A participação dos usuários tem sido cada vez mais efetiva e necessária na elaboração de diversos modelos decisórios, bem como na definição de requisitos de sistemas de informação. Uma forma de intensificar a participação e contribuição dos usuários na engenharia de sistemas é a utilização de JAD (Joint Application Design) para o projeto em grupo de sistemas de informação. Através de técnicas de dinâmica de grupo e de ferramentas estruturadas, busca-se uma especificação de requisitos, elaborada pelos usuários, em padrões que permitam a comunicação mais formalizada destes com a equipe de desenvolvimento. Apesar da evolução das ferramentas de automação da engenharia de sistemas (CASE) e dos sistemas de apoio à decisão para grupos (SADG), não se verifica a existência de proposta específica para o suporte ao trabalho em grupo de especificação de requisitos de sistemas. Neste trabalho, a partir da observação da prática de desenvolvimento de sistemas baseada no uso de JAD, da análise das características de sistemas de suporte ao trabalho em grupo e de ferramentas de automação do desenvolvimento de sistemas, apresenta-se a especificação dos requisitos de um sistema de computação destinado ao apoio e coordenação a trabalhos de projeto em grupo de sistemas de informação. / The participation of the users has been progressively more effective and necessary to the development of decision models, as well as to the definition of the requirements of information systems. One way to intensify the users participation and contribution to systems engineering is the utilization of JAD (Joint Application Design) in the group process of systems design. Through group techniques and structured tools, it is searched the requirements specification, defined by the users, in such a way to allow more formal communication among them and the systems engineering staff. Despite the evolution of Computer Aided Software Engineering (CASE) and Group Decision Support Systems (GDSS) tools, there is no specific proposal to support group work in systems requirements specification. In this work, from the observation of JAD use in systems development, the analysis of the characteristics of group support systems and CASE tools, it is presented the requirements specification of a computer system to support and coordinate group work in the design of information systems.

Esta tese descreve um estudo quase experimental que teve como objetivo: investigar a relação entre a construção do Pensamento Computacional e o desenvolvimento do raciocínio de estudantes dos últimos anos do Ensino Fundamental. A pesquisa foi realizada utilizando um curso de extensão em Desenvolvimento de Games, ofertado em 2 escolas particulares de Porto Alegre, tendo a participação de 50 alunos. A prática de ensino-aprendizagem proposta foi construída com base em pressupostos teóricos da aprendizagem significativa e aprendizagem experiencial. O Pensamento Computacional e o raciocínio dos alunos foram avaliados antes e após o término do curso, sendo utilizados para este fim o Teste de Pensamento Computacional e as provas que compõe a Bateria de Provas de Raciocínio – BPR-5. A análise estatística dos dados permitiu evidenciar um incremento do Pensamento Computacional, bem como do Raciocínio Verbal, Raciocínio Abstrato e Raciocínio Mecânico dos alunos que participaram do experimento. Comprovou-se também uma correlação positiva entre o Pensamento Computacional e os cinco tipos de raciocínio avaliados. Os resultados deste estudo demonstram como a construção do Pensamento Computacional contribuí no desenvolvimento cognitivo dos alunos e é apresentada uma proposta pedagógica que pode servir de referência para novos estudos na área. / This thesis describes a quasi-experimental study aimed to investigate a relationship between the construction of Computational Thinking and the development of students' reasoning in Middle School. A research was carried out during a course about Games Development, offered in two private schools in Porto Alegre, with 50 students. The proposed teaching-learning practice was built on the theoretical assumptions of meaningful learning and experiential learning. Both, Computational Thinking and reasoning, of the students were measured before and after the course, using a Computational Thinking Test and a set of reasoning evidence tests (BPR-5). The statistical analysis of the data showed an increase in Computational Thinking, as well as Verbal Reasoning, Abstract Reasoning and Mechanical Reasoning of the students participating in the experiment. There was also a positive observation between Computational Thinking and the five types of reasoning. The results of this study demonstrate how the construction of Computational Thinking contributes to the cognitive development of students and presents a pedagogical proposal that can serve as a reference for new studies in the area.

