Submitted by Alex Kuribara (alex_kuribara@yahoo.com.br) on 2016-01-04T20:27:16Z No. of bitstreams: 1 MPA Sistema da Informação - Alex Kuribara.pdf: 2558507 bytes, checksum: 5157a9a4230813d00ed67591adac5ccf (MD5) / Rejected by Ana Luiza Holme (ana.holme@fgv.br), reason: Alex, Na pagina 04 precisa retirar os dizeres Projeto de Dissertação. Ana Luiza Holme 3799-3492 on 2016-01-05T11:50:07Z (GMT) / Submitted by Alex Kuribara (alex_kuribara@yahoo.com.br) on 2016-01-05T13:16:47Z No. of bitstreams: 1 MPA Sistema da Informação - Alex Kuribara.pdf: 2558380 bytes, checksum: 7b98268613b3870b062daca2fceae2ab (MD5) / Approved for entry into archive by Ana Luiza Holme (ana.holme@fgv.br) on 2016-01-05T13:22:22Z (GMT) No. of bitstreams: 1 MPA Sistema da Informação - Alex Kuribara.pdf: 2558380 bytes, checksum: 7b98268613b3870b062daca2fceae2ab (MD5) / Made available in DSpace on 2016-01-05T13:33:50Z (GMT). No. of bitstreams: 1 MPA Sistema da Informação - Alex Kuribara.pdf: 2558380 bytes, checksum: 7b98268613b3870b062daca2fceae2ab (MD5) Previous issue date: 2015-12-15 / Este trabalho minera as informações coletadas no processo de vestibular entre 2009 e 2012 para o curso de graduação de administração de empresas da FGV-EAESP, para estimar classificadores capazes de calcular a probabilidade de um novo aluno ter bom desempenho. O processo de KDD (Knowledge Discovery in Database) desenvolvido por Fayyad et al. (1996a) é a base da metodologia adotada e os classificadores serão estimados utilizando duas ferramentas matemáticas. A primeira é a regressão logística, muito usada por instituições financeiras para avaliar se um cliente será capaz de honrar com seus pagamentos e a segunda é a rede Bayesiana, proveniente do campo de inteligência artificial. Este estudo mostre que os dois modelos possuem o mesmo poder discriminatório, gerando resultados semelhantes. Além disso, as informações que influenciam a probabilidade de o aluno ter bom desempenho são a sua idade no ano de ingresso, a quantidade de vezes que ele prestou vestibular da FGV/EAESP antes de ser aprovado, a região do Brasil de onde é proveniente e as notas das provas de matemática fase 01 e fase 02, inglês, ciências humanas e redação. Aparentemente o grau de formação dos pais e o grau de decisão do aluno em estudar na FGV/EAESP não influenciam nessa probabilidade. / This dissertation mines a database with information gathered from 2009 to 2012 during the application process to join the business administration course offered by FGV-EAESP. The goal is to develop classifiers which estimate whether a new student will have good performance. The methodology of this dissertation is based on KDD process (Knowledge Discovery in Database) developed by Fayyad et al. (1996a); in addition, the classifiers will be developed by using two theories. The first one is the logistic regression, broadly adopted in financial institutions to assess the potential default of their customers in the credit market. The second one Bayesian networks from artificial intelligence field. The outcomes of this dissertation show that both classifiers have the same discriminant capacity. In addition, the student’s age, the number of times she/he applied for FGV/EAESP before joining the school, the region of Brazil she/he comes from and the grades of five exams: Mathematics phase 01 and phase 02, English, Human Science and Essay influence the student performance. However, neither the parents’ formal education background nor the student’s willingness to join FGV/EAESP impact on such performance.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / In a collaborative risk management environment, which the project stakeholders are involved in risk management activities, the identification and analysis of dependencies often is not a simple process to be performed, although to be necessary for more efficient and concise risk management. This work propose an approach for the identification and analysis of direct and causal dependencies between the risks identified in software projects, being this analysis supported by a probabilistic model of Bayesian networks to assist participants during the process. Thus, collaborative risks discussions of software projects can be conducted through an existing discussion system, the RD System. This research includes the adaptation made in the protocol used by the RD System wherein these modifications by making possible the identification and the analysis of risk dependencies collaboratively. As a way to assist and support