En la explotación de minas subterráneas de yacimientos masivos, el método de mayor uso es el Block Caving, que consiste en el hundimiento de un bloque de material y posterior extracción gravitacional hacia una serie de puntos de extracción. Para garantizar el éxito del método, se debe asegurar la estabilidad del nivel donde se realiza la extracción. En estos métodos se espera un futuro aumento en la producción, por lo que se esta estudiando una variante de explotación llamada Minería Continua (MC), que permite una extracción continua de material, aumentando la tasa de extracción. Junto a estos cambios propuestos no se debe comprometer la estabilidad del sistema. En la actualidad las metodologías para la evaluación de estabilidad y diseño del nivel de producción tienen una componente empírica importante. Por este motivo es complicada una aplicación directa de estos en la MC. En el presente trabajo de titulo se propone una metodología que evalúa comparativamente las alternativas de diseño dentro de la MC en función de los esfuerzos inducidos en el nivel de producción, considerando variación en la separación entre niveles, espaciamiento de malla, tipo de malla, orientación de las calles de producción respecto del esfuerzo principal y tamaño de la calle de servicio. Para esto se construyeron una serie de gráficos comparativos de esfuerzos inducidos a lo largo de las calles de producción y de servicio, variando la distancia al frente de hundimiento. Estos gráficos son de una enorme aplicabilidad, por cuanto el esfuerzo principal inducido fue normalizado por el esfuerzo vertical in-situ, permitiendo una posterior utilización bajo otros escenarios. Por otro lado, tratando de evaluar el impacto en la estabilidad del nivel de producción generado por los cambios en el diseño que propone la MC, se realizó una comparación entre esta y un diseño convencional de block caving considerando los mismos criterios del análisis anterior. Los resultados de este estudio muestran que las mayores variaciones de los esfuerzos inducidos se producen al disminuir la separación entre niveles. Por otra parte se observaron diferencias pequeñas al disminuir el espaciamiento entre puntos de extracción (de 15 a 13m), al variar el tipo de malla (cuadrada y triangular) y al variar el tamaño de la calle de servicio, lo que da la flexibilidad de priorizar factores productivos y/o constructivos en estos parámetros. Finalmente, al comparar el diseño MC con uno de block caving tradicional de dimensiones equivalentes (15m de espaciamiento entre puntos de extracción) se observan esfuerzos máximos inducidos menores en el caso de la MC. Esto indica que el diseño MC no debiera presentar mayores problemas que el de block caving tradicional. Considerando los resultados favorables en cuanto a estabilidad, se sugiere validar los resultados obtenidos y posteriormente incorporar los efectos que podrían producir, sobre los esfuerzos inducidos, el aumento de la velocidad de extracción y el acondicionamiento del macizo rocoso.

Considerando la importancia del cáncer en Chile y en el mundo, es necesario planear estrategias para estudiar y controlar esta enfermedad. Sin embargo, es difícil tener un pronóstico y tratamiento precisos del cáncer, debido a la complejidad del crecimiento de tumores y a la respuesta altamente variable de paciente en paciente. Por esta razón, es necesaria la identificación de biomarcadores del cáncer y su simulación numérica en un modelo apropiado para este sistema biológico. El objetivo del presente trabajo es proponer un nuevo modelo matemático multiescala, lo suficientemente estable con respecto a los valores de los parámetros, y lo suficientemente robusto para predecir el crecimiento de tumores acoplado con angiogénesis tumoral y con el uso de terapias antineoplásicas. A partir de trabajos anteriores del tema se obtienen las hipótesis esenciales que describen la evolución de la enfermedad y con esto se propone un sistema de ecuaciones en derivadas parciales que incorpora las nociones de quimiotaxis de manera de describir la competencia entre el déficit de nutrientes y la aparición de nuevos vasos sanguíneos. Los efectos de una terapia mixta son también uno de los ejes centrales de la modelación, lo cual se hace basado en protocolos aprobados por la U.S. Food and Drug Administration. Desde el punto de vista de la calibración del modelo se puede establecer que dos de tres estimadores se ajustan a la literatura actual (tiempo de explosión de la neoplasia y distribución de capas celulares), mientras que las diferencias en el tercero de ellos (total de células en la neoplasia) se puede justificar por la inclusión de las densidades de células que forman los vasos sanguíneos en el balance de masas. Respecto a los resultados se establece que efectivamente el tratamiento retrasa la vascularización de la enfermedad, pero, que los efectos de químicos antiproliferación no se ajustan a la realidad dejando un margen de mejora de las ecuaciones. Se deja explícito que mediante la experimentación real con cantidades celulares el modelo puede ser contrastado y evaluado de mejor manera, sin embargo, los resultados permiten decir que se va por un camino correcto para entender desde un prisma matemático la enfermedad.