Nos últimos anos, observamos o alvorecer de uma grande quantidade de aplicações que utilizam robôs autônomos. Para que um robô seja considerado verdadeiramente autônomo, é primordial que ele possua a capacidade de aprender sobre o ambiente no qual opera. Métodos de SLAM (Localização e Mapeamento Simultâneos) constroem um mapa do ambiente por onde o robô trafega ao mesmo tempo em que estimam a trajetória correta do robô. No entanto, para obter um mapa completo do ambiente de forma autônoma é preciso guiar o robô por todo o ambiente, o que é feito no problema de exploração. Câmeras são sensores baratos que podem ser utilizadas para a construção de mapas 3D. Porém, o problema de exploração em mapas gerados por métodos de SLAM monocular, i.e. que extraem informações de uma única câmera, ainda é um problema em aberto, pois tais métodos geram mapas esparsos ou semi-densos, que são inadequados para navegação e exploração. Para tal situação, é necessário desenvolver métodos de exploração capazes de lidar com a limitação das câmeras e com a falta de informação nos mapas gerados por SLAMs monoculares. Propõe-se uma estratégia de exploração que utilize mapas volumétricos locais, gerados através das linhas de visão, permitindo que o robô navegue em segurança. Nestes mapas locais, são definidos objetivos que levem o robô a explorar o ambiente desviando de obstáculos. A abordagem proposta visa responder a questão fundamental em exploração: "Para onde ir?". Além disso, busca determinar corretamente quando o ambiente está suficientemente explorado e a exploração deve parar. A abordagem proposta é avaliada através de experimentos em um ambiente simples (i.e. apenas uma sala) e em um ambiente compostos por diversas salas. / In recent years, we have seen the dawn of a large number of applications that use autonomous robots. For a robot to be considered truly autonomous, it is primordial that it has the ability to learn about the environment in which it operates. SLAM (Simultaneous Location and Mapping) methods build a map of the environment while estimating the robot’s correct trajectory. However, to autonomously obtain a complete map of the environment, it is necessary to guide the robot throughout the environment, which is done in the exploration problem. Cameras are inexpensive sensors that can be used for building 3D maps. However, the exploration problem in maps generated by monocular SLAM methods (i.e. that extract information from a single camera) is still an open problem, since such methods generate sparse or semi-dense maps that are ill-suitable for navigation and exploration. For such a situation, it is necessary to develop exploration methods capable of dealing with the limitation of the cameras and the lack of information in the maps generated by monocular SLAMs. We proposes an exploration strategy that uses local volumetric maps, generated using the lines of sight, allowing the robot to safely navigate. In these local maps, objectives are defined to lead the robot to explore the environment while avoiding obstacles. The proposed approach aims to answer the fundamental question in exploration: "Where to go?". In addition, it seeks to determine correctly when the environment is sufficiently explored and the exploration must stop. The effectiveness of the proposed approach is evaluated in experiments on single and multi-room environments.

Neste trabalho apresentamos o RL-CD (Reinforcement Learning with Context Detection), um método desenvolvido a fim de lidar com o problema do aprendizado por reforço (RL) em ambientes não-estacionários. Embora os métodos existentes de RL consigam, muitas vezes, superar a não-estacionariedade, o fazem sob o inconveniente de terem de reaprender políticas que já haviam sido calculadas, o que implica perda de desempenho durante os períodos de readaptação. O método proposto baseia-se em um mecanismo geral através do qual são criados, atualizados e selecionados um dentre vários modelos e políticas parciais. Os modelos parciais do ambiente são incrementalmente construídos de acordo com a capacidade do sistema de fazer predições eficazes. A determinação de tal medida de eficácia baseia-se no cálculo de qualidades globais para cada modelo, as quais refletem o ajuste total necessário para tornar cada modelo coerente com as experimentações reais. Depois de apresentadas as bases teóricas necessárias para fundamentar o RL-CD e suas equações, são propostos e discutidos um conjunto de experimentos que demonstram sua eficiência, tanto em relação a estratégias clássicas de RL quanto em comparação a algoritmos especialmente projetados para lidar com cenários não-estacionários. O RL-CD é comparado com métodos reconhecidos na área de aprendizado por reforço e também com estratégias RL multi-modelo. Os resultados obtidos sugerem que o RLCD constitui uma abordagem eficiente para lidar com uma subclasse de ambientes nãoestacionários, especificamente aquela formada por ambientes cuja dinâmica é corretamente representada por um conjunto finito de Modelos de Markov estacionários. Por fim, apresentamos a análise teórica de um dos parâmetros mais importantes do RL-CD, possibilitada pela aproximação empírica de distribuições de probabilidades via métodos de Monte Carlo. Essa análise permite que os valores ideais de tal parâmetro sejam calculados, tornando assim seu ajuste independente da aplicação específica sendo estudada. / In this work we introduce RL-CD (Reinforcement Learning with Context Detection), a novel method for solving reinforcement learning (RL) problems in non-stationary environments. In