Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Química / Made available in DSpace on 2012-10-22T22:56:47Z (GMT). No. of bitstreams: 1 229614.pdf: 1314542 bytes, checksum: 0d7589fe60f5e588a50b5920d9480def (MD5) / O objetivo deste trabalho é estimar, indiretamente, a vazão de escoamento em tubulações, tanto em estado estacionário quanto em transientes, que são comuns em processos de fluxo de fluidos em tubulações. A idéia é utilizar medidas de pressão nos extremos do duto, que sempre são disponíveis e mais confiáveis que as medidas de vazão, e utilizar informação das válvulas localizadas nos extremos como medidores de vazão baseados em pressão diferencial de orifício variável. Isso pode ser feito a partir da informação de abertura das válvulas. Desta forma, é possível quantificar a vazão com o conhecimento prévio da abertura da válvula e a pressão lida à sua jusante ou montante, através do uso da equação do orifício. Foi utilizada uma formulação não-linear e uma linearizada para o escoamento dinâmico de um fluido compressível, em espaço de estados. O modelo não-linear para este tipo de problema é composto de um conjunto de equações diferenciais parciais hiperbólicas, e a forma de resolução adotada é a discretização por diferenças finitas centrais. Os contornos do problema abordado são duas válvulas de controle nos extremos da tubulação. As equações que descrevem o movimento dessas válvulas são linearizadas e acopladas ao modelo dinâmico, de forma que elas são utilizadas como medidores de orifício variável para fins de medição de vazão. O modelo não-linear é resolvido nas condições de escoamento experimentais para sua validação. Esse modelo também é linearizado e acoplado a uma matriz de ganho (formando o observador de estado) e assim corrige as diferenças entre a simulação do modelo linearizado e as medições experimentais.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia de Produção. / Made available in DSpace on 2013-07-15T22:50:45Z (GMT). No. of bitstreams: 1 255756.pdf: 1044702 bytes, checksum: b3f24ffe41028beae6b1df464fb6a8a9 (MD5) / A teoria dos modelos lineares e não-lineares da família exponencial vem encontrando espaço cada vez maior entre pesquisadores que querem explorá-la tanto na aplicação quanto na melhoria dos métodos usuais e alternativos. Uma classe mais ampla é a dos modelos lineares e não-lineares generalizados superdispersados, nos quais se modelam os parâmetros da média e dispersão e que, além disso, incorpora a dispersão na função de variância. Essa classe tem sido utilizada de forma expressiva principalmente para dados onde haja superdispersão, isto é, onde a variância real seja maior que a predita pelo modelo. Os estimadores dos parâmetros desses modelos los têm vieses de O(n-1 ) e costumam ser ignorados. Entretanto, para amostras de tamanho moderado a pequeno, esses vieses podem ser significativos, podendo atingir o mesmo valor do respectivo erro-padrão. Dentro desse contexto, é plausível fazer melhorias nos estimadores em áreas de atuação onde nem sempre é possível obter grandes amostras, como, por exemplo, na produção industrial, no controle de qualidade, em segmentos de produção de animais, nas engenharias, na farmacologia, na saúde, entre outras. Neste estudo foram obtidas expressões para o viés de O(n-1 ) para corrigir os estimadores de máxima verossimilhança dos parâmetros dos modelos não-lineares generalizados superdispersados. Para validar essa correção, foram executadas simulações de Monte Carlo e aplicações de dados advindos da área de engenharia da produção. Os resultados mostraram que estimativas de O(n-2 ) devem ser utilizadas nos modelos, principalmente em amostras de tamanho pequeno a moderado, podendo-se evidenciar que, quanto menor o tamanho da amostra, maior a necessidade de se fazerem correções. Em termos práticos, isto é, do ponto de vista econômico e operacional, é altamente positivo, pois o fato de se trabalhar com modelos de maior precisão traz como resultado produtos mais uniformes e, consequentemente, redução significativa de custos. The theory of linear and nonlinear models of the exponential class has been growing among researchers who wish to explore it, either as to the application or as to the improvement of ordinary and alternative methods. One broader class is the overdispersed generalized linear and nonlinear models, in which the mean and dispersion parameters are molded, and the dispersion in function of the variance is also incorporated. This class has been significantly used, mainly for dispersion data, that is, where the real variance is higher than the one previewed by the model. odel. The parameters estimators of these models have O(n-1 ) biases and are commonly overlooked. However, for samples varying from moderate to small size, these biases may be significant, reaching the same value as the respective standard errors. In that context, it is plausible to improve the estimators, in the areas where large samples are not possible to be obtained, such as, in the industrial production, quality control, animal production sector, engineering, pharmacology, health, among others. In this study, expressions for the O(n-1 ) bias were obtained to correct the estimators maximum likelihood of the parameters of generalized overdispersed nonlinear models. In order to validate such correction, Monte Carlo simulations and data applications from the production engineering area were carried out. Results showed that the estimates of O(n-2 ) must be used in the models, mainly in the samples of small and moderate size, making clear that the smaller the size of the sample, the bigger the necessity of correction. In a practical view, that is, from the economical and operational point of view, working with more precise models is very positive, because it results in more uniform products and, consequently, significant reduction of costs.