Submitted by Luciclea Silva (luci@ufpa.br) on 2018-06-21T15:06:05Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_metodologiamonitoramentoepidemias.pdf: 4036398 bytes, checksum: 94697b2ad0612be1e98e9c47dd1c6b64 (MD5) / Approved for entry into archive by Luciclea Silva (luci@ufpa.br) on 2018-06-21T15:06:48Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_metodologiamonitoramentoepidemias.pdf: 4036398 bytes, checksum: 94697b2ad0612be1e98e9c47dd1c6b64 (MD5) / Made available in DSpace on 2018-06-21T15:06:48Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_metodologiamonitoramentoepidemias.pdf: 4036398 bytes, checksum: 94697b2ad0612be1e98e9c47dd1c6b64 (MD5) Previous issue date: 2018-01-26 / A dengue é uma doença infecciosa viral presente em mais de 100 países no mundo. Nos países subdesenvolvidos como o Brasil essa patologia apresenta contornos dramáticos quando se acrescentam fatores socioeconômicos preponderantes como as condições precárias de saneamento básico características das grandes cidades. Ao associarmos esse cenário à Amazônia percebemos que a localização geográfica e as condições climáticas desse espaço contribuem para que a ocorrência dessa doença seja dimensionada. O Ministério da Saúde, disponibilizou dados resultantes de uma pesquisa que constata que dos 409.073 casos notificados na região Norte, 106.433 ocorreram no estado do Pará, em que os municípios com maiores notificações de casos de dengue são: Belém, Parauapebas, Altamira e Santarém. Este trabalho propõe uma metodologia para monitorar epidemias com base na utilização de Redes Neurais Artificiais, a partir de um estudo de caso de predição de casos de dengue no estado do Pará. Para isso, desenvolveu-se um sistema que usa base de dados públicos de casos da doença, de ocorrência semanal dos municípios já mencionados. Em adição, realiza a análise estatística das séries dos municípios constando complexidade, e justificando o uso de redes neurais para esse tipo de problema. Realiza os ajustes das camadas, janela de tempo do modelo neural treinado que nesse caso é uma variação conhecida como rede neural recorrente. E implementa um módulo de emissão de alertas, visando à detecção de um aumento repentino de novos casos da doença, contribuindo para tomada de decisão dos órgãos de saúde pública e suas respectivas ações de controle das epidemias nos municípios em estudo. A partir de nossas análises podemos concluir que a metodologia descrita na pesquisa tem validade para realizar previsões de casos de dengue, usando redes neurais, antecipando ações de combate e contribuindo para a tomada de decisão, que poderá ser usado por gestores públicos da área da saúde. E que o uso de redes neurais recorrentes consegue se ajusta a complexidade das séries estudadas. Os resultados demonstraram que o modelo de RNA, para o cenário em voga, obteve um bom desempenho na predição epidemiológica, alcançando acurácia satisfatória. / Dengue fever is a viral infectious disease that is present in more than 100 countries worldwide. In underdeveloped countries such as Brazil, this pathology presents dramatic contours when prevailing socioeconomic factors are added, such as the precarious basic sanitation conditions characteristic of large cities. When we associate this scenario with the Amazon we perceive that the geographic location and climatic conditions of this space contribute to the occurrence of this disease is dimensioned. The Ministry of Health provided data from a survey that found that of the 409,073 reported cases in the North, 106,433 occurred in the state of Pará, where the municipalities with the highest reports of dengue cases are: Belém, Parauapebas, Altamira and Santarém. This work proposes a methodology to monitor epidemics based on the use of Artificial Neural Networks, based on a case study of prediction of dengue cases in the state of Pará. To this end, a system was developed that uses a public database of cases of the disease, of weekly occurrence of the municipalities already mentioned. In addition, it performs the statistical analysis of the series of municipalities showing complexity, and justifying the use of neural networks for this type of problem. It performs the layer adjustments, time window of the trained neural model which in this case is a variation known as recurrent neural network. It implements a module for issuing alerts to detect a sudden increase in new cases of the disease, contributing to the decision-making of public health agencies and their respective actions to control epidemics in the municipalities under study. From our analysis we can conclude that the methodology described in the research is valid for predicting dengue cases using neural networks, anticipating combat actions and contributing to decision making, which can be used by public health managers . And that the use of recurrent neural networks can adjust to the complexity of the series studied. The results demonstrated that the RNA model, for the current scenario, performed well in the epidemiological prediction, reaching satisfactory accuracy