face of non-stationary scenarios, standard RL methods need to continually readapt themselves to the changing dynamics of the environment. This causes a performance drop during the readjustment phase and implies the need for relearning policies even for dynamics which have already been experienced. RL-CD overcomes these problems by implementing a mechanism for creating, updating and selecting one among several partial models of the environment. The partial models are incrementally built according to the system’s capability of making predictions regarding a given sequence of observations. First, we present the motivations and the theorical basis needed to develop the conceptual framework of RL-CD. Afterwards, we propose, formalize and show the efficiency of RL-CD both in a simple non-stationary environment and in a noisy scenarios. We show that RL-CD performs better than two standard reinforcement learning algorithms and that it has advantages over methods specifically designed to cope with non-stationarity. Finally, we present the theoretical examination of one of RL-CD’s most important parameters, made possible by means of the analysis of probability distributions obtained via Monte Carlo methods. This analysis makes it possible for us to calculate the optimum values for this parameter, so that its adjustment can be performed independently of the scenario being studied.

Individualmente, as linhas de pesquisa da Inteligência Artificial têm proposto abordagens para a resolução de inúmeros problemas complexos do mundo real. O paradigma orientado a agentes provê os agentes autônomos, capazes de perceber os seus ambientes, reagir de acordo com diferentes circunstâncias e estabelecer interações sociais com outros agentes de software ou humanos. As redes Bayesianas fornecem uma maneira de representar graficamente as distribuições de probabilidades condicionais e permitem a realização de raciocínios probabilísticos baseados em evidências. As ontologias são especificações explícitas e formais de conceituações, que são usadas em uma variedade de áreas de pesquisa, incluindo os Sistemas Multiagentes. Contudo, existem aplicações cujos requisitos não podem ser atendidos por uma única tecnologia. Circunstâncias como estas exigem a integração de tecnologias desenvolvidas por distintas áreas da Ciência da Computação. Esta dissertação trata a integração do modelo de agentes BDI (Belief-Desire-Intention) e das redes Bayesianas. Além disso, é adotada uma abordagem baseada em ontologias para representar o conhecimento incerto dos agentes. O primeiro passo em direção a integração foi o desenvolvimento de uma ontologia para representar a estrutura das redes Bayesinas. Esta ontologia tem como principal objetivo permitir a interoperabilidade agentes compatíveis com a arquitetura proposta. No entanto, a ontologia também facilita o entendimento necessário para abstrair os estados mentais e processos cognitivos dos agentes através de elementos das redes Bayesianas. Uma vez construída a ontologia, a mesma foi integrada com a arquitetura BDI. Através da integração do modelo BDI com as redes Bayesianas foi obtida uma arquitetura cognitiva de agentes capaz de deliberar sob incerteza. O processo de integração foi composto de duas etapas: abstração dos estados mentais através de elementos das redes Bayesianas e especificação do processo deliberativo. Finalmente, foi desenvolvido um estudo de caso, que consistiu na aplicação da arquitetura proposta no Agente Social, um componente de um portal educacional multiagente (PortEdu). / Individually, Artificial Intelligence research areas have proposed approaches to solve several complex real-world problems. The agent-based paradigm provided autonomous agents, capable of perceiving their environment, reacting in accordance with different situations, and establishing social interactions with other software agents and humans. Bayesian networks provided a way to represent graphically the conditional probability distributions and an evidence-based probabilistic reasoning. Ontologies are an effort to develop formal and explicit specifications of concepts, which have been used by a wide range of research areas, including Multiagent Systems. However, there are applications whose requirements can not be addressed by a single technology. Circumstances like these demand the integration of technologies developed by distinct areas of Computer Science. This work is particularly concerned with the integration of Belief-Desire-Intention (BDI) agent architecture and Bayesian networks. Moreover, it is adopted an ontology-based approach to represent the agent’s uncertain knowledge. To bring together those technologies, it was developed an ontology to represent the structure of Bayesian networks knowledge representation. This ontology supports the interoperability among agents that comply with the proposed architecture, and it also facilitates the understanding necessary to abstract the agents’ mental states and cognitive processes through elements of Bayesian networks. Once specified the ontology, it was integrated with the BDI agent architecture. By integrating BDI architecture and Bayesian networks, it was obtained a cognitive agent architecture capable of reasoning under uncertainty. It was performed in two stages: abstraction of mental states through Bayesian networks and specification of the deliberative process. Finally, it was developed a case study, which consists in applying the probabilistic BDI architecture in the Social Agent, a component of a multiagent educational portal (PortEdu).

