Submitted by João Arthur Martins (joao.arthur@ufpe.br) on 2015-03-10T18:08:35Z No. of bitstreams: 2 Dissertação Fabrizio Farias.pdf: 1508370 bytes, checksum: 769acc0eeacdafb7e7de1d58a3d0fb7a (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-11T17:39:31Z (GMT). No. of bitstreams: 2 Dissertação Fabrizio Farias.pdf: 1508370 bytes, checksum: 769acc0eeacdafb7e7de1d58a3d0fb7a (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2013-09-12 / Atualmente espera-se que a Web se torne uma plataforma de comunicação e interação entre alunos e professores. Dessa forma o conhecimento pode ser construído de forma iterativa e coletiva. A utilização da tecnologia tem grande potencial no suporte ao ensino a distância, por exemplo: os quizzes online permitem avaliar uma grande quantidade de pessoas através de perguntas diretas e com respostas curtas. Existem inúmeras ferramentas de construções de quizzes na Web. Contudo elas possuem a desvantagem de não ter uma base de conhecimento formal, permitindo o compartilhamento, manipulação e reuso de conhecimento que estão nos quizzes. Neste ponto o uso de ontologia pode contribuir com compartilhamento, manipulação e reuso de conhecimento em nível de software ou como modelos conceituais de referência. Neste trabalho desenvolveu-se um modelo de ferramenta para construção de quizzes apoiada por uma ontologia lightweight sobre a leishmaniose. Para complementar o uso do modelo foi modelada uma rede bayesiana com o objetivo de regular um assunto de um quiz para um aluno específico. Os resultados encontrados são promissores desde a concepção, regulação e validação de quizzes por um grupo de alunos de medicina.

Made available in DSpace on 2014-06-12T16:01:12Z (GMT). No. of bitstreams: 2 arquivo7177_1.pdf: 1928980 bytes, checksum: 7200aed58639d2418b3492895d4e9061 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2005 / Nos últimos anos, um grande volume de dados de várias espécies vem sendo obtido através de novas técnicas criadas e aperfeiçoadas pela biologia. Entre elas, tecnologias para medir as diferenças das expressões dos genes, através de concentrações de mRNA (microarray), estão se tornando extremamente populares e seus custos estão diminuindo. A inferência de redes regulatórias de genes a partir de dados de expressão gênica para estudar o metabolismo dos organismos é um processo importante e faz surgir o desafio de conectar os genes e seus produtos em vias metabólicas, circuitos e redes funcionais. O conhecimento sobre redes regulatórias de genes pode fornecer informações valiosas para tratamento de doenças, identificação de quais genes controlam e regulam eventos celulares e descoberta de vias metabólicas mais complexas. Uma rede regulatória de genes é um modelo que representa as regulações entre genes usando um grafo direcionado, no qual os nós indicam os genes e uma aresta (Gene 1, Gene 2) indica que o Gene 1 regula o Gene 2 (através de ativação ou repressão). Vários métodos foram propostos no decorrer dos anos para inferir uma rede regulatória de genes a partir de dados de microarray de DNA usando modelos matemáticos, tais como equações diferenciais, redes Booleanas e redes Bayesianas. Este trabalho apresenta o estudo do modelo de Rede Bayesiana e a implementação de dois programas, um usando o modelo de Rede Bayesiana e o outro usando o modelo Rede Bayesiana dinâmica, ambos com regressão não-paramétrica para inferir redes regulatórias de genes a partir de dados de expressão gênica de microarray de DNA. O critério usado para escolher as melhores redes foi o Bayesian Information Criterion (BIC), que é mais simples do que outros critérios existentes, mas ainda assim, é uma abordagem eficiente. Os resultados do trabalho foram comparados com os de trabalhos anteriores usando dois conjuntos de dados: dados artificiais para inferir uma rede regulatória artificial de genes; e dados reais de microarray do ciclo celular da levedura Saccharomyces cerevisiae para inferir o ciclo do ácido tricarboxílico (TCA). Os experimentos com os dados artificiais apresentaram bons resultados quando comparados com modelos anteriores, principalmente quando informações a priori foram adicionadas. Os experimentos com dados biológicos foram mais surpreendentes, pois a quantidade de amostras existentes era pequena e, mesmo assim, os resultados obtidos foram tão bons quanto os resultados dos modelos anteriormente propostos. A inferência de redes de genes a partir de dados de microarray usando modelos matemáticos é um problema recente e difícil. Este trabalho apresenta um modelo relativamente simples com resultados promissores, podendo ser estendido em trabalhos futuros