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-graduação em Engenharia de Produção / Made available in DSpace on 2013-07-16T00:50:16Z (GMT). No. of bitstreams: 1 255885.pdf: 482521 bytes, checksum: 35beea46d7766a8ae8d8c32593c58eaa (MD5) / Os modelos n#ao-lineares da fam´ýlia exponencial ´e uma extens#ao dos modelos lineares generalizados, permitindo que o preditor da m´edia seja n#ao-linear. Esses modelos, por serem menos restritivos, t#em sido utilizados para modelar sistemas produtivos como mais uma ferramenta na tomada de decis#ao. Usualmente, os par#ametros desses modelos s#ao estimados pelo m´etodo de m´axima verossimilhan¸ca, que t#em propriedades assint´oticas de O(n-1), onde n ´e o tamanho da amostra. Portanto, para tamanhos de amostras pequenos, pode haver erros consider´aveis, nas infer#encias. Essa Tese tem como objetivo obter uma express#ao anal´ýtica para a matriz de covari#ancia de segunda ordem do estimador de m´axima verossimilhan¸ca para os par#ametros dos modelos n#ao-lineares da fam´ýlia exponencial que contribuir´a no procedimento de infer#encia da verossimilhan¸ca, quando o tamanho da amostra ´e pequeno. Esse estimador, que nada mais ´e do que uma corre¸c#ao do que vem sendo utilizado, tem propriedades assint´oticas de O(n-2). A metodologia adotada consistiu em obter os cumulantes desses modelos e substitu´ý-los na fun¸c#ao geratriz dos cumulantes, que, pela propriedade de invari#ancia sob permuta¸c#ao de ´ýndices nos modelos n#ao-lineares da fam´ýlia exponencial, pode ser simplificada e expressa em termos de matrizes. A express#ao obtida ´e de f´acil implementa¸c#ao computacional, uma vez que consiste de opera¸c#oes com matrizes. O estimador de segunda ordem da matriz de covari#ancia foi avaliado por um estudo de simula¸c#ao que mostrou que esse ´e indispens´avel para amostras de tamanho pequeno a moderado. Para ilustrar o uso da t´ecnica proposta, uma aplica¸c#oes na avalia¸c#ao da qualidade do papel cujo modelo que descreve a vari´avel resposta grau de refino das fibras ´e log-linear e componente aleat´oria gama. Nessa aplica¸c#ao evidenciou-se a necessidade dos estimadores de O(n-2). The exponential family non-linear models are an extension of the generalized linear models, allowing the average predictor to be non-linear. These models, for being less restrictive, have been used to model productive system, being one more tool on the decision-making. Usually, the parameters of these models are estimated through the maximum likelihood method, which have asymptotic properties of n-1 order, where n is the sample size; thus, for small sample sizes, there might be considerable errors in the inferences. This work has the objective to obtain an analytic expression for the covariance matrix of second-order of the maximum likelihood estimator for the exponential family non-linear models, which will contribute to the likelihood inference proceeding when the sample size is small. This estimator, which is anything but a correction of what has been used, has asymptotic properties of O(n-2). The adopted methodology consisted in developing the cumulative of these models and substituting them in the cumulative generative function that, through the invariance property under index permutation in the exponential family models, may be simplified and expressed in matrix terms. The obtained expression is easily computational-implemented, seen that it consists in matrix operations. The covariance matrix second-order estimator was evaluated through a simulation study, which showed that this is indispensable for samples from small to moderate size. In order to illustrate the use of the proposed technique, one application in paper quality, whose model that describes the answer variable fiber refining degree is log-linear, and gamma random component. Into these application, the necessity of O(n-2) estimators was evidenced.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnologico / Made available in DSpace on 2012-10-16T23:48:20Z (GMT). No. of bitstreams: 0Bitstream added on 2016-01-08T20:34:09Z : No. of bitstreams: 1 103928.pdf: 2913233 bytes, checksum: cfe36915e8abe45064ec5055f1fe6af3 (MD5) / Apresentação de um modelo não linear para um servomecanismo hidráulico e sua validação experimental. Estuda as válvulas proporcionais direcionais hidráulicas, abrangendo seu princípio de operação e não linearidades típicas. Analisa fatores importantes na seleção de válvulas proporcionais, como custo e sensibilidade a contaminantes. Revisa os principais modelos lineares e não lineares que descrevem o servomecanismo hidráulico disponíveis na literatura. Compara resultados experimentais com resultados teóricos do modelo, para sua validação experimental.