Submitted by Rosana Moreira (rosanapsm@outlook.com) on 2018-07-12T20:25:25Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_Previsao_Raios_Utilizando.pdf: 19508028 bytes, checksum: d536ed71a22d3bbf5478f85c0b362827 (MD5) / Approved for entry into archive by Luciclea Silva (luci@ufpa.br) on 2018-07-18T16:22:24Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_Previsao_Raios_Utilizando.pdf: 19508028 bytes, checksum: d536ed71a22d3bbf5478f85c0b362827 (MD5) / Made available in DSpace on 2018-07-18T16:22:25Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Tese_Previsao_Raios_Utilizando.pdf: 19508028 bytes, checksum: d536ed71a22d3bbf5478f85c0b362827 (MD5) Previous issue date: 2017-11-30 / As descargas atmosféricas oferecem grande risco à população e às atividades que envolvem diferentes sistemas como telecomunicações, transmissão de energia elétrica, transporte e dentre outros. A previsão de ocorrência de raios pode contribuir para minimizar os riscos deste fenômeno natural. Com isso, esta tese apresenta uma proposta de modelo de previsão de raios baseada na utilização de dados de sondagens atmosféricas por satélite, validado com dados históricos de raios para áreas de estudo da região Amazônica no Brasil, mediante um estudo que considerou cinco casos de período de validade de previsão de raios: caso 1 (uma hora), caso 2 (duas horas), caso 3 (três horas), caso 4 (quatro horas) e caso 5 (cinco horas). Foram utilizadas duas metodologias diferentes de previsão: a primeira versão do previsor utilizou os dados de todas as áreas do estudo na formação aleatória dos conjuntos de treinamento, validação e teste. Em uma segunda versão, não se utilizou o critério de aleatoriedade dos dados na formação dos conjuntos de treinamento e teste, e os mesmos foram limitados para cada área do estudo, de forma a criar previsões individualizadas por área geográfica estudada. A ferramenta de engenharia utilizada para previsão foi uma Rede Neural Artificial (RNA) treinada com o algoritmo Levenberg-Marquardt backpropagation com a finalidade de classificar as modelagens preditivas de raios. A classificação consistiu na possibilidade de prever a ocorrência ou ausência de raios a partir do perfil vertical de temperatura do ar (temperatura do ar e temperatura do ponto de orvalho) obtido pelo satélite NOAA-19. Os resultados obtidos pela RNA, na primeira abordagem, foram comparados com metodologias tradicionais estabelecidas na literatura de previsão de raios, na segunda abordagem os resultados obtidos mostraram a saída do previsor para dados reais de teste. Os resultados de ambas abordagens mostraram que a RNA foi capaz de identificar adequadamente a que classe pertence um novo exemplo em relação às categorias de ocorrência ou ausência de raios. Para a primeira abordagem, obteve-se o melhor desempenho para caso 5, com uma acurácia de teste de 95,6%, enquanto que para a segunda abordagem obteve-se uma acurácia geral de teste de 82,04%. / Atmospheric discharges offer great risks to the population and activities that involve different systems such as telecommunications, energy distribution and transportation and among others. Lightning prediction can contribute to minimize the risks of this natural phenomenon. Therefore, this thesis presents a model for lightning prediction based on satellite atmospheric sounding data, validated with lightning data for study areas of the Amazon region in Brazil, through an investigation that considered five period cases for validation of lightning prediction: case 1 (one hour), case 2 (two hours), case 3 (three hours), case 4 (four hours) and case 5 (five hours). Two different forecasting methodologies were used: the first version of the predictor used data from all study areas in the random formation of the sets training, validation and test. In a second version, we did not use the criterion of randomness of the data in the formation of the training and test sets, and same were limited for each area of the study, in order to create individualized forecasts by geographical area studied. The machine learning technique used to predict lightning was the Artificial Neural Network (ANN) trained with Levenberg-Marquardt backpropagation algorithm to classify modeling related to lightning prediction. This classification relied on the possibility of lightning prediction from the vertical profile of air temperature obtained from satellite NOAA-19. The results obtained by RNA, in the first approach, were compared with traditional methodologies established in the lightning prediction literature, in the second approach the results obtained showed the predictor's output for real test data. Results show that ANN was capable of identifying adequately the class to which a new event belongs to in relation to categories of occurrence and absence of lightning. For the first approach, the best performance for case 5 was obtained, with a test accuracy of 95.6%, while for the second approach a general test accuracy of 82.04% was obtained.