Submitted by Everaldo Pereira (pereira.evera@gmail.com) on 2017-02-21T02:09:05Z No. of bitstreams: 1 Danilo Lisboa Dissertação.pdf: 1609868 bytes, checksum: fb22cfd92f14b7275027cf6ace7d5365 (MD5) / Made available in DSpace on 2017-02-21T02:09:05Z (GMT). No. of bitstreams: 1 Danilo Lisboa Dissertação.pdf: 1609868 bytes, checksum: fb22cfd92f14b7275027cf6ace7d5365 (MD5) / Ao longo dos últimos anos, o processo conhecido como branqueamento dos corais tem sido um dos principais objetos de pesquisas relacionadas aos estudos climáticos nos ambientes marinhos. Devido à complexidade envolvida nestes fenômenos, sua previsão tornou-se um dos grandes desafios da comunidade científica empenhada em compreender os processos atuantes no ambiente recifal. Nesta pesquisa dados de monitoramento recifal do complexo recifal dos Abrolhos referentes a nove verões foram utilizados para construir e ensinar um modelo de previsão de branqueamento capaz de gerar prognósticos em termos de probabilidades de ocorrência de eventos extremos na região. O modelo proposto fundamentou-se em duas ideias principais extensivamente discutidas em periódicos relacionados ao tema: 1- o branqueamento dos corais é principalmente influenciado por anomalias térmicas positivas na água do mar; e 2- existe uma relação entre a intensidade do fenômeno El Niño e anomalias térmicas positivas na região do Atlântico Sul Ocidental. A abordagem Bayesiana proposta para a construção do modelo demonstrou ser adequada ao organizar hierarquicamente as variáveis locais e combiná-las com os indicadores do El Niño referentes ao inverno predecessor para gerar previsões de branqueamento com alguns meses de antecedência. Os resultados, fornecidos pela rede em termos de probabilidades condicionais, são calculados a partir da propagação da evidência através da estrutura da rede, segundo o teorema de Bayes. Durante a validação do modelo através do método Leave one out, demonstrou-se que a rede foi capaz de prever acertadamente todos os 28 (vinte e oito) casos com os quais foi ensinada. Quatro diferentes aplicações foram propostas para o modelo, demonstrando uma expressiva utilidade tanto de caráter prático, ao ser utilizado como ferramenta suporte durante as campanhas de campo, assim como na previsão para o verão de 2016, como de caráter teórico ao ser empregado para se realizar especulações a respeito do papel da turbidez durante os episódios de branqueamento. Outra aplicação de caráter teórico refere-se à previsão “passada” de eventos extremos para os verões dos anos de 2004 a 2009, quando não foram realizadas campanhas de campo. Além disso, uma última utilidade foi proposta ao usarmos os dados de entrada do modelo para construir mapas de probabilidade média de branqueamento passiveis de serem empregados como critério de seleção de áreas prioritárias para conservação ambiental na região do complexo recifal dos Abrolhos. Estes mapas indicam onde, segundo o modelo, os corais teriam melhores chances de sobrevivência frente à tendência atual de aumento gradativo na TSM e consequentemente na frequência e intensidade dos episódios de branqueamento. Portanto, o modelo apresentado nesta pesquisa alcançou seus objetivos ao demonstrar utilidade prática e teórica, além de apresentar-se consistente em suas previsões, representando, dessa maneira, uma ferramenta apta a conceder suporte à gestão ambiental na região do complexo recifal dos Abrolhos. / ABSTRACT - Over the past few years, the process known as coral bleaching has been one of the main objects of research related to climate studies in marine environments. Due to the complexity involved in these phenomena, his prediction has become a major challenge for the scientific community committed to understanding the processes acting in the reef environment. In this research reef monitoring data of the Abrolhos reef complex referring to nine summers were used to construct and teach a bleaching prediction model capable of generating predictions in terms of probabilities of occurrence of extreme events in the region. The proposed model was based on two main ideas discussed extensively in journals related to the topic: 1- coral bleaching is mainly influenced by positive thermal anomalies in sea water; and 2- there is a relationship between the intensity of El Niño and positive temperature anomalies in the South West Atlantic region. The Bayesian approach proposed for the construction of the model was suitable to hierarchically organize the local variables and combine them with the El Niño indicators for the predecessor winter to generate bleaching predictions for a few months in future. The results provided by the network in terms of conditional probabilities are calculated from the spread of evidence through the network structure, according to the Bayes theorem. During the validation of the model by the method Leave One Out, it was demonstrated that the network was able to correctly predict all 28 (twenty eight) cases which have been taught. Four different applications have been proposed for the model, demonstrating an important utility of practical nature, to be used as a support tool during field campaigns, as well as the forecast for the summer of 2016. A theoretical character