El presente trabajo de título presenta el estudio en conjunto del Centro de Modelamiento Matemático (CMM) y el Instituto en Minería y Metalurgia (IM2) para estimar el comportamiento del material particulado acoplado con el aire al interior de un dominio, sólo haciendo mediciones en una sección de un borde.

Submitted by Maike Costa (maiksebas@gmail.com) on 2017-05-22T13:42:24Z No. of bitstreams: 1 arquivo total.pdf: 4721146 bytes, checksum: 62290d20efdd12371f2308dd6752ec65 (MD5) / Made available in DSpace on 2017-05-22T13:42:24Z (GMT). No. of bitstreams: 1 arquivo total.pdf: 4721146 bytes, checksum: 62290d20efdd12371f2308dd6752ec65 (MD5) Previous issue date: 2016-02-26 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The computer numerical control machine tools, or CNC machine tools, emerged due to the need of the aviation industry to produce increasingly complex and accurate parts. The retrofitting of machine tools is the modification of a traditional machine for a computer numerical control one. Due to the popularization of computers, electronic components decreased costs, Internet expansion and open source projects, the retrofitting has become increasingly widespread in industry as an option for the purchase of new machine tools with CNC included. The objective of this study was to implement the retrofit on a 3-axis machine from the Precision Engineering Laboratory of the Federal University of Paraíba. For this adaptation, the machine has been modified to use a kit with interface drivers from HobbyCNC and new stepper motors. After the retrofit, it used a 80-XL Laser system for measuring position errors. The tests were performed on each axis, commanding the machine to five positions and measuring the actual positions reached and, then, the same tests were carried out in reverse direction. With the measured results, the positioning errors, hysteresis, repeatability and accuracy calculated by ISO 230-2 standard. It was conducted other tests in compensating the previously measured errors on the Y axis. There was a significant improvement on the Y-axis accuracy after compensation. Also, angular errors tests were carried out, with the use of an electronic level Talyvel 5, along the axis Y. The results of the test were satisfactory and the retrofitting reached its expectations, providing the possibility of further research in the area of numerical control. / As máquinas-ferramentas com controle numérico computadorizado, ou máquinasferramentas CNC, surgiram devido à necessidade da indústria da aviação para produzir peças cada vez mais complexas e precisas. O retrofitting de máquina-ferramenta é a modificação de uma máquina tradicional para uma com controle numérico computadorizado. Devido à popularização dos computadores, diminuição de custos dos componentes eletrônicos, expansão da Internet e projetos de código aberto, o retrofitting tornou-se uma opção cada vez mais comum na indústria como alternativa para a compra de novas máquinas-ferramentas com CNC incluso. O objetivo deste estudo foi a implementação do retrofitting em uma máquina de 3 (três) eixos no Laboratório de Engenharia de Precisão da Universidade Federal da Paraíba. Para essa adaptação, a máquina foi modificada para utilizar um Kit com drivers de interface da HobbyCNC e novos motores de passo. Após o retrofitting, foi utilizado um sistema Laser XL-80 para medição dos erros de posicionamento. Os testes foram realizados, em cada eixo, comandando-se a máquina para 5 posições e medindo-se as posições reais atingidas e, depois, foram realizados os mesmos testes no sentido inverso. Com os resultados medidos, são calculados os erros de posicionamento, histerese, repetitividade e exatidão conforme a norma ISO 230-2. No eixo Y foi realizado outros testes com a compensação dos erros medidos anteriormente. Houve uma melhora significativa na exatidão do eixo Y após a compensação. Também foram realizados testes de erros angulares, com a utilização de um nível eletrônico Talyvel 5, ao longo do eixo Y. Os resultados obtidos no teste foram satisfatórios e o retrofitting atingiu suas expectativas, por proporcionar a possibilidade de realizar mais pesquisas, na área de Comando Numérico Computadorizado.