Submitted by Luciclea Silva (luci@ufpa.br) on 2018-11-20T16:16:30Z No. of bitstreams: 2 license_rdf: 9 bytes, checksum: 42dd12a06de379d3ffa39b67dc9c7aff (MD5) Tese_Modelohibridobaseado.pdf: 2923843 bytes, checksum: 6646b898a2999050d56c3e291110b46d (MD5) / Approved for entry into archive by Luciclea Silva (luci@ufpa.br) on 2018-11-20T16:16:59Z (GMT) No. of bitstreams: 2 license_rdf: 9 bytes, checksum: 42dd12a06de379d3ffa39b67dc9c7aff (MD5) Tese_Modelohibridobaseado.pdf: 2923843 bytes, checksum: 6646b898a2999050d56c3e291110b46d (MD5) / Made available in DSpace on 2018-11-20T16:16:59Z (GMT). No. of bitstreams: 2 license_rdf: 9 bytes, checksum: 42dd12a06de379d3ffa39b67dc9c7aff (MD5) Tese_Modelohibridobaseado.pdf: 2923843 bytes, checksum: 6646b898a2999050d56c3e291110b46d (MD5) Previous issue date: 2018-08-30 / FAPEAM - Fundação de Amparo à Pesquisa do Estado do Amazonas / A geração de energia elétrica através de turbinas eólicas é uma das alternativas praticamente inesgotáveis de geração de energia elétrica. Ela é considerada uma fonte de energia limpa, porém ainda necessita de muita pesquisa para desenvolvimento de ciência e tecnologias que assegurem uma uniformidade na geração, propiciando uma maior participação desta fonte na matriz energética tanto no Brasil quanto no mundo, pois o vento apresenta bruscas variações na velocidade, densidade e em outras variáveis importantes. Nos sistemas elétricos de base eólica, cada horizonte de previsão é aplicado em um determinado segmento específico, previsão de minutos, horas, semanas, meses e anos futuros do comportamento do vento, desta forma pode-se avaliar a disponibilidade de energia para o próximo período, uma informação relevante no despacho das unidades geradoras e no controle do sistema elétrico. Esta tese teve como proposta, desenvolver modelos de previsão a ultra curto, curto, médio e longo prazo da velocidade do vento, baseado em técnicas de inteligência computacional, usando modelos de Redes Neurais Artificiais, SARIMA e modelos híbridos e prever a capacidade da geração de potência para cada horizonte. Para aplicação da metodologia utilizou-se as variáveis meteorológicas do banco de dados do sistema de organização nacional de dados ambientais SONDA, estação de Petrolina, do período de 01 de janeiro de 2004 à 31 de março de 2017. O desempenho dos modelos foi comparado com 5, 10 e 20 passos para frente, considerando minutos, horas, dias, semanas, meses e anos como horizonte de previsão. O modelo hibrido obteve melhor resposta na previsões dentre as quais destacou-se o horizonte de horas. / The electric power generation through wind turbines is one of the practically inexhaustible alternatives sources of electric power. It is considered a source of clean energy, but still requires a lot of research to develop science and technologies that ensure uniformity in generation, providing a greater participation of this source in the energy matrix in Brazil as in the world, because the wind presents abrupt variations speed, density, and other important variables. In wind-based electrical systems, each forecast horizon is applied to a specific segment, forecast of minutes, hours, weeks, months, and future years of wind behavior, in order to evaluate the availability of energy for the next period, relevant information in the dispatch of the generating units and in the control of the electric system. This thesis aimed to develop ultra-short, short, medium and long-term prediction models of wind speed, based on computational intelligence techniques, using Artificial Neural Networks, SARIMA models and hybrid models and to predict the generation capacity of power for each horizon. For the application of the methodology, the meteorological variables of the database of the national environmental data system SONDA, Petrolina station, were used for the period from January 1st, 2004 to March 31st, 2017. The performance of the models was compared with 5, 10 and 20 steps forward, considering minutes, hours, days, weeks, months and years as the forecast horizon. The hybrid model obtained better response in the forecasts, among which the hour horizon was highlighted.