utility was demonstrated to perform speculation about the role of turbidity during episodes of bleaching. Another theoretical character application refers to the forecast "last" of extreme events for the summers of 2004 to 2009, when field campaigns were not carried out. Also, one last use was proposed in using the model input data to construct medium probability maps of susceptible to bleaching to be employed as a criterion for selection of priority areas for conservation in the reef complex region of the Abrolhos. These maps indicate where, according to the model, the corals would have better chances of survival facing the current trend of gradual increase in SST and consequently the frequency and intensity of bleaching episodes. Therefore, the model presented in this study achieved its objectives to demonstrate theoretical and practical utility, in addition to present consistent in their predictions, representing, thus, an apt tool to provide support to environmental management in the reef complex region of the Abrolhos.

Submitted by Lucienne Costa (lucienneferreira@ufcg.edu.br) on 2018-03-28T20:50:30Z No. of bitstreams: 1 LEONARDO DA COSTA SANTOS - DISSERTAÇÃO (PPGCC) 2017.pdf: 1052959 bytes, checksum: 86527931b8f10cbdea926396a36e5169 (MD5) / Made available in DSpace on 2018-03-28T20:50:30Z (GMT). No. of bitstreams: 1 LEONARDO DA COSTA SANTOS - DISSERTAÇÃO (PPGCC) 2017.pdf: 1052959 bytes, checksum: 86527931b8f10cbdea926396a36e5169 (MD5) Previous issue date: 2017 / Métricas possuem um papel fundamental no processo de gerenciamento da qualidade de software. Apesar dos seus potenciais benefícios, elas geralmente são utilizadas apenas para quantificação, não oferecendo suporte adequado à tomada de decisão durante o ciclo de vida do software. Para potencializar a utilização das métricas, é essencial definir valores de referência significativos (i.e., thresholds), atribuindo, assim, significado para os números coletados. O objetivo deste trabalho é apresentar uma abordagem para definição de valores de referência de métricas de software de acordo com o contexto do projeto. A abordagem consiste em definir os fatores de contexto que influenciam os valores de referência da métrica em questão a partir de conhecimento elicitado de especialistas. Essas informações são utilizadas para construir uma rede Bayesiana que pode ser utilizada para auxiliar na tomada de decisão. A solução proposta foi avaliada por meio de um estudo piloto realizado com três gerentes de projetos reais de desenvolvimento de software. Os dados foram coletados com os profissionais para construir redes Bayesianas, para identificar e validar os valores de referência para as métricas Número de Bugs Minor, Número de Alertas de Análise Estática e Porcentagem de Cobertura de Código. A abordagem proposta mostrou-se promissora para auxiliar os profissionais a identificar valores de referência representativos, potencializando tomadas de decisões mais assertivas no processo de gerenciamento de projetos de software / Metrics play a key role in the software quality management process. Despite their potential benefits, they are generally only used for quantification, not providing adequate support to the decision-making process during the software’s life cycle. To enhance the use of metrics, it is essential to define meaningful reference values (i.e., thresholds), thus giving meaning to the data collected. This work aims to propose an approach to define the software metrics’ reference values according to the project’s context. The approach consists of using the specialists’ elicited knowledge to define context factors that influence the metric’s reference values. This information is used to build a Bayesian network that can be used to aid in the decision-making process. The proposed solution was evaluated through a pilot study conducted with three managers of real software development projecst. Data were collected from the software project managers in order to build Bayesian networks to identify and validate reference values for the Number of Minor Bugs, the Number of Static Analysis Alerts, and the Code Coverage Percentage metrics. Each metric was validated in three scenarios. The proposed approach has shown to be promising in helping professionals to identify representative reference values, promoting a more assertive decision making when it comes to the software project management process

