma normal poderiam ser recuperados a partir do grafo da prova original com cortes.

[pt] A compreensão dos atuais processos produtivos é essencial neste momento em que o conhecimento tornou-se um importante gerador de valor. Uma visão holística dos conhecimentos que estão disseminados, de forma dispersa, entre profissionais, consultores e acadêmicos é necessária para a síntese de novas teorias da produção. Pesquisadores de gerência de operações freqüentemente usam mapeamento causal como um mecanismo para construir e comunicar teorias, particularmente em suporte à pesquisa empírica. As abordagens mais usuais para capturar dados cognitivos para um mapa causal são brainstorming e entrevistas, os quais exigem muito tempo e apresentam um significativo custo em sua implementação. Esta tese visa gerar uma metodologia (Metodologia Evocativa para Mapeamento Causal - ECMM) voltada para aplicação em pesquisa sobre gerência de operações para coletar e estruturar dados disseminados de forma desagregada, como conhecimento e experiência profissional e acadêmica, contidos nas opiniões de um grande número de especialistas dispersos demograficamente e geograficamente. Isto é alcançado evocando opiniões, codificando-as em variáveis e reduzindo o grupo em conceitos e relações. Tem-se uma especial preocupação em conseguir este objetivo em tempo factível e com baixo custo. A coleta de dados é assíncrona, via Internet, possui dois ou três turnos (à semelhança do método Delfos). A análise de dados usa codificação, técnica de grupamento hierárquica e escalamento multidimensional para identificar conceitos na forma de mapas cognitivos. A ECMM foi ilustrada com aplicações que demonstram sua viabilidade. Aplicou-se nas áreas de gestão da cadeia de suprimento (SCM) e administração de serviços (SM) com a participação de aproximadamente 1.300 respondentes de empresas e universidades de quase 100 países. Dentre os desdobramentos para pesquisas futuras propõe-se aplicar nas áreas de ECMM em SCM e SM visando a uni-las em um tema: gestão da cadeia de suprimento de serviços. / [en] The understanding of the present productive processes is essential at this moment when knowledge became an important value creator. A holistic vision of the pieces of knowledge that are spread out and dispersed among practitioners, consultants and academics is necessary for the synthesis of new theories of production. Operations management researchers often use causal mapping as a key tool for building and communicating theory, particularly in support of empirical research. The widely accepted approaches for capturing cognitive data for a causal map are informal brainstorming and interviews, which require a time- consuming and significant cost of implementation. This dissertation aims at creating a methodology (Evocative Causal Mapping Methodology - ECMM) intended for use in operations management research for collecting and structuring dispersed data spread out as practical and research knowledge, and experience contained in the opinions of a large number of specialists demographically and geographically scattered. This is accomplished by evoking opinions, encoding them into variables and reducing the resulting set to concepts and relationships. A special concern is to achieve this goal in a feasible time and cost- efficient way. ECMM consists of two or three round, Delphi- like, Internet-based asynchronous data collection, and a data analysis that uses a coding panel of experts, hierarchical cluster analysis and multidimensional scaling for identifying concepts on cognitive map formats. Applications illustrate ECMM and demonstrate its feasibility. They were developed on supply chain management (SCM) and service management (SM) involving about 1,300 respondents of companies and universities of about 100 countries. Among possible unfolding future studies, this dissertation proposes to apply ECMM in SCM and SM aiming at unifying them into a single topic: service supply chain management.