Made available in DSpace on 2015-03-05T13:53:43Z (GMT). No. of bitstreams: 0 Previous issue date: 24 / Nenhuma / A recuperação e classificação de imagens é um tema bastante pesquisado atualmente. Além dos desafios encontrados no campo teórico e prático para permitir que máquinas possuam a capacidade de visão, sua pesquisa resulta em várias aplicações práticas para o dia-a-dia. A visão computação, grande área na qual está inserida a recuperação e classificação de imagens, possui aplicações e práticas dentre as quais podemos citar softwares capazes de recuperarem imagens em bases de dados de imagens, reconhecimento de pessoas por características de biometria(impressões digitais, reconhecimento por íris ou face), localização e quantificação de logomarcas na mídia, localização de objetos numa cena e mecanismos de visão para a robótica. A pesquisa desenvolvida nesta dissertação foca-se em obter uma generalização através do aprendizado das características de uma coleção de imagens pertencentes a uma mesma classe as quais servirão como exemplo de aprendizagem, com isto obtendo um modelo que identifique esta classe. Para tan / Image retrieval and classification are today the subject of extensive research. This topic poses both theoretical and practical challenges as researchers attempt to give machines such as computers and robots the ability to “see”. Image retrieval and classification are part of a wider field known as Computer Vision, which encompasses several practical applications such as image retrieval from databases storing only raw images, biometric recognition (from images of finger-prints, face or iris), retrieval of visual trademarks and logos from advertisements, location of objects in a scene and vision techniques in robotics. The research developed in this work is focused on obtaining a generalization of characteristics extracted from a collection of images belonging to a single class using supervised learning techniques. The result is a model that “identifies” a given class of images. To achieve this, a review of the state-of-the-art in content-based image retrieval systems and Machine Learning techniques was neede

Made available in DSpace on 2017-07-21T18:13:41Z (GMT). No. of bitstreams: 1 JANAINA NATALI ANTONIO.pdf: 4882934 bytes, checksum: b2a9d5c041820a4f5922fb15978b43c7 (MD5) Previous issue date: 2009-12-16 / The large production of solid waste and its wrong final destination in the environment have become a problem, especially in urban centers. For what effective measures can be taken, it is necessary to know the local reality, thus to be able act directly in the base of this question. The current system of managing solid residues in the municipality of Guarapuava-PR has as final destination the open atmosphere in "garbage", which causes a number of detriment to the environment and the people who live nearby. Considering this situation, the municipal administration has as proposal the construction of the one sanitary embankment. For the implementation of this must be considered technical criteria, politicians and social, for select an appropriate area. This work aims to carry through the mapping of areas with potential for deployment of sanitary embankment in Guarapuava-PR, using the methodology based on classification by Artificial Neural Networks (ANN). For classification were performed a series of tests with variations in the number of layers of input, and the parameters of the RNA, thus different results were obtained in the output layer. The best results were obtained with the architecture consists of 5 layers of input and 2 neurons in the hidden layer and change the variables of threshold training 0.8000, 0.1000 learning rate, dynamic training of 0.8000, mean square error of 0.0500 and number of iterations of 2000, is considered the ideal architecture for this type of classification. / A grande produção de resíduos sólidos domiciliares e a sua destinação final inadequada no ambiente têm se tornado um problema, principalmente nos centros urbanos. Para que medidas eficientes possam ser tomadas, é necessário o conhecimento da realidade local, para assim poder atuar diretamente