the process of analyzing the dependencies once identified, a probabilistic model of Bayesian networks is proposed, enabling the participants simulate different scenarios and discuss starts from the results obtained in a collaborative way with the aim of improve the strategies for the treatment of risks of software projects. In order to validate the proposed approach, we present and discuss a case study involving experts in the area and a practical experiment carried out with students from the computing area. The results show clear evidence of acceptance and applicability of the developed approach for to resolve the identification and analysis of risks dependencies in collaborative environments for risk management of software project. / Em um ambiente de gerenciamento colaborativo de riscos, em que as partes interessadas de um projeto estão envolvidas nas atividades de gestão de riscos, muitas vezes a identificação e análise de dependências não é um processo simples de ser realizado, apesar de ser necessário para um gerenciamento de riscos mais eficiente e conciso. Este trabalho propõe uma abordagem para a identificação e análise de dependências causais entre os riscos e causas identificados em projetos de software, sendo esta análise apoiada por um modelo probabilístico de redes Bayesianas para auxiliar os participantes durante o processo. Desta forma, discussões colaborativas de riscos de projetos de software podem ser realizadas por meio de um sistema de discussão já existente, o RD System. Esta pesquisa abrange a adaptação realizada no protocolo utilizado pelo RD System, sendo que estas modificações possibilitam que a identificação e a análise das dependências dos riscos sejam realizadas de forma colaborativa. Como forma de auxiliar e apoiar o processo de análise das dependências uma vez identificadas, um modelo probabilístico de redes Bayesianas é proposto, possibilitando que os participantes simulem diferentes cenários e discutam, a partir dos resultados obtidos de forma colaborativa, com o objetivo de aprimorar as estratégias de tratamento para os riscos de projetos de software. A fim de validar a abordagem proposta, é apresentado e discutido um estudo de caso envolvendo especialistas na área e um experimento prático realizado com alunos da área de computação. Os resultados obtidos apresentam claras evidências de aceitação e aplicabilidade da abordagem desenvolvida para a solução da identificação e análise de dependências de riscos em ambientes colaborativos para gestão de riscos de projetos de software.

Submitted by Maria Medeiros (maria.dilva1@ufcg.edu.br) on 2018-05-22T12:37:25Z No. of bitstreams: 1 ARTHUR SILVA FREIRE -DISSERTAÇÃO (PPGCC) 2016.pdf: 2232664 bytes, checksum: 7d856251235ae5bacc2b971e556d50e3 (MD5) / Made available in DSpace on 2018-05-22T12:37:25Z (GMT). No. of bitstreams: 1 ARTHUR SILVA FREIRE -DISSERTAÇÃO (PPGCC) 2016.pdf: 2232664 bytes, checksum: 7d856251235ae5bacc2b971e556d50e3 (MD5) Previous issue date: 2016 / Capes / A utilização de métodos ágeis requer que os indivíduos e as interações entre eles sejam considerados mais importantes que processos e ferramentas. Além disso, equipes ágeis precisam ser auto-organizáveis para garantir rápida agregação de valor e responsividade à mudança. Para isso, é necessário que todos os membros da equipe colaborem entre si e entendam o conceito de responsabilidade e comprometimento por parte de todos. Na literatura, é destacado o impacto positivo que fatores relacionados ao Trabalho em Equipe têm sobre o sucesso de projetos geridos com métodos ágeis. Em alguns trabalhos, ferramentas para avaliar e identificar oportunidades de melhoria do Trabalho em Equipe são apresentadas. Entretanto, no contexto em que se insere este trabalho, elas apresentam limitações, pois não focam em projetos ágeis, dependem apenas de avaliação subjetiva, ou não levam em consideração fatores-chave essenciais do ponto de vista da qualidade do Trabalho em Equipe. Portanto, neste trabalho, é apresentado um modelo de Redes Bayesianas para avaliar e identificar oportunidades de melhoria do Trabalho em Equipe em projetos de software geridos com métodos ágeis. A motivação para utilizar Redes Bayesianas advém da sua adequação para modelar incertezas em um determinado domínio, além da facilidade para modelar e quantificar os relacionamentos entre os fatores-chave que influenciam a qualidade do Trabalho em Equipe. Além do modelo, também é apresentado um procedimento para auxiliar na sua utilização. O modelo e o procedimento