Made available in DSpace on 2016-08-10T10:55:25Z (GMT). No. of bitstreams: 1 Hugo Pereira Leite Filho.pdf: 1747513 bytes, checksum: 1d5d4b0eff9478fb7f58eca6fa166bec (MD5) Previous issue date: 2006-08-25 / This study has involved the interaction among knowledge in very distinctive areas, or else: informatics, engineering e genetics, emphasizing the building of a taking decision backing system methodology. The aim of this study has been the development of a tool to help in the diagnosis of chromosomal aberrations, presenting like tutorial model the Turner Syndrome. So to do that there have been used classification techniques based in decision trees, probabilistic networks (Naïve Bayes, TAN e BAN) and neural MLP network (from English, Multi- Layer Perception) and training algorithm by error retro propagation. There has been chosen an algorithm and a tool able to propagate evidence and develop efficient inference techniques able to originate appropriate techniques to combine the expert knowledge with defined data in a databank. We have come to a conclusion about the best solution to work out the shown problem in this study that was the Naïve Bayes model, because this one presented the greatest accuracy. The decision - ID3, TAN e BAN tree models presented solutions to the indicated problem, but those were not as much satisfactory as the Naïve Bayes. However, the neural network did not promote a satisfactory solution. / O estudo envolveu a interação entre áreas de conhecimento bastante distintas, a saber: informática, engenharia e genética, com ênfase na metodologia da construção de um sistema de apoio à tomada de decisão. Este estudo tem como objetivo o desenvolvimento de uma ferramenta para o auxílio no diagnóstico de anomalias cromossômicas, apresentando como modelo tutorial a Síndrome de Turner. Para isso foram utilizadas técnicas de classificação baseadas em árvores de decisão, redes probabilísticas (Naïve Bayes, TAN e BAN) e rede neural MLP (do inglês, Multi- Layer Perceptron) com algoritmo de treinamento por retropropagação de erro. Foi escolhido um algoritmo e uma ferramenta capaz de propagar evidências e desenvolver as técnicas de inferência eficientes capazes de gerar técnicas apropriadas para combinar o conhecimento do especialista com dados definidos em uma base de dados. Chegamos a conclusão que a melhor solução para o domínio do problema apresentado neste estudo foi o modelo Naïve Bayes, pois este modelo apresentou maior acurácia. Os modelos árvore de decisão-ID3, TAN e BAN apresentaram soluções para o domínio do problema sugerido, mas as soluções não foram tão satisfatória quanto o Naïve Bayes. No entanto, a rede neural não promoveu solução satisfatória.

Submitted by Carmen Torres (carmensct@globo.com) on 2018-02-09T18:16:07Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_MineraçãoDadosEducacionais.pdf: 1998458 bytes, checksum: 1b7da795e82e32e0d1cbe0b9ffc47830 (MD5) / Approved for entry into archive by Edisangela Bastos (edisangela@ufpa.br) on 2018-02-20T18:02:13Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_MineraçãoDadosEducacionais.pdf: 1998458 bytes, checksum: 1b7da795e82e32e0d1cbe0b9ffc47830 (MD5) / Made available in DSpace on 2018-02-20T18:02:13Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_MineraçãoDadosEducacionais.pdf: 1998458 bytes, checksum: 1b7da795e82e32e0d1cbe0b9ffc47830 (MD5) Previous issue date: 2017-09-12 / Este trabalho investiga os perfis de alunos de cursos da graduação da Universidade Federal do Pará propensos a dois problemas enfrentados em diversas universidades brasileiras denominados evasão e retenção. Estas problemáticas estimularam o estudo de metodologias que detectassem padrões que suscitam a extrapolação ou o fim prematuro dos estudos. A ferramenta elegida a este fim, a Rede Bayesiana é poderosa ao propiciar raciocínio sobre incertezas, especialmente em diagnósticos de causas e efeitos tendo como pressuposto o relacionamento das variáveis e suas probabilidades de ocorrências conjuntas e marginais. Outro aspecto inerente a estrutura das Redes Bayesianas diz respeito à compreensibilidade da representação e dos resultados, os quais geram subsídios voltados a especialistas e usuários inseridos no domínio. Considerando tais colocações, essas potencialidades da metodologia em questão fortaleceram a sua aplicação nesta pesquisa. Dessa forma, registros acadêmicos contendo dezenas de milhares de amostras oriundas de alunos imersos em ambientes de ensino presencial pertencentes aos alunos de graduação ingressantes na Universidade Federal do Pará até o ano de 2016 foram submetidos ao processo de Descoberta de Conhecimento em Base de Dados, especificamente na etapa de Mineração de Dados os padrões desejados foram extraídos valendo-se da tarefa de classificação. Em adição, realizou-se na etapa de Mineração de Dados várias análises de desempenhos da Rede Bayesiana junto a outros algoritmos clássicos do aprendizado supervisionado, e aquela revelou a sua grande acurácia e eficiência, ressaindo dentre as melhores soluções encontradas, isto posto o seu uso foi certificado sobre a base de dados selecionada. Em três estudos de casos avaliados, os resultados indicaram a qualidade do classificador baseado em Redes Bayesianas que apresentou acurácia superior a 82%, condição que legitima a sua utilidade no domínio pesquisado. Assim, os resultados atingidos foram satisfatórios e apontaram fortes influências de algumas variáveis à propensão da evasão