A complexidade dos dados armazenados em grandes bases de dados aumenta cada vez mais, criando a necessidade de novas operações de consulta. Uma classe de operações que tem apresentado interesse crescente são as chamadas Consultas por Similaridade, sendo as mais conhecidas as consultas por Abrangência (\'R IND. q\') e por k-Vizinhos mais Proximos (kNN), sendo que esta ultima obtem quais são os k elementos armazenados mais similares a um dado elemento de referência. Outra consulta que é interessante tanto para consultas diretas quanto como parte de operações de análises mais complexas e a operação de consulta aos k-Vizinhos mais Próximos Reversos (RkNN). Seu objetivo e obter todos os elementos armazenados que têm um dado elemento de referência como um dos seus k elementos mais similares. Devido a complexidade de execução da operação de RkNN, a grande maioria das soluções existentes restringem-se a dados representados em espaços multidimensionais euclidianos (nos quais estão denidas tambem operações cardinais e topológicas, além de se considerar a similaridade como sendo a distância Euclidiana entre dois elementos), ou então obtém apenas respostas aproximadas, sujeitas a existência de falsos negativos. Várias aplicações de análise de dados científicos, médicos, de engenharia, financeiros, etc. requerem soluções eficientes para o problema da operação de RkNN sobre dados representados em espaços métricos, onde os elementos não podem ser considerados estar em um espaço nem Euclidiano nem multidimensional. Num espaço métrico, além dos próprios elementos armazenados existe apenas uma função de comparação métrica entre pares de objetos. Neste trabalho, são propostas novas podas de espaço de busca e o algoritmo RkNN-MG que utiliza essas novas podas para solucionar o problema de consultas RkNN exatas em espaços métricos sem limitações. Toda a proposta supõe que o conjunto de dados esta em um espaço métrico imerso isometricamente em espaço euclidiano e utiliza propriedades da geometria métrica válida neste espaço para realizar podas eficientes por lei dos cossenos combinada com as podas tradicionais por desigualdade triangular. Os experimentos demonstram comparativamente que as novas podas são mais eficientes que as tradicionais podas por desigualdade triangular, tendo desempenhos equivalente quando comparadas em conjuntos de alta dimensionalidade ou com dimensão fractal alta. Assim, os resultados confirmam as novas podas propostas como soluções alternativas eficientes para o problema de consultas RkNN / Data stored in large databases present an ever increasing complexity, pressing for the development of new classes of query operators. One such class, which is enticing an increasing interest, is the so-called Similarity Queries, where the most common are the similarity range queries (\'R IND. q\') and the k-nearest neighbor queries (kNN). A k-nearest neighbor query aims at retrieving the k stored elements nearer (or more similar) to a given reference element. Another important similarity query is the reverse k-nearest neighbor (RkNN), useful both for queries posed directly by the analyst and for queries that are part of more complex analysis processes. The objective of a reverse k-nearest neighbor queries is obtaining the stored elements that has the query reference element as one of their k-nearest neighbors. As the RkNN operation is a rather expensive operation, from the computational standpoint, most existing solutions only solve the query when applied over Euclidean multidimensional spaces (as these spaces also define cardinal and topological operations besides the Euclidean distance between pairs of elements) or retrieve only approximate answers, where false negatives can occur. Several applications, like the analysis of scientific, medical, engineering or financial data, require efficient and exact answers for the RkNN queries over data which is frequently represented in metric spaces, that is where no other property besides the similarity measure exists. Therefore, for applications handling metrical data, the assumption of Euclidean metric or even multidimensional data cannot be used. In this work, we propose new pruning rules based on the law of cosines, and the RkNN-MG algorithm, which uses them to solve RkNN queries in a way that is exact, faster than the existing approaches, that is not limited for any value of k, and that can be applied both over static and over dynamic datasets. The new pruning rules assume that the data set is in a metric space that can be embedded into an Euclidean space and use metric geometry properties valid in this space to perform effective pruning based on the law of cosines combined with the traditional pruning based on the triangle inequality property. The experiments show that the new pruning rules are alkways more efficient than the traditional pruning rules based solely on the triangle inequality. The experiments show that for high high dimensionality datasets, or for metric datasets with high fractal dimensionality, the performance improvement is smaller than for for lower dimensioinality datasets, but it\'s never worse. Thus, the results confirm that the our pruning rules are efficient alternative to solve RkNN queries in general