foram avaliados em um estudo de caso com três equipes de desenvolvimento de software. De acordo com os resultados do estudo de caso, foi possível concluir que o modelo mensura a qualidade do Trabalho em Equipe precisamente, ajudando na identificação de oportunidades de melhoria desse fator, e o custo-benefício de sua utilização como procedimento proposto é positivo. / Agile methods consider individuals and interactions more important than processes and tools. In addition, agile teams are required to be self-organized to ensure rapid aggregation of value and responsiveness to change. Thereby, it is necessary that team members collaborate to embrace the concept of whole-team responsibility and commitment. In the literature, it is shown that teamwork factors are critical to achieve success in agile projects. Some researchers have proposed tools for assessing and improving teamwork quality. However, in the context of agile software development, these tools are limited because they don’t focus on agile projects, depend on subjective assessment, or don’t include important teamwork quality key factors. Therefore, we present a Bayesian Network model to assess and improve agile teams’ teamwork quality. The motivation to use Bayesian Networks comes from its suitability for modeling uncertainties in a given domain, in addition to the easiness to model and quantify the relationships between the teamwork quality key factors. Besides the model, a procedure for using the model is also presented. Both model and procedure were evaluated in a case study with three units of analysis (i.e., agile software development teams). According to the case study results, the model measures the teamwork quality precisely, assisting on the identification of improvement opportunities for this factor, and the cost-benefit for using it with the presented procedure is positive.

A combinação de lógica e probabilidade (lógicas probabilísticas) tem sido um tópico bastante estudado nas últimas décadas. A maioria de propostas para estes formalismos pressupõem que tanto as sentenças lógicas como as probabilidades sejam especificadas por especialistas. Entretanto, a crescente disponibilidade de dados relacionais sugere o uso de técnicas de aprendizado de máquina para produzir sentenças lógicas e estimar probabilidades. Este trabalho apresenta contribuições em termos de representação de conhecimento e aprendizado. Primeiro, uma linguagem lógica probabilística de primeira ordem é proposta. Em seguida, três algoritmos de aprendizado de lógica de descrição probabilística crALC são apresentados: um algoritmo probabilístico com ênfase na indução de sentenças baseada em classificadores Noisy-OR; um algoritmo que foca na indução de inclusões probabilísticas (componente probabilístico de crALC); um algoritmo de natureza probabilística que induz sentenças lógicas ou inclusões probabilísticas. As propostas de aprendizado são avaliadas em termos de acurácia em duas tarefas: no aprendizado de lógicas de descrição e no aprendizado de terminologias probabilísticas em crALC. Adicionalmente, são discutidas aplicações destes algoritmos em processos de recuperação de informação: duas abordagens para extensão semântica de consultas na Web usando ontologias probabilísticas são discutidas. / The combination of logic and probabilities (probabilistic logics) is a topic that has been extensively explored in past decades. The majority of work in probabilistic logics assumes that both logical sentences and probabilities are specified by experts. As relational data is increasingly available, machine learning algorithms have been used to induce both logical sentences and probabilities. This work contributes in knowledge representation and learning. First, a rst-order probabilistic logic is proposed. Then, three algorithms for learning probabilistic description logic crALC are given: a probabilistic algorithm focused on learning logical sentences and based on Noisy-OR classiers; an algorithm that aims at learning probabilistic inclusions (probabilistic component of crALC) and; an algorithm that using a probabilistic setting, induces either logical sentences or probabilistic inclusions. Evaluation of these proposals has been performed in two situations: by measuring learning accuracy of both description logics and probabilistic terminologies. In addition, these learning algorithms have been applied to information retrieval processes: two approaches for semantic query extension through probabilistic ontologies are discussed.