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2014. / Submitted by Ana Cristina Barbosa da Silva (annabds@hotmail.com) on 2014-10-17T12:10:08Z No. of bitstreams: 1 2014_YangLiu.pdf: 1603703 bytes, checksum: 61134747f580259f9be7b882b5ffffa8 (MD5) / Approved for entry into archive by Guimaraes Jacqueline(jacqueline.guimaraes@bce.unb.br) on 2014-10-17T13:09:45Z (GMT) No. of bitstreams: 1 2014_YangLiu.pdf: 1603703 bytes, checksum: 61134747f580259f9be7b882b5ffffa8 (MD5) / Made available in DSpace on 2014-10-17T13:09:45Z (GMT). No. of bitstreams: 1 2014_YangLiu.pdf: 1603703 bytes, checksum: 61134747f580259f9be7b882b5ffffa8 (MD5) / O rápido desenvolvimento da tecnologia da Internet trouxe-nos para a era da explosão de informações, enquanto a massa de informações por um lado, torna difícil selecionar as mais interessantes. Por outro lado, também muitas delas são perdidas na rede de informação, pois existem "informações secretas", não permitindo o acesso aos usuários em geral. O Sistema de Recomendação(RS) é atualmente um esquema mais eficiente para resolver o problema recente de sobrecarga de informações. A recomendação é amplamente utilizada em Redes Sociais Online(como Twitter, Weibo e outros Microblogs), neste trabalho é utilizado o método de Máquina de Vetores de Suporte(SVM) para aplicar recomendação de amigos. A dissertação propõe uma idéia que combina a teoria e os atributos de Microblog SVM para realizar a recomendação de amigos. Além disso implementá-lo como um sistema recomendado para aumentar a aceitação do usuário no microblog. Os experimentos mostraram que o modelo SVM proposto apresenta um desempenho eficiente e boa exatidão na recomendação de amigos nas redes sociais. O resultado do SVM é 72\% melhor que os métodos usados para comparação: os algoritmos Naïve Bayes e Random Forest, tendo sido considerados diferentes tamanhos de amostras para testar a eficiência e o desempenho destes modelos. O resultado mostrou que o algoritmo SVM é melhor para amostras de diversos tamanhos. _________________________________________________________________________________ ABSTRACT / The rapid growth of internet technology brought us to the era of the rapid difusionof information. Nevertheless, the large quantity of information makes it dificult to find interesting information and therefore, much of it is lost in the information networkdue to secret information, not permitting the access to the general public. Recommendationsystems (RS) are nowadays the most eficient tools to solve the recent problemof information overload. RS is already widely used in Online Social Networks(such asTwitter,Weibo and other Microblogs). In this research, Support Vector Machines (SVM)method is applied in the recommendation of friends.The dissertation proposes an idea which combining the SVM theory and attributesof Microblog to realize the recommendation of friends. Furthemore implement it as arecommended system to increase the acceptance of user no microblog.The experiments showed that the proposed SVM model presents an eficient performanceand good accuracy on the recommendation of friends in social networks. Theresult of the SVM is 72% better than the methods used for comparison: the algorithmsRandom Forest and Naive Bayes. Diferent sample sizes were considered separately totest the eficiency and performance of these models. These results showed that the SVMalgorithm is better for samples of diferent sizes.