na base desta questão. O atual sistema de gerenciamento dos resíduos sólidos no município de Guarapuava-PR tem como forma de destino final o “lixão” a céu aberto, o qual causa uma série de danos ao ambiente e a população que reside nas proximidades. Considerando esta situação, a administração municipal tem como proposta a construção de um aterro sanitário. Para a implantação deste devem ser considerados critérios técnicos, políticos e sociais, para a escolha de uma área adequada. Este trabalho tem por objetivo realizar o mapeamento de áreas com potencialidade de implantação de aterro sanitário em Guarapuava-PR, utilizando a metodologia baseada na classificação supervisionada, por Redes Neurais Artificiais (RNA). Para a classificação foram realizados uma série de testes com variações do número de camadas de entrada, e nos parâmetros da RNA, desta forma foram obtidos diferentes resultados na camada de saída. Os melhores resultados foram obtidos com a arquitetura composta por 5 camadas de entrada e com 2 neurônios na camada escondida e com alterações das variáveis de limiar de treinamento de 0.8000, taxa de aprendizagem 0.1000, dinâmica do treinamento de 0.8000, erro médio quadrático de 0.0500 e o número de iterações de 2000, sendo considerada a arquitetura ideal para este tipo de classificação.

Made available in DSpace on 2017-07-21T18:13:49Z (GMT). No. of bitstreams: 1 Ingrid Ap Gomes.pdf: 3731245 bytes, checksum: 1b9fff5805889f3ab2c04b40f9f9a4ea (MD5) Previous issue date: 2011-04-15 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The faxinais are a traditional form of peasant organization characteristic of South-Central region of Parana, where the occupation of the territory is determined by the social community use of land, although land ownership is private. The present faxinalenses techniques in their use and management of soils, developed from the local empirical knowledge. The objective of this research was to perform the mapping of soils of the Faxinal Taquari dos Ribeiros, located in Rio Azul - PR, based on knowledge of the local community and scientific knowledge. Information from the Remote Sensing and Geographic Information Systems were used for the characterization of the study area and location of soils. The perception and the way the producers faxinalenses classified and used the land was obtained through structured interviews (informal talks) and field observations. The mapping of predictive etnosolos was performed using the technique of classification of Artificial Neural Networks (ANN). For the formal pedological mapping techniques were used classic photo interpretation, supplemented by surveys of the soil toposequence, further observations and correlations of the field. The scientific characterization of the soils was performed by means of morphological, physical and chemical profiles, and classification, according to the Brazilian System of Soil Classification (SiBCS). The results showed that the local community recognizes different types of soils in the study area, in accordance with the following attributes: color, texture, water infiltration rates, presence of rocks or minerals, depth, power demand in operations with mechanical traction or animal. We automatically send defined eight classes of land according to local knowledge: 1) Terra Branca Batumadeira, 2) Terra Branca Solta, 3) Terra Preta Batumadeira (pesada), 4) Terra Preta Solta, 5) Terra Vermelha do Faxinal (farmer) , 6) Terra Vermelha, 7) Terra de Cascalho, and, 8) Terra Roxa. According to SiBCS were found the following soil classes: CAMBISSOLOS, LATOSSOLOS and NEOSSOLOS. The soils that dominate the region are the CAMBISSOLOS and NEOSSOLOS, all of low fertility and highly susceptible to erosion. The technique of RNA was able to individualize etnosolos through the integration of input image and SPOT5 and MDT (Digital Terrain Model). The technique of RNA was able to separate the etnosolos through the integration of input variables from different sources and, when compared to traditional soil survey allowed to characterize the landscape in more detail and define the mapping units of soils. / Os faxinais