ou retenção. / This work investigates the profiles of undergraduate students at the University of Federal University of Pará prone to two problems faced in several universities evasion and retention. These problems stimulated the study of methodologies that detect patterns that lead to extrapolation or the premature end of the studies. The tool chosen for this purpose, the Bayesian Network is powerful in providing reasoning about uncertainties, especially in causes and effects diagnoses. Assumption of the relationship of the variables and their probability of occurrence and marginal. Another aspect inherent in the structure of Bayesian Networks is the comprehensibility of representation and results, which generate specialists and users entered into the domain. Considering such placements, these potential of the methodology in question strengthened its application in this research. So, academic records containing tens of thousands of samples from students immersed in presential teaching environments belonging to undergraduate students at the Federal University of Pará until the year 2016 were submitted to the of Knowledge Discovery in the Database, specifically in Data Mining the desired patterns were extracted using the classification task. In addition, several performance analyzes were performed during Data Mining stage The Bayesian Network together with other classic algorithms of supervised learning, and which revealed its great accuracy and efficiency, rising from the best solutions found, its use has been certified on the selected database. In three Study of Case, the results shows classifier’s quality based on Bayesian Networks, which presented an accuracy of more than 82%, a condition that its usefulness in the researched domain. Thus, the results achieved were satisfactory and strong influences of some variables on the propensity of evasion or retention.

Submitted by Edisangela Bastos (edisangela@ufpa.br) on 2014-01-13T19:52:29Z No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_MetodologiaPredicaoCampo.pdf: 1935005 bytes, checksum: b3874987c851a1b088cb0f32d9e563b4 (MD5) / Approved for entry into archive by Ana Rosa Silva(arosa@ufpa.br) on 2014-01-16T13:25:21Z (GMT) No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_MetodologiaPredicaoCampo.pdf: 1935005 bytes, checksum: b3874987c851a1b088cb0f32d9e563b4 (MD5) / Made available in DSpace on 2014-01-16T13:25:21Z (GMT). No. of bitstreams: 2 license_rdf: 23898 bytes, checksum: e363e809996cf46ada20da1accfcd9c7 (MD5) Dissertacao_MetodologiaPredicaoCampo.pdf: 1935005 bytes, checksum: b3874987c851a1b088cb0f32d9e563b4 (MD5) Previous issue date: 2013 / A adoção de sistemas digitais de radiodifusão sonora, que estão em fase de testes no país, permite realizar novos estudos visando um melhor planejamento para a implementação dessas novas emissoras. O que significa reavaliar os principais modelos de radiopropagação existentes ou propor novas alternativas para atender as demandas inerentes dos sistemas digitais. Os modelos atuais, conforme Recomendações ITU-R P. 1546 e ITU-R P. 1812, não condizem fielmente com a realidade de algumas regiões do Brasil, principalmente com as regiões de clima tropical, como a Região Amazônica, seja pelo elevado índice pluviométrico seja pela vasta flora existente. A partir dos modelos adequados ao canal de propagação, torna-se viável desenvolver ferramentas de planejamento de cobertura mais precisas e eficientes. A utilização destas ferramentas é cabível tanto para a ANATEL, para a elaboração dos planos básicos de distribuição de canais quanto para os radiodifusores. No presente trabalho é apresentada uma metodologia utilizando a inteligência computacional, baseada em Inferênciass Baysianas, para predição da intensidade de campo elétrico, a qual pode ser aplicada ao planejamento ou expansão de áreas de cobertura em sistemas de radiodifusão para frequências na faixa de ondas médias (de 300 kHz a 3MHz). Esta metodologia gera valores de campo elétrico estimados a partir dos valores de altitude do terreno (através de análises de tabelas de probabilidade condicional) e estabelece a comparação destes com valores de campo elétrico medidos. Os dados utilizados neste trabalho foram coletados na região central do Brasil, próximo à cidade de Brasília. O sinal transmitido era um sinal de rádio AM transmitido na frequência de 980 kHz. De posse dos dados coletados durante as campanhas de medição, foram realizadas simulações utilizando tabelas de probabilidade condicional geradas por Inferências Bayesianas. Assim, é proposto um método para predizer valores de campo elétrico com base na correlação entre o campo elétrico medido e altitude, através da utilização de inteligência computacional. Se comparados a inúmeros trabalhos existentes na literatura que têm o mesmo objetivo, os resultados encontrados neste trabalho validam o uso da metodologia para determinar o campo elétrico de radiodifusão