Dissertação (mestrado)—Universidade de Brasília, Faculdade Gama, Programa de Pós-Graduação em Engenharia Biomédica, 2012. / Submitted by Alaíde Gonçalves dos Santos (alaide@unb.br) on 2012-12-03T12:00:54Z No. of bitstreams: 1 2012_FatimaGiseleGomesElpidio.pdf: 4357694 bytes, checksum: 0647a367fcd620d9a68d9d3371d94975 (MD5) / Approved for entry into archive by Guimaraes Jacqueline(jacqueline.guimaraes@bce.unb.br) on 2012-12-10T11:21:41Z (GMT) No. of bitstreams: 1 2012_FatimaGiseleGomesElpidio.pdf: 4357694 bytes, checksum: 0647a367fcd620d9a68d9d3371d94975 (MD5) / Made available in DSpace on 2012-12-10T11:21:41Z (GMT). No. of bitstreams: 1 2012_FatimaGiseleGomesElpidio.pdf: 4357694 bytes, checksum: 0647a367fcd620d9a68d9d3371d94975 (MD5) / A melhor forma de prevenção e controle do câncer de mama, o segundo tipo de câncer com maior incidência mundial, continua sendo o diagnóstico precoce. A mamografia é considerada o principal método de detecção precoce do câncer de mama. As calcificações (acúmulo de cálcio em regiões da mama) são freqüentemente encontradas em exames de rastreio da mama. A distinção entre calcificações tipicamente benignas e calcificações suspeitas de malignidade é uma tarefa complexa. O sistema Breast Image Reporting and Data System (BI-RADS) normatiza a descrição e o manejo dos achados mamográficos entre os especialistas da área médica. Este trabalho fundamenta-se em técnicas de Processamento Digital de Imagens para realizar a extração de informações morfológicas das calcificações e uma Rede Neural Artificial (RNA) Perceptron Múltiplas Camadas (PMC) para classificar as calcificações analisadas de acordo com a classificação morfológica definida pelo BI-RADS. O desempenho da RNA PMC foi avaliado em um teste controlado com calcificações sintéticas, geradas para simular calcificações reais, e validado com calcificações reais, extraídas de mamografias cedidas pela clínica de estudo. Adicionalmente foi desenvolvido um sistema de Raciocínio Baseado em Casos para indicar a classificação BI-RADS final da mamografia conforme análise das calcificações mamárias. A RNA PMC adotada foi testada usando o algoritmo Backpropagation cujos melhores resultados demonstraram uma convergência rápida da RNA e uma boa generalização do conhecimento, permitindo uma classificação com até 98% de acerto. A avaliação da técnica de RBC foi realizada com testes com a especialista da área e técnicas de validação preditiva. Os resultados obtidos validam que a presente proposta disponibiliza um processo consistente de análise das calcificações mamárias através do uso das técnicas de IA e PDI. _______________________________________________________________________________________ ABSTRACT / Early diagnosis still represents the best approach to prevent and control breast cancer, the second most frequent form of cancer worldwide. In this context, mamography has been largely used as major method for early disease detection. Calcifications (calcium build-ups) in breast regions are frequently found in breast screening examinations. The distinction between clusters of benign and malignant calcification is a complex task. The BI-RADS system (Breast Image Reporting and Data System) standardizes the description and management of mammographic findings among medical experts. This work is based on techniques Digital Image Processing (DIP) to perform the extraction of morphological information of calcifications and an Artificial Neural Network (ANN) Multi-Layer Perceptron (MLP) to classify calcifications analyzed according to the morphological classification defined by BI-RADS. The performance of MLP ANN was evaluated in a controlled test with synthetic calcifications, generated to simulate real calcifications and validated with real calcifications, extracted from mammograms provided by associated clinical. Additionally it was developed a system of Case Based Reasoning (CBR) to indicate the BI-RADS mammography of breast calcifications according to BI-RADS category most applicable. The ANN MPL adopted was tested using the Backpropagation algorithm whose best results demonstrated a rapid convergence of ANN and a good generalization of knowledge, allowing a rating up to 98% accuracy. The evaluation of CBR technique was performed with tests of medical expert and techniques for predictive validity. The results validate that this proposal provides a consistent process for analyzing breast calcifications through the use of AI techniques and DIP.