Sistemas de transporte marítimo são essenciais para o Comércio Global, em especial, navios-tanques e seus centros de carga e descarga de produtos líquidos ou gasosos inflamáveis; portanto, é crucial entender como estes sistemas podem falhar, para que seus operadores sejam capazes de manter a sua capacidade de operação. É preciso que cada e toda análise quantitativa de risco compreenda algumas das atividades básicas que devem ser desenvolvidas, para permitir a quantificação dos riscos envolvidos e associados, na operação do sistema ou do processo. Basicamente, devem ser calculadas as probabilidades de ocorrência dos eventos indesejados identificados, bem como a magnitude de suas consequências. O objetivo deste trabalho é aferir se a técnica denominada Rede Bayesiana RB é a mais adequada, comparando-a com as técnicas de árvores de falhas e de eventos, para realizar uma Análise de Risco da operação ou processo de descarga de líquidos inflamáveis, como etanol anidro e/ou produtos petrolíferos, de um naviotanque para um terminal portuário específico Terminal de Granéis Líquidos TGL com foco na interface entre dois sistemas: o navio e o porto, observado o elemento humano, ou seja, o erro humano (Análise da Confiabilidade Humana). Além disso, será realizado um estudo das consequências do vazamento de um líquido inflamável transportado pelo navio, olhando para o pior cenário, a partir da ruptura da tubulação ou do compartimento do navio-tanque. A análise tem por base as recomendações da Organização Internacional Marítima OIM (em inglês, IMO). A OIM tem adotado a Avaliação Formal da Segurança AFS (em inglês, Formal Safety Assessment FSA), como seu modo oficial de receber as sugestões de seus membros para criar ou modificar qualquer regulamentação correlacionada. Este processo é composto de cinco passos que a OIM descreve na guia AFS (IMO, 2002). Este trabalho irá mostrar todas as etapas, mas irá focar, com especial atenção, a segunda etapa Risk Assessment, porque será aplicada ao caso sob análise, envolvendo o comportamento humano. Existem muitas técnicas e muito trabalho envolvido na estimação das probabilidades dos eventos. O mesmo ocorre para a avaliação de suas consequências. Uma vez definida a quantidade total de vazamento, um software poderá ser usado para calcular as consequências. O mesmo será feito para na Análise de Risco, utilizando RB, e, neste ponto, o trabalho apresenta uma nova contribuição. / Maritime transportation systems are essential for World Trade, in special, Tankers ships and yours loading and unloading facilities; therefore, it is crucial to understand how these systems may fail, to be able to maintain their capacity. It need that each and every quantitative risk assessment comprises some basic activities that have to be developed to allow the quantification of the risks involved in the operation of a system or process. Basically, it must be estimated the likelihood of the identified undesired events as well as the magnitude of their consequences. The objective of this study is to assess if the technique called Bayesian Networks BN is the best suited, with respect to the Fault Tree Analysis FTA and the Event Tree Analysis ETA, to perform an Risk Analysis of the operation or process of unloading of flammable bulk liquids, such as anhydrous ethanol and/or oil products, from a Tanker to a port terminal specified the Bulk Liquid Terminal BLT, focusing on the interface between the two systems: ship and port with the inclusion of the human factor, i.e., human error: Human Reliability Analysis HRA. Furthermore, a consequence analysis of a specific liquid bulk leakage will be performed, looking at the worst scenario case, from the rupture of a pipeline or tank from a Tanker. The analysis came from based on the recommendations of the International Maritime Organization IMO. The IMO has adopted the FSA (Formal Safety Assessment) as its official way of receiving suggestions of its members to create or modify any regulation correlated. It is a process composed by five steps that IMO has described in its Guidelines for FSA (IMO, 2002). This thesis will to show all steps, but will look carefully to step two (Risk Assessment) because it will be applied in the example situation, involving human behavior (HRA). There are many techniques and much work involved in the estimation of the likelihood of the events. The same occurs for the evaluation of their consequences. Once defined the total leaked quantity, software will be used to calculate the consequences. The same will be done to Risk Analysis, using BN, and at this point, the work is a new contribution.