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Mecânica / Made available in DSpace on 2012-10-22T17:54:54Z (GMT). No. of bitstreams: 1 238261.pdf: 2175401 bytes, checksum: 330b0424b7eebf6e2779fb2278833a1a (MD5) / Apresenta-se neste trabalho o estudo teórico-experimental de um sistema servopneumático destinado ao controle de posição de pás de turbinas de hidrelétricas. O sistema é composto por dois cilindros com haste de dupla ação controlados através de uma servoválvula pneumática, por um sensor de posição e um controlador digital. O sistema é dimensionado para atender aos requisitos comportamentais de um regulador de velocidade de 400KW, permitindo comparar o seu desempenho frente aos sistemas eletro-hidráulicos comumente empregados. Para tanto, desenvolveu-se um modelo não-linear para o servoposicionador pneumático incluindo relações não-lineares de vazão mássica na servoválvula com as pressões e com a tensão de controle. O atuador é modelado empregando equações da continuidade para as câmaras e a equação do movimento leva em consideração o modelo de atrito viscoso variável1. Com base no modelo desenvolvido projeta-se um controlador PID com compensação de zona morta, visando à superação das limitações dinâmicas e não-linearidades intrínsecas do sistema.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia de Produção / Made available in DSpace on 2013-07-15T23:53:00Z (GMT). No. of bitstreams: 1 225106.pdf: 836113 bytes, checksum: 19d250c928b76f7a8d6c5380485e5f57 (MD5) / Em diversas áreas, particularmente em controle de qualidade, é de interesse modelar não só o parâmetro média, mas também o de dispersão. Um modelo desse tipo auxilia na melhoria contínua dos produtos e processos, sem aumentar os custos de produção. Um aprimoramento de qualidade de um processo industrial é verificado quando a dispersão é minimizada e o valor médio permanece sob controle. Nesta tese, são apresentados os modelos não-lineares da família exponencial de dispersão linear, que ficam caracterizados por duas componentes sistemáticas não-lineares, uma para a média e outra para a dispersão, além de uma componente aleatória, cuja função densidade de probabilidade pertence à família exponencial de dispersão linear. O método de estimação adotado foi o de máxima verossimilhança, que tem propriedades assintóticas de ordem n-1, onde n é o tamanho da amostra; portanto, esses estimadores são não-viesados com erro aproximado de n-1. Na prática, geralmente um viés dessa ordem é ignorado, contudo, para amostras pequenas, o viés pode ser apreciável e ter o mesmo valor que o seu correspondente erro padrão; neste caso, torna-se útil se ter uma estimativa de sua magnitude. Em geral, a redução do viés não necessariamente apresenta um melhor estimador, ela será benéfica somente quando a variância é reduzida. O objetivo desta tese é apresentar uma expressão para os vieses e, com isto, melhorar as inferências. Como aplicação, modelou-se e obteve-se o estimador corrigido da concentração de flosequinan no plasma, com submodelos one-compartment para a média e dispersão e componentes aleatórias: normal, gama e inversa gaussiana. É importante salientar que as expressões dos vieses são de fácil implementação. Pelo estudo de simulação, os estimadores corrigidos foram avaliados e comparados aos estimadores de máxima verossimilhança restrita e também os de máxima verossimilhança. Os resultados evidenciaram que os estimadores corrigidos são mais precisos do que os obtidos pela máxima verossimilhança restrita e, também, do que máxima verossimilhança, recomendando, assim, o uso de estimativas corrigidas em amostras de tamanho pequeno ou moderado.