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2012. / Submitted by Alaíde Gonçalves dos Santos (alaide@unb.br) on 2013-02-01T11:44:43Z No. of bitstreams: 1 2012_LuisFernandoAlapeRealpe.pdf: 3658503 bytes, checksum: ececcd9cb32cc006058fc2745a3d1b71 (MD5) / Approved for entry into archive by Guimaraes Jacqueline(jacqueline.guimaraes@bce.unb.br) on 2013-02-14T10:56:00Z (GMT) No. of bitstreams: 1 2012_LuisFernandoAlapeRealpe.pdf: 3658503 bytes, checksum: ececcd9cb32cc006058fc2745a3d1b71 (MD5) / Made available in DSpace on 2013-02-14T10:56:01Z (GMT). No. of bitstreams: 1 2012_LuisFernandoAlapeRealpe.pdf: 3658503 bytes, checksum: ececcd9cb32cc006058fc2745a3d1b71 (MD5) / Este trabalho apresenta uma metodologia para o desenvolvimento de um sistema de gestão de manutenção corretiva e baseada em condição no domínio de aplicação de usinas hidrelétricas, usando a técnica de IA (Inteligência Artificial) conhecida como RBC (Raciocínio Baseado em Casos). A metodologia proposta, para as duas concepções de manutenção (corretiva e baseada em condição), é apresentada segundo a modelagem IDEF0 a qual mostra todas as etapas e módulos para a concepção do sistema. O sistema proposto visa ajudar ao operador na tomada de decisão, assim como contribuir e melhorar os procedimentos de manutenção nos domínios de aplicações industriais, por meio de técnicas de IA que permitam processar e automatizar a informação disponível de planta permitindo uma gestão de manutenção mais sofisticada. A metodologia proposta faz uso de informações disponíveis em planta como dados on-line, off-line e históricos dos equipamentos para a elaboração e documentação de casos. Essa metodologia inclui a execução do ciclo RBC, para elaborar ou construir soluções de casos similares às situações novas que se apresentem no domínio de aplicação. Na técnica RBC, as experiências passadas do domínio de aplicação podem se reusar para resolver novos problemas. Como caso de estudo foi elaborado um sistema computacional (protótipo) de gestão de manutenção corretiva, aplicado às motobombas da usina hidrelétrica de Balbina seguindo a metodologia proposta. Com auxílio do framework jCOLIBRI, o protótipo RBC é implementado. A partir da execução do mesmo, o sistema sugere ações de manutenção a distintas situações ou ocorrências de falhas ingressadas pelo usuário. Devido à constante interação entre o protótipo RBC e o especialista, interfaces gráficas de usuário foram desenvolvidas com o intuito de facilitar esta interação e apresentar os distintos resultados em cada uma das etapas segundo o enfoque RBC. Com a fase de testes, proposta para analisar e validar as respostas do sistema, se vê que o protótipo é muito eficaz ao sugerir as distintas recomendações de manutenção, sempre e quando os parâmetros de recuperação de casos sejam bem definidos para evitar respostas potencialmente inconsistentes. _______________________________________________________________________________________ ABSTRACT / This work presents a methodology for developing a system for management corrective maintenance and condition based maintenance on the scope of hydroelectric plants, using the technique of Artificial Intelligence known as CBR (Case Based Reasoning). The proposed methodology for the two conceptions of maintenance (corrective and condition based) is presented according to IDEF0 modeling which shows all the steps and modules for system design. The proposed system aims help to the operator in decision making as well as contribute to improve maintenance procedures in industrial areas through the use of Artificial Intelligence techniques that enable automate the processing of plant information for a maintenance management more sophisticated. The proposed systems makes use of the plant information as on-line data, off-line data and historical information of equipment for the preparation and documentation of cases that allowed the execution of the cycle CBR for build solutions of similar cases to new situations that occur in the application domain. In the approach CBR past experiences of the application domain can reuse to solve new problems. As a case study was developed a computational system (prototype) applied to corrective maintenance of pumps of the hydroelectric power plant of Balbina following the proposed methodology. With the help of the jCOLIBRI framework the prototype RBC is implemented, and from of the execution of the system are obtained suggests of maintenance actions to different situations or occurrences of failures entered by the user. Due to the constant interaction between the expert and the prototype RBC, graphical user interfaces were developed to facilitate this interaction and present the different results in each step according to the RBC approach. For validation and analysis of system a test phase was proposed and the result show that the prototype is very effective to suggest maintenance recommendations distinct, as long as the parameters of recovery of cases are well-defined to avoid potentially inconsistent responses.