A motivação para este trabalho originou-se da atual tendência do Gás Natural Liquefeito (GNL) se tornar uma importante opção para a diversificação da matriz energética brasileira. Atualmente, os terminais de gás natural liquefeito (GNL) são na maioria estruturas onshore, a construção destes terminais é custosa e muitos investimentos são necessários para atender as legislações ambientais e de segurança. Além disso, um acidente em uma destas instalações poderá produzir um grande impacto em áreas adjacentes. Sob esta perspectiva, surge uma nova proposta: uma unidade flutuante de armazenagem e regaseificação de gás natural liquefeito (FSRU - Floating Storage and Regasification Unit), o qual é uma unidade offshore e que pode trabalhar a quilômetros de distância da costa. O objetivo desta pesquisa é desenvolver uma metodologia de análise de Confiabilidade com o uso de Redes Bayesianas (RB) e aplicá-la na análise do sistema de Regaseificação do FSRU. O uso de RB, entre outras vantagens, permite a representação de incertezas no modelo e de dependências condicionais o que não é possível com as técnicas tradicionais, como por exemplo, as árvores de falhas e de eventos. Como resultado do trabalho, além da apresentação da metodologia a ser desenvolvida, serão identificados os pontos críticos do sistema contribuindo para o desenvolvimento de um plano de manutenção que assegure uma boa operabilidade do sistema com níveis razoáveis de dependabilidade. / The motivation for this research is the propensity of the Liquefied Natural Gas (LNG) becomes an important source of energy. Nowadays, LNG Import Terminals are mostly onshore; the construction of these terminals is costly and many adaptations are necessary to abide by environmental and safety laws. Moreover, an accident in one of these plants might produce considerable impact in neighboring areas. Under this perspective, a new option arises: a vessel known as FSRU (Floating Storage and Regasification Unit), which is an offshore unit, that can work miles away from de coast. The goal is to develop a Bayesian Network Reliability Modeling, which will show a preview of FSRUs Regasification System behavior. Using BN is possible to represent uncertain knowledge and local conditional dependencies. The results intend to clarify the critical equipment of the system and might improve the development of an effective maintenance plan, which can provide good operability with reasonable dependability levels.

Informações que caracterizam o risco quebra de produção agrícola são necessárias para a precificação de prêmio do seguro agrícola de produção e de renda. A distribuição de probabilidade da variável rendimento agrícola é uma dessas informações, em especial aquela que descreve a variável aleatória rendimento agrícola condicionada aos fatores de risco climáticos. Este trabalho objetiva aplicar redes Bayesianas (grafo acíclico direcionado, ou modelo hierárquico Bayesiano) a estimação da distribuição de probabilidade de rendimento da soja em alguns municípios do Paraná, com foco na analise comparativa de riscos. Dados meteorológicos (ANA e INMET, período de 1970 a 2011) e de sensoriamento remoto (MODIS, período de 2000 a 2011) são usados conjuntamente para descrever espacialmente o risco climático de quebra de produção. Os dados de rendimento usados no estudo (COAMO, período de 2001 a 2011) requerem agrupamento de todos os dados ao nível municipal e, para tanto, a seleção de dados foi realizada nas dimensões espacial e temporal por meio de um mapa da cultura da soja (estimado por SVM - support vector machine) e os resultados de um algoritmo de identificação de ciclo de culturas. A interpolação requerida para os dados de temperatura utilizou uma componente de tendência estimada por dados de sensoriamento remoto, para descrever variações espaciais da variável que são ofuscadas pelos métodos tradicionais de interpolação. Como resultados, identificou-se relação significativa entre a