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia de Produção / Made available in DSpace on 2013-07-15T23:54:26Z (GMT). No. of bitstreams: 1 225107.pdf: 468648 bytes, checksum: 490cfcccddf730d40ab11fcc554304ab (MD5) / Os modelos nao-lineares da familia exponencial e uma extensao dos modelos lineares generalizados, permitindo que o preditor da media seja nao-linear. Esses modelos, por serem menos restritivos, tem sido utilizados para modelar sistemas produtivos como mais uma ferramenta na tomada de decisao. Usualmente, os parametros desses modelos sao estimados pelo metodo de maxima verossimilhanca, que tem propriedades assintoticas de O(n-1), onde n e o tamanho da amostra. Portanto, para tamanhos de amostras pequenos, pode haver erros consideraveis, nas inferencias. Essa Tese tem como objetivo obter uma expressao analitica para a matriz de covariancia de segunda ordem do estimador de maxima verossimilhanca para os parametros dos modelos nao-lineares da familia exponencial que contribuira no procedimento de inferencia da verossimilhanca, quando o tamanho da amostra e pequeno. Esse estimador, que nada mais e do que uma correcao do que vem sendo utilizado, tem propriedades assint´oticas de O(n-2). A metodologia adotada consistiu em obter os cumulantes desses modelos e substitui-los na funcao geratriz dos cumulantes, que, pela propriedade de invariancia sob permutacao de indices nos modelos nao-lineares da familia exponencial, pode ser simplificada e expressa em termos de matrizes. A expressao obtida e de facil implementacao computacional, uma vez que consiste de operacoes com matrizes. O estimador de segunda ordem da matriz de covariancia foi avaliado por um estudo de simulacao que mostrou que esse e indispensavel para amostras de tamanho pequeno a moderado. Para ilustrar o uso da tecnica proposta, uma aplicacoes na avaliacao da qualidade do papel cujo modelo que descreve a variavel resposta grau de refino das fibras e log-linear e componente aleatoria gama. Nessa aplicacao evidenciou-se a necessidade dos estimadores de O(n-2).

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Sócio-Econômico. Programa de Pós-graduação em Economia / Made available in DSpace on 2013-07-15T23:59:15Z (GMT). No. of bitstreams: 1 221020.pdf: 716430 bytes, checksum: 4d0752419f4965a38f45ca9d2f19c2dc (MD5)

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-graduação em Engenharia Elétrica / Made available in DSpace on 2012-10-18T15:12:56Z (GMT). No. of bitstreams: 0Bitstream added on 2016-01-09T03:02:54Z : No. of bitstreams: 1 279306.pdf: 5440206 bytes, checksum: f33192df2d2266b2a323be9818ceb889 (MD5)

[pt] O principal objetivo desta dissertação é comparar o desempenho de modelos lineares e não-lineares de previsão de retornos de 23 ativos do mercado acionário americano. Propõe-se o modelo STAR-Tree Heterocedástico, que faz uso da metodologia do STAR-Tree (Smooth Transition AutoRegression Tree) aplicada a séries temporais heterocedásticas. Com a disponibilidade de dados de retorno e da volatilidade realizada de ações intra-diários, as séries de retornos são transformadas através da divisão de cada retorno pela sua volatilidade realizada. A série transformada apresenta variância constante. O modelo é uma combinação da metodologia STAR (Smooth Transition AutoRegression) e do algoritmo CART (Classification and Regression Tree). O modelo resultante pode ser interpretado como uma regressão de múltiplos regimes com transição suave. A especificação do modelo é feita através de testes de Multiplicadores de Lagrange, que indicam o nó a ser dividido e a variável de transição correspondente. Os modelos de comparação usados são o modelo Média, o método Naive, modelos lineares ARX e Redes Neurais. As previsões dos modelos foram avaliadas através de medidas estatísticas e financeiras. Os resultados financeiros baseam-se em uma regra de negociação automática que informa o momento de comprar e vender cada ativo. O modelo STAR-Tree Heterocedástico teve resultados estatísticos equivalentes aos dos outros modelos, porém apresentou um desempenho financeiro superior para a maioria das séries. A volatilidade realizada também foi estimada usando a metodologia STAR-Tree, e sua previsão foi utilizada para fazer uma análise de alavancagem financeira. / [en] The main goal of this dissertation is to compare the performance of linear and nonlinear models to forecast 23 assets of the American Stocks Market. The Heteroscedastic STAR-Tree Model is proposed using the STAR- Tree (Smooth Transition AutoRegression Tree) methodology applied to heteroscedastic time series. As assets returns and realized volatility intraday data are available, the returns series are transformed by dividing each return by its realized volatility, which gives homocedastic series. The model is a combination of the STAR (Smooth Transition AutoRegression) methodology and the CART (Classification and Regression Tree) algorithm. The resulting model can be interpreted as a smooth transition multiple regime regression. The model specification is done by Lagrange Multiplier tests that indicate the node to be split and the corresponding transition variable. The comparison models used are the Mean model, Naive method, ARX linear models and Neural Networks. The forecasting models were evaluated through statistical and financial measures. The financial results are based on an automatic trading rule that signals buy and hold moments in each stock. The Heteroscedastic STAR-Tree Model statistical performance was equivalent to the other models, however its financial performance was superior for most of the series. The STAR-Tree methodology was also applied for forecasting the realized volatility, and the forecasts were used in financial leverage analysis.