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Economia, Administração, Contabilidade e Ciência da Informação e Documentação, Departamento de Ciência da Informação e Documentação, 2006. / Submitted by Kathryn Cardim Araujo (kathryn.cardim@gmail.com) on 2009-11-03T11:18:56Z No. of bitstreams: 1 2006_André Luiz Dias Esbízaro.pdf: 8161059 bytes, checksum: e3168946f6b99924555a783749d6515d (MD5) / Approved for entry into archive by Guimaraes Jacqueline(jacqueline.guimaraes@bce.unb.br) on 2010-09-30T11:46:19Z (GMT) No. of bitstreams: 1 2006_André Luiz Dias Esbízaro.pdf: 8161059 bytes, checksum: e3168946f6b99924555a783749d6515d (MD5) / Made available in DSpace on 2010-09-30T11:46:19Z (GMT). No. of bitstreams: 1 2006_André Luiz Dias Esbízaro.pdf: 8161059 bytes, checksum: e3168946f6b99924555a783749d6515d (MD5) / A pesquisa propõe o desenvolvimento de uma ontologia de log de eventos do sistema operacional Microsoft Windows Server 2003, visando facilitar a recuperação de informações para apoiar o entendimento e a resolução de logs de eventos. Os sistemas de solução de eventos apresentam problemas relativos à falta de instrumentos para acesso ao conteúdo semântico dos registros e para armazenamento do conhecimento adquirido sobre log de eventos e à ausência de compreensão comum sobre logs de eventos e de relacionamentos entre os diferentes fatores que levam à ocorrência de erros nos sistemas operacionais. As etapas da metodologia abrangem: análise das características do site oficial Events and Errors Message Center e o programa aplicativo Event Viewer (Visualizar Eventos), levantamento de informações sobre log de eventos, modelagem da ontologia, simulação do uso da ontologia numa interface de busca sobre log de eventos e análise dos resultados obtidos na busca usando as ferramentas da Microsoft e na busca apoiada por ontologia. O resultado da pesquisa revela dificuldades no entendimento dos log de eventos, devido à dispersão das informações sobre logs nas ferramentas analisadas, à falta de relacionamento entre conceitos envolvidos na resolução dos logs, à ausência total de informações sobre determinados logs identificados. De maneira geral, conclui que a ontologia auxilia no entendimento dos log de eventos, mas que sua resolução depende de um nível mais profundo de descrição ontológica. _________________________________________________________________________________________________________________ ABSTRACT / This research proposes the development of an ontology of event logs in the Microsoft Windows Server 2003 operating system, aiming to facilitate the information retrieval to support the understanding and the resolution of event logs. The systems of solution of events present some problems relative to the lack of instruments to access the semantic content of the registers and storing the acquired knowledge on event logs and the absence of common understanding errors about event logs e the relationship among the different factors to the occurrence of operating system errors. The stages of the methodology enclose: analysis of the features of the official site Events and Errors Message Center and the application program Event Viewer (to visualize Events), survey of information on event logs, the modeling of the ontology, simulation of the use of the ontology in an interface of search on event logs and the analysis of the results gotten in the search using the Microsoft tools and in the search supported by the ontology. The result of the research discloses difficulties in the understanding of event logs, due to dispersion of the information on logs in the analyzed tools, to the lack of relationship between the involved concepts in the resolution of logs, and the total absence of information on determined identified logs. In general way, it concludes that the ontology assists in the understanding of event logs, but that its resolution depends on a deeper level of ontologic description.