temperatura observada por estações meteorológicas e os dados de sensoriamento remoto, apoiando seu uso conjunto nas estimativas. O classificador que estima o mapa da cultura da soja apresenta sobre-ajuste para safras das quais as amostras usadas no treinamento foram coletadas. Além da seleção de dados, a identificação de ciclo também permitiu obtenção de distribuições de datas de plantio da cultura da soja para o estado do Paraná. As redes bayesianas apresentam grande potencial e algumas vantagens quando aplicadas na modelagem de risco agrícola. A representação da distribuição de probabilidade por um grafo facilita o entendimento de problemas complexos, por suposições de causalidade, e facilita o ajuste, estruturação e aplicação do modelo probabilístico. A distribuição log-normal demonstrou-se a mais adequada para a modelagem das variáveis de ambiente (soma térmica, chuva acumulada e maior período sem chuva), e a distribuição beta para produtividade relativa e índices de estado (amplitude de NDVI e de EVI). No caso da regressão beta, o parâmetro de precisão também foi modelado com dependência das variáveis explicativas melhorando o ajuste da distribuição. O modelo probabilístico se demonstrou pouco representativo subestimando bastante as taxas de prêmio de seguro em relação a taxas praticadas no mercado, mas ainda assim apresenta contribui para o entendimento comparativo de situações de risco de quebra de produção da cultura da soja. / Information that characterize the risk of crop losses are necessary to crop and revenue insurance underwriting. The probability distribution of yield is one of this information. This research applies Bayesian networks (direct acyclic graph, or hierarchical Bayesian model) to estimate the probability distribution of soybean yield for some counties in Paraná state (Brazil) with focus on risk comparative analysis. Meteorological data (ANA and INMET, from 1970 to 2011) and remote sensing data (MODIS, from 2001 to 2011) were used to describe spatially the climate risk of production loss. The yield data used in this study (COAMO, from 2001 to 2011) required grouping to county level and, for that, a process of data selection was performed on spatial and temporal dimensions by a crop map (estimated by SVM - support vector machine) and by the results of a crop cycle identification algorithm. The interpolation required to spatialize temperature required a trend component which was estimated by remote sensing data, to describe the spatial variations of the variable obfuscated by traditional interpolation methods. As results, a significant relation between temperature from meteorological stations and remote sensing data was found, sustaining the use of the supposed relation between the two variables. The soybean map classifier shown over-fitting for the crop seasons for which the training samples were collected. Besides the data collection, a seeding dates distribution of soybean in Paraná state was obtained from the crop cycle identification process. The Bayesian networks showed big potential and some advantages when applied to agronomic risk modeling. The representation of the probability distribution by graphs helps the understanding of complex problems, with causality suppositions, and also helps the fitting, structuring and application of the probabilistic model. The log-normal probability distribution showed to be the best to model environment variables (thermal sum, accumulated precipitation and biggest period without rain), and the beta distribution to be the best to model relative yield and state indexes (NDVI and EVI ranges). In the case of beta regression, the precision parameter was also modeled with explanation variables as dependencies increasing the quality of the distribution fitting. In the overall, the probabilistic model had low representativity underestimating the premium rates, however it contributes to understand scenarios with risk of yield loss for the soybean crop.