são uma forma de organização camponesa tradicional característica da região Centro-Sul do Paraná, onde a ocupação do território social é determinada pelo uso comunitário das terras, apesar da propriedade da terra ser privada. Os faxinalenses apresentam técnicas próprias de uso e manejo dos solos, desenvolvidas a partir do conhecimento empírico local. O objetivo desta pesquisa foi realizar o mapeamento dos solos do Faxinal Taquari dos Ribeiros, localizado no município de Rio Azul, estado do Paraná, com base no conhecimento da comunidade local e conhecimento científico. Informações advindas do Sensoriamento Remoto e Sistemas de Informação Geográfica serviram de base para a caracterização da área de estudo e localização dos solos. A percepção e a maneira como os produtores faxinalenses classificavam e utilizavam os solos foram obtidas por meio de entrevistas semiestruturadas (conversas informais) e observações em campo. O mapeamento preditivo dos etnosolos foi realizado por meio da técnica de classificação de Redes Neurais Artificiais (RNAs). Para o mapeamento pedológico formal foram utilizadas técnicas clássicas de fotointerpretação, complementadas por prospecções do solo em topossequência, observações complementares e correlações de campo. A caracterização científica dos solos foi realizada por meio de análises morfológicas, físicas e químicas de perfis e, a classificação, de acordo com o Sistema Brasileiro de Classificação de Solos (SiBCS). Os resultados demonstraram que a comunidade local reconhece diferentes tipos de solos na área de estudo, de acordo com os seguintes atributos: cor, textura, taxas de infiltração de água, presença de rochas ou minerais, profundidade, demanda de força nas operações com tração mecânica ou animal. Foram definidas oito classes de solo segundo o conhecimento local: 1) Terra Branca Batumadeira; 2) Terra Branca Solta; 3) Terra Preta Batumadeira (ou Pesada); 4) Terra Preta Solta; 5) Terra Vermelha do Faxinal (ou do agricultor); 6) Terra Vermelha; 7) Terra de Cascalho; e, 8) Terra Roxa. De acordo com o SiBCS foram encontrados as seguintes classes de solos: CAMBISSOLOS, LATOSSOLOS e NEOSSOLOS. Os solos que dominam a região são os CAMBISSOLOS HÁPLICOS e os NEOSSOLOS LITÓLICOS, todos de baixa fertilidade natural e altamente susceptíveis à erosão. A técnica de RNA foi capaz de individualizar os etnosolos por meio da integração das variáveis de entrada Imagem SPOT5 e MDT (Modelo Digital do Terreno). A técnica de RNA foi capaz de separar os etnosolos por meio da integração de variáveis de entrada de diferentes origens e, quando comparada ao levantamento de solos tradicional, permitiu caracterizar a paisagem de modo mais detalhado e delimitar as unidades de mapeamento de solos.

Submitted by JOSIANE SANTOS DE OLIVEIRA (josianeso) on 2017-10-16T12:20:40Z No. of bitstreams: 1 Marcos Eduardo Finger_.pdf: 1338367 bytes, checksum: a4628a13809b67049df084efdaeb277f (MD5) / Made available in DSpace on 2017-10-16T12:20:40Z (GMT). No. of bitstreams: 1 Marcos Eduardo Finger_.pdf: 1338367 bytes, checksum: a4628a13809b67049df084efdaeb277f (MD5) Previous issue date: 2017-08-25 / Nenhuma / A melhoria do desempenho das empresas de manufatura tornou-se um desafio constante frente às dificuldades do cenário econômico no Brasil e à competitividade global. Sendo assim, o alinhamento entre a demanda do mercado e os processos e recursos necessários para atendê-la é condição para aumentar a capacidade de competição. Nesse sentido, as áreas de marketing e operações trabalham juntas para tornar essa prática uma realidade. No entanto, pesquisas que exploram as relações objetivas entre essas áreas funcionais em empresas de baixa intensidade tecnológica, como as de manufatura de alimentos, são escassas na literatura. A avaliação das relações das áreas de marketing e operações é importante ferramenta para auxiliar no controle dos conflitos inerentes a essas áreas funcionais e na tomada de decisões dos gestores. Nesse contexto, esta pesquisa analisa os impactos das decisões de marketing sobre o desempenho de entrega e a flexibilidade da área de operações em uma empresa de manufatura de alimentos. Esses