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2009. / Submitted by Shayane Marques Zica (marquacizh@uol.com.br) on 2011-02-18T18:57:46Z No. of bitstreams: 1 2009_AntonioCarlosdeArrudajunior.pdf: 3431776 bytes, checksum: 1fceccc8438c358b5bb860c7423ba1e6 (MD5) / Approved for entry into archive by Daniel Ribeiro(daniel@bce.unb.br) on 2011-03-17T00:33:12Z (GMT) No. of bitstreams: 1 2009_AntonioCarlosdeArrudajunior.pdf: 3431776 bytes, checksum: 1fceccc8438c358b5bb860c7423ba1e6 (MD5) / Made available in DSpace on 2011-03-17T00:33:12Z (GMT). No. of bitstreams: 1 2009_AntonioCarlosdeArrudajunior.pdf: 3431776 bytes, checksum: 1fceccc8438c358b5bb860c7423ba1e6 (MD5) / Nos últimos anos, a crescente demanda mundial pelo uso de aeronaves como meio de transporte aumentou consideravelmente a complexidade do gerenciamento de tráfego no cenário aéreo. Para se evitar ou reduzir pontos de congestionamento, os controladores de tráfego aéreo aplicam medidas restritivas às aeronaves em solo ou em ar. Entretanto, além das informações de redução do número de aeronaves em setores específicos, os impactos gerados por estas ações não são verificados. Para auxiliar neste problema, este trabalho apresenta uma solução baseada em técnicas de Inteligência Artificial (Artificial Intelligence - AI) e Aprendizagem por Reforço (Reinforcement Learning - RL), desenvolvida sob a metodologia HCI (Human-Computer Interaction), com aplicação na área de Gerenciamento de Fluxo de Tráfego Aéreo (Air Traffic Flow Management - ATFM). A solução foi modelada como um Sistema de Apoio a Decisão (Decision Support System - DSS), através da construção do Submódulo de Modelagem e Projeção de Impacto (MPI), parte do Módulo de Avaliação e Apoio à Decisão (MAAD), que compõe a integração modular do Sistema de Aplicação e Gerenciamento das Medidas de Controle de Fluxo de Tráfego Aéreo (SISCONFLUX). A arquitetura deste módulo utiliza um agente autônomo que, em situações de congestionamento, fornece sugestões de medidas restritivas aos controladores de tráfego aéreo, focadas no problema da espera em solo (Ground Holding Problem - GHP). O agente adquire conhecimento junto ao ambiente, através do algoritmo QLearning, avaliando a situação do cenário aéreo resultante das medidas restritivas sugeridas e das medidas restritivas aplicadas. A avaliação dos cenários aéreos resultantes é realizada através de uma função que computa dados como o nível de congestionamento, o tempo de atraso imposto sobre as aeronaves, e um índice de impacto financeiro e de eqüidade na distribuição das medidas restritivas. Os resultados utilizam dados de um ambiente real, formados pelo cenário aéreo da Região de Informação de Vôo de Brasília (FIR-BS), gerenciada pelo Primeiro Centro Integrado de Defesa Aérea e Controle de Tráfego Aéreo (CINDACTA I). A análise destes resultados aponta que, fatores como eqüidade e custos financeiros podem ser utilizados em conjunto com dados de congestionamentos, sem ferir normas de segurança, onde o agente aprende a sugerir ações ao controlador humano, que levam em conta o impacto gerado pelas ações tomadas. _________________________________________________________________________________ ABSTRACT / In recent years, the growing worldwide demand for the use of aircraft as a means of transport has considerably increased the complexity of managing air traffic scenario. To avoid or reduce points of air traffic congestion, air traffic controllers apply restrictive measures to aircraft on the ground or air. However, just the information about aircraft congestions are verified. So, the impacts of these actions are not checked. To solve this problem, this project presents a solution based on Artificial Intelligence (AI) and Reinforcement Learning (RL), developed under the methodology HCI (Human-Computer Interaction), with application in Air Traffic Flow Management (ATFM). The solution was modeled as a Decision Support System (DSS) through the construction of Submodule of Modeling and Projection Impact (MPI), part of the Module Evaluation and Decision Support (MAAD), integrated to the Distributed System of Decision Support (SISCONFLUX). The architecture of MAAD uses autonomous agents that in situations of congestion provide suggestions for restrictive measures to controller’s traffic, focused on the Ground Holding Problem (GHP). The agent acquires knowledge from the environment, through the algorithm Q-Learning, assessing the situation of air scenario resulting of the restrictive suggested and the restrictive measures taken. The evaluation of scenario is performed through a function that computes data such as congestion level, time delay imposed to aircrafts, an index of financial impact and fairness in the distribution of the GHP restrictions. The results of simulation were obtained using real data from the air Flight Information Region Brasilia (FIR-BS), with is managed by the First Integrated System of Air Defense and Control (CINDACTA I). The tests show that factors as fairness and financial costs can be used together with congestion data in the evaluating function without affecting the safety factor. In this environment the agent can learn and suggest actions to the air traffic managers and controllers taking account the impact generated by restrictive measures.