Este estudo visa compreender a adequação dos rendimentos às necessidades e condições de vida dos brasileiros. Observando os dados da Pesquisa de Orçamentos Familiares (POF) realizada pelo IBGE (Instituto Brasileiro de Geografia e Estatística) para o período: 2008 e 2009, o estudo identifica um modelo que se concentra na investigação sobre o fato de 75% dos domicílios brasileiros declararem dificuldades orçamentárias. Para desenvolver um modelo, foi utilizada a percepção declarada e subjetiva de adequação da renda, informada pelo chefe de família ou pessoa de referência no domicílio. O referencial teórico baseia-se no comportamento do consumidor e foca nos recursos econômicos. O método quantitativo foi desenvolvido com Inteligência Artificial, mais especificamente Redes Bayesianas. Redes Bayesianas são estruturas em forma de grafos onde as distribuições de probabilidade são representadas por nós ligados por arcos acíclicos, que podem representar ou não relações causais entre as variáveis. No final pretende-se contribuir para o conhecimento e melhoria no desenho de políticas públicas e para as empresas em geral, dando um panorama sobre o que afeta as dificuldades das famílias, proporcionando uma visão que vai além da tradicional divisão de classes econômicas. / This study aims to understand the adequacy of Brazilians´ income to their needs and living conditions. According to the data from the Household Budget Survey (POF) conducted by IBGE (Brazilian Institute of Geography and Statistics) for the years of 2008 - 2009, the study identifies a model which focuses on the investigations about the fact that 75% of Brazilian households reported budgetary difficulties. To develop a model, was used the perceived adequacy of income declared by the householder or reference person in the household. The theoretical framework was based on consumer behavior and focuses on economic resources. The quantitative method was developed by Artificial Intelligence, specifically Bayesian Networks. Bayesian Networks are structures in the form of graphs for which the probability distributions are represented by nodes connected by acyclic arcs, which may or may not represent causal relationships between variables. At the end we intend to contribute to knowledge and improvement in the design of public policies and business in general, giving a more detailed look at what affects the difficulties of families, providing a vision that goes beyond the traditional division of economic classes.

Made available in DSpace on 2014-07-29T15:13:44Z (GMT). No. of bitstreams: 1 Tese Camila Silveira de Melo.pdf: 1600630 bytes, checksum: 775f7bf932366a49562642895c0c3764 (MD5) Previous issue date: 2011-10-07 / Abstract: Blown Pack is a process of spoilage which characterizes by the build-up of gas in the package of chilled meat cuts, causing a repulsing aspect. In Brazil, this spoilage has been described in many States, mainly meat for export, which needs longer shelf-life. The main cause of blown Pack is attributed to Clostridium estertheticum, a bacteria which multiplies easily in long-term storage at refrigeration temperatures and also in anaerobic organisms found in vacuum-packed chilled meat. The management of these bacteria in the flowchart of slaughter is very difficult due to its sporulated shape, easy dissemination and growth during the meat processing. Having said that, this work aimed to propose a decision support system for risk management for Clostridium estertheticum in the flowchart of bovine slaughter and vacuum-packed chilled beef cuts. Hence, it was carried out an identification of Control Point and Critical Point Control for bacteria as well as a risk classification and quantification in the process of vacuum-packed chilled beef cuts. The decision support system was based on the concept of Risk Assessment and Bayesian Networks. The system elaboration was performed at Shell Netica program. The probabilistic was manually input during the meeting with experts on the area. The first proposed structure of the system was elaborated for classification and quantification for microbiological risks, having as a parent node, a Risk Characterization of blown pack. The children nodes, linked to the parent node, were elaborated and based on Risk Exposure and Hazard Characterization for microbial deterioration in blown packed spoilage in meat cuts. In the second part of the proposition of the system, it was selected the slaughter operations and the determining factors of contamination in the processes. The parent nodes indentified the contamination risks and the children nodes the slaughter conditions. The system performance was assessed by specificity and sensibility. The proposed model presented a satisfactory performance, being reliable to the productive reality. The system presented high risk for blown pack for C. estertheticum, lactic acid bacteria and Enterobacteriaceae. Concerning its performance in identifying the contamination risk on the flowchart of slaughter, it has been high, with 