A complexidade dos dados armazenados em grandes bases de dados aumenta cada vez mais, criando a necessidade de novas operações de consulta. Uma classe de operações que tem apresentado interesse crescente são as chamadas Consultas por Similaridade, sendo as mais conhecidas as consultas por Abrangência (\'R IND. q\') e por k-Vizinhos mais Proximos (kNN), sendo que esta ultima obtem quais são os k elementos armazenados mais similares a um dado elemento de referência. Outra consulta que é interessante tanto para consultas diretas quanto como parte de operações de análises mais complexas e a operação de consulta aos k-Vizinhos mais Próximos Reversos (RkNN). Seu objetivo e obter todos os elementos armazenados que têm um dado elemento de referência como um dos seus k elementos mais similares. Devido a complexidade de execução da operação de RkNN, a grande maioria das soluções existentes restringem-se a dados representados em espaços multidimensionais euclidianos (nos quais estão denidas tambem operações cardinais e topológicas, além de se considerar a similaridade como sendo a distância Euclidiana entre dois elementos), ou então obtém apenas respostas aproximadas, sujeitas a existência de falsos negativos. Várias aplicações de análise de dados científicos, médicos, de engenharia, financeiros, etc. requerem soluções eficientes para o problema da operação de RkNN sobre dados representados em espaços métricos, onde os elementos não podem ser considerados estar em um espaço nem Euclidiano nem multidimensional. Num espaço métrico, além dos próprios elementos armazenados existe apenas uma função de comparação métrica entre pares de objetos. Neste trabalho, são propostas novas podas de espaço de busca e o algoritmo RkNN-MG que utiliza essas novas podas para solucionar o problema de consultas RkNN exatas em espaços métricos sem limitações. Toda a proposta supõe que o conjunto de dados esta em um espaço métrico imerso isometricamente em espaço euclidiano e utiliza propriedades da geometria métrica válida neste espaço para realizar podas eficientes por lei dos cossenos combinada com as podas tradicionais por desigualdade triangular. Os experimentos demonstram comparativamente que as novas podas são mais eficientes que as tradicionais podas por desigualdade triangular, tendo desempenhos equivalente quando comparadas em conjuntos de alta dimensionalidade ou com dimensão fractal alta. Assim, os resultados confirmam as novas podas propostas como soluções alternativas eficientes para o problema de consultas RkNN / Data stored in large databases present an ever increasing complexity, pressing for the development of new classes of query operators. One such class, which is enticing an increasing interest, is the so-called Similarity Queries, where the most common are the similarity range queries (\'R IND. q\') and the k-nearest neighbor queries (kNN). A k-nearest neighbor query aims at retrieving the k stored elements nearer (or more similar) to a given reference element. Another important similarity query is the reverse k-nearest neighbor (RkNN), useful both for queries posed directly by the analyst and for queries that are part of more complex analysis processes. The objective of a reverse k-nearest neighbor queries is obtaining the stored elements that has the query reference element as one of their k-nearest neighbors. As the RkNN operation is a rather expensive operation, from the computational standpoint, most existing solutions only solve the query when applied over Euclidean multidimensional spaces (as these spaces also define cardinal and topological operations besides the Euclidean distance between pairs of elements) or retrieve only approximate answers, where false negatives can occur. Several applications, like the analysis of scientific, medical, engineering or financial data, require efficient and exact answers for the RkNN queries over data which is frequently represented in metric spaces, that is where no other property besides the similarity measure exists. Therefore, for applications handling metrical data, the assumption of Euclidean metric or even multidimensional data cannot be used. In this work, we propose new pruning rules based on the law of cosines, and the RkNN-MG algorithm, which uses them to solve RkNN queries in a way that is exact, faster than the existing approaches, that is not limited for any value of k, and that can be applied both over static and over dynamic datasets. The new pruning rules assume that the data set is in a metric space that can be embedded into an Euclidean space and use metric geometry properties valid in this space to perform effective pruning based on the law of cosines combined with the traditional pruning based on the triangle inequality property. The experiments show that the new pruning rules are alkways more efficient than the traditional pruning rules based solely on the triangle inequality. The experiments show that for high high dimensionality datasets, or for metric datasets with high fractal dimensionality, the performance improvement is smaller than for for lower dimensioinality datasets, but it\'s never worse. Thus, the results confirm that the our pruning rules are efficient alternative to solve RkNN queries in general