sonora em ondas médias utilizando Inferências Bayesianas. / The adoption of digital sound broadcasting systems, which are under testing in the country, allows new studies aimed a better planning for the implementation of new stations, which means to reassess the major existing radio propagation models or propose new alternatives to meet demands inherent in digital systems. The current models, as Recommendations ITU-R P. 1546 and ITU-R P. 1812, do not match closely with the reality of some regions of Brazil, especially in the tropical regions, such as the Amazon Region, due to the high rainfall and the vast existing flora. Using models suited to the propagation channel, it becomes feasible to develop planning tools covering most accurate and efficient. The use of these tools is applicable both to ANATEL, for the elaboration of the basic plans, as distribution channels for broadcasters. This paper presents a methodology using a computational intelligence based in Bayesian Networks for prediction of electric field intensity, which can be applied to planning or expanding coverage areas in broadcasting systems for frequencies in the range of medium wave (300 kHz to 3 MHz). This methodology generates electric field values estimated from the values of terrain altitude (through analysis of conditional probability tables) and provides a comparison of these values with the measured electric field. The data used in this study were collected in Brazil’s central region, nearby the city of Brasilia. The transmitted signal was an AM radio signal transmitted at a frequency of 980 kHz. With the data collected during the measurement campaigns, simulations were performed using conditional probability tables generated by Bayesian Networks. Thus, it’s proposed a method for predicting values of electric field based on the correlation between the measured electric field and the altitude through the use of artificial intelligence. Compared to numerous studies in the literature that have the same goal, the results found in this study validate the use of the methodology to determine the electric field in medium wave radio broadcasting using Bayesian Networks.

Sistemas Instrumentados de Segurança (SIS) são projetados para prevenir e/ou mitigar acidentes, evitando indesejáveis cenários com alto potencial de risco, assegurando a proteção da saúde das pessoas, proteção do meio ambiente e economia de custos com equipamentos industriais. Desta forma, é extremamente recomendado neste projeto de SIS o uso de métodos formais para garantir as especificações de segurança em conformidade com as normas regulamentadoras vigentes, principalmente para atingir o nível de integridade de segurança (SIL) desejado. Adicionalmente, algumas das normas de segurança como ANSI / ISA S.84.01; IEC 61508, IEC 61511, entre outras, recomendam uma série de procedimentos relacionados ao ciclo de vida de segurança de um projeto de SIS. Desta forma, destacam-se as atividades que compreendem o desenvolvimento e a validação dos algoritmos de controle em que se separam semanticamente os aspectos voltados para o diagnóstico de falhas críticas e o tratamento destas falhas associado a um controle de coordenação para filtrar a ocorrência de falhas espúrias. Portanto, a contribuição deste trabalho é propor um método formal para a modelagem e análise de SIS, incluindo o diagnóstico e o tratamento de falhas críticas, baseado em rede Bayesiana (BN) e rede de Petri (PN). Este trabalho considera o diagnóstico e o tratamento para cada função instrumentada de segurança (SIF) a partir do resultado do estudo de análise de riscos, de acordo com a metodologia de HAZOP (Hazard and Operability). / Safety Instrumented Systems (SIS) are design to prevent and/or mitigate accidents, avoiding undesirable high potential risk scenarios, assuring protection of people health, protecting the environment and saving costs of industrial equipment. It is strongly recommended in this design formal method to assure the safety specifications in accordance to standards regulations, mainly for reaching desired safety integrity level (SIL). Additionally, some of the safety standards such as ANSI/ISA S.84.01; IEC 61508, IEC 61511, among others, guide different activities related to Safety Life Cycle (SLC) design of SIS. In special, there are design activities that involves the development and validation of control algorithm that separate semantically aspects oriented to diagnosis and treatment of critical faults associated with a control coordination to filter spurious failures occurrence. In this context, the contribution of this work is to propose a formal method for modeling and analysis of SIS designed including diagnostic and treatment of critical faults based on Bayesian networks (BN) and Petri nets (PN). This approach considers diagnostic and treatment for each safety instrumented function (SIF) obtained according hazard and operability (HAZOP) methodology.

The sugarcane is emphasized in the national economy since colonization to the current days. It contributed mainly to highlight the country as the biggest producer and exporter of sugar and alcohol (ethanol) in the world. Irrigation is the main technology to combat the random rains and decrease productivity oscillations. The success of irrigation is conditioned to the quantity of water applied, since it is expensive. Thus, searching for a minimal quantity of water applied focusing on the maximum return on the investment (deficit irrigation) is a recommended strategy in the context of the sugarcane culture, mainly when the irrigation type is spraying mobile, which makes possible the selection of areas according to their water needs. Agronomical productivity, applied water and rainfall data provided by the Coruripe sugar mill (head office), production functions considering the varieties RB 92579, RB 867515 and RB 93509 were developed. Moreover, it was calculated the water irrigation quantity to obtain the maximum productivity, the maximum net income, and the net income equivalent to the maximum productivity. The results indicated that apply a reduced quantity of water in order to obtain the net income equivalent to the full irrigation is a good strategy. In the cases where exist more available resources, the maximum return of investment should be sought. In this sense, using the Bayesian network tool support, a model was elaborated to determine the net income, treat randomness rainfalls, and make inferences and simulations. The knowledge contained in the networks illustrates that when it rains more than expected, not rare, the irrigation becomes unfeasible. On the other hand, when it rains a little, irrigation is economically viable and essential to continue the business. / A cana-de-açúcar tem destaque na economia nacional desde a colonização até os dias atuais. Ela contribui especialmente para a posição global do país como o maior produtor e exportador de açúcar e de álcool (etanol) do mundo. Fatores climáticos e pluviométricos aleatórios afetam diretamente sua produção. A irrigação é a principal tecnologia para combater a aleatoriedade das chuvas e diminuir as oscilações da produtividade. O êxito econômico desse procedimento está condicionado à lâmina de água aplicada uma vez que a irrigação tem elevados custos. Buscar um compromisso entre fornecer uma lâmina mínima de água e obter o máximo de retorno financeiro (irrigação com déficit) é uma estratégia recomendada à cultura da cana-de-açúcar, principalmente quando o tipo de irrigação é por aspersão com mobilidade, que possibilita irrigar áreas escolhidas em função das necessidades do manejo agrícola. Com dados de produtividade, lâminas de irrigação aplicada e precipitações pluviométricas fornecidos pela Usina Coruripe unidade matriz , foram geradas funções de produção para as variedades RB 92579, RB 867515 e RB 93509. Após isso, foram calculadas as quantidades de água para obter a máxima produtividade, a máxima receita líquida e a receita líquida equivalente à máxima produtividade. Os resultados indicaram que uma boa estratégia é aplicar uma quantidade de água reduzida para obter receita líquida equivalente à da irrigação plena. Para os casos de maior disponibilidade de recursos, deve-se buscar o máximo retorno financeiro. Nesse sentido, de posse do ferramental de redes bayesianas, elaboraram-se modelos para apurar as receitas líquidas, tratar da aleatoriedade das precipitações pluviométricas e fazer inferências e simulações. Os conhecimentos representados nas redes ilustram que quando chove acima do esperado, a irrigação torna-se, não raro, inviável economicamente; já quando chove pouco, ela é viável financeiramente e indispensável à continuidade do negócio.

Submitted by Bruna Rodrigues (bruna92rodrigues@yahoo.com.br) on 2016-10-21T11:00:36Z No. of bitstreams: 1 DissRSA.pdf: 2940714 bytes, checksum: 9af799d998ad9646a6f38b0d6e9c382a (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-11-08T18:44:27Z (GMT) No. of bitstreams: 1 DissRSA.pdf: 2940714 bytes, checksum: 9af799d998ad9646a6f38b0d6e9c382a (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-11-08T18:44:32Z (GMT) No. of bitstreams: 1 DissRSA.pdf: 2940714 bytes, checksum: 9af799d998ad9646a6f38b0d6e9c382a (MD5) / Made available in DSpace on 2016-11-08T18:44:39Z (GMT). No. of bitstreams: 1 DissRSA.pdf: 2940714 bytes, checksum: 9af799d998ad9646a6f38b0d6e9c382a (MD5) Previous issue date: 2016-08-10 / Não recebi financiamento / Cloud computing is a convenient computing model, because it allows the ubiquity with on-demand access to a set of configurable and shared features, that can be rapidly provisioned and made available with minimal effort or interaction with the service provider. IaaS is a different way to deliver cloud computing, where infrastructure servers, networking systems, storage, and all the necessary environment for the operating system to run the application are hired as services. Meanwhile, traditional companies still have doubts in relation to the transferring of their data outside of the limits of the corporation. The health of cloud computing systems is fundamental to the business, given the complexity of the systems it is difficult to ensure that all services and resources will work properly. In order to ensure a more appropriate management of the systems and services in the cloud, an architecture is proposed. The architecture has been modularized through specializing monitoring functions, data mining, and inference with Bayesian network. In this architecture are essential records of event monitoring systems and computing resources because the recorded data is mined to identify fault patterns a given system after the result of one or more events in the environment. For mining the monitoring data we proposed two algorithms, one for performing preprocessing of data and another to perform data transformation. As a data mining product obtained, data sets that were the input to create a Bayesian network. Through structural and parametric learning algorithms Bayesinas networks for each systems and services offered by cloud computing were created. The Bayesian network is intended to assist in decision making with prevention, prediction, error correction in systems and services, allowing to manage the health and performance of the most appropriate way systems. To check the compliance of the fault diagnosis of this architecture, we validate accuracy of inference of Bayesian network with cross-validation method using data sets generated by monitoring systems and services. / A computação em nuvem é um modelo de computação conveniente, pois permite a ubiquidade, com acesso sob demanda a um conjunto de recursos configuráveis e compartilhados, que podem ser rapidamente provisionados e disponibilizados com o mínimo de esforço ou interação com o fornecedor do serviço. IaaS é uma maneira diferente de entregar computação em nuvem, onde a infraestrutura de servidores, sistemas de rede, armazenamento e todo o ambiente necessário para o funcionamento do sistema operacional até aplicação são contratados como serviços. Entretanto, empresas tradicionais ainda possuem dúvidas com relação à transferência de seus dados para fora dos limites da corporação. A saúde de sistemas em computação em nuvem é algo fundamental para o negócio, e dada a complexidade dos sistemas é difícil garantir que todos os serviços e recursos funcionem adequadamente. A fim de garantir um gerenciamento mais adequado da saúde dos sistema e serviços na nuvem, propôs-se nesse trabalho uma arquitetura de diagnóstico de saúde de sistema de nuvem. A arquitetura foi modularizada, especializando funções de monitoramento, mineração de dados e inferência com rede Bayesiana. Nessa arquitetura, são fundamentais os registros de eventos de monitoramento dos sistemas e recursos computacionais, pois os dados registrados são minerados para identificar padrões de falhas. Para mineração dos dados de monitoramento foram propostos dois algoritmos: um para realizar a tarefa de pré- processamento dos dados e outro para realizar a transformação dos dados. Como produto da mineração dos dados, foram obtidos conjuntos de dados que foram o insumo para criar a rede Bayesiana. Por meio de algoritmos de aprendizagem estrutural e paramétrica foram criadas redes Bayesinas para cada sistema e disponibilizados por meio da computação em nuvem. A rede Bayesiana tem o objetivo de auxiliar na tomada de decis˜ao com prevenção, previsão, correção de falhas nos sistemas e serviços, permitindo assim gerenciar a saúde e o desempenho dos sistemas de forma mais adequada. Para verificar a aderência da arquitetura ao diagnóstico de falhas, validou-se a precisão de inferência da rede Bayesiana com o método de validação cruzada.