100% of specificity and sensibility. The proposed model presented clear diagnosis, showing the operations that need more attention by the risk manager‟s part. / O tufamento é um processo de deterioração que se caracteriza pelo acúmulo de gases no interior da embalagem de cortes cárneos, provocando aspecto repugnante. No Brasil, essa deterioração já foi observada em vários Estados, principalmente em lotes destinados a exportação, que necessitam de maior vida de prateleira. O principal causador do tufamento é o Clostridium estertheticum, uma bactéria que se multiplica com facilidade em temperaturas de refrigeração e em anaerobiose, sendo essas condições encontradas em carnes embaladas a vácuo. O gerenciamento dessa bactéria no fluxograma de abate é muito difícil devido à sua forma esporulada e facilidade de disseminação e crescimento durante o processamento da carne bovina. Diante do exposto, objetivou-se com o presente trabalho propor um sistema de apoio à decisão de gerenciamento de risco de Clostridium estertheticum, no fluxograma de abate de bovinos e em cortes cárneos embalados a vácuo. Para isso, foi realizada a identificação dos Pontos de Controle e Pontos Críticos de Controle para a bactéria, além da classificação e quantificação de riscos no processo de obtenção de cortes cárneos refrigerados embalados a vácuo. O sistema de apoio a decisão foi baseado no conceito de Avaliação de Risco e Redes Bayesianas. A elaboração do sistema foi realizada no programa Shell Netica, com as probabilidades inseridas de forma manual durante reuniões com especialista da área. A primeira estrutura do sistema proposto foi elaborada para classificação e quantificação de riscos microbiológicos, possuindo como nó pai a Caracterização do Risco de tufamento. Os nós filhos, ligados ao nó pai, foram elaborados com base na Exposição de Risco e Caracterização de Perigo para deteriorantes incriminados em tufamento de cortes cárneos. Na proposição da segunda parte do sistema, foram elencadas as operações de abate e os fatores determinantes da contaminação dos processos, assim sendo, os nós pais identificaram o risco de contaminação e os nós filhos as condições de abate. O desempenho do sistema foi avaliado por meio da especificidade e sensibilidade. O modelo proposto apresentou desempenho satisfatório, sendo fidedigno à realidade produtiva. O sistema apresentou alto risco de tufamento para C. estertheticum, bactérias ácido láticas e Enterobacteriaceae. Quanto ao seu desempenho em identificar risco de contaminação no fluxograma de abate, esse se mostrou elevado, com 100% de especificidade e sensibilidade. O modelo proposto apresentou diagnósticos claros, apontando as operações que necessitam de maior atenção por parte do gestor de riscos.

Made available in DSpace on 2016-03-15T19:38:06Z (GMT). No. of bitstreams: 1 Tatiana Ferreira Raffaelli.pdf: 1372071 bytes, checksum: 274f2a97f290810c43d6e7c6e0730d1a (MD5) Previous issue date: 2007-09-18 / The existence of a highly reliable prediction system to detect the occurrence of large solar flares (class X) is still an unsolved problem. Despite many studies performed so far, no such a system has been found yet. In this work, we have developed a method using Bayesian Network - an Artificial Intelligence technique for the detection of giant solar flares. The Bayesian Networks software learned the relation among the variables that describe the sunspots within an active region and built a network with the relationships among them based on conditional probabilities. The studies were divided into two stages one to detect whether the sunspot would produce a big flare or not and another phase where some networks were built to discover the day the flare would occur. The first phase results were very satisfactory reaching a reliability of 77%. The second phase was more complex and the results were about 77% (with day constraints) and 54% (a wider range of days). / A existência de um sistema de previsão, de alta confiabilidade, para a detecção de ocorrência de grandes explosões solares (classe X) ainda é um problema sem solução. Existem diversos estudos nesta área, porém ainda não foi encontrado nenhum sistema eficiente. Para este trabalho foi desenvolvido um método utilizando-se redes Bayesianas, técnica de Inteligência Artificial, para a previsão das grandes flares (explosões) solares. O software de redes Bayesianas aprendeu a relação entre as variáveis que descrevem as regiões ativas e constroem uma rede com os relacionamentos entre elas baseados em probabilidades condicionais. Os estudos foram divididos em duas etapas, uma rede para detectar se a mancha solar irá produzir uma grande explosão ou não, e uma outra etapa em que foram construídas redes para prever o dia em que a explosão irá ocorrer. Os resultados obtidos na primeira etapa foram bem satisfatórios, atingindo 84% de confiabilidade. Já a segunda etapa do trabalho mostrou-se mais complexa e os resultados obtidos foram de 77% (com restrições de dias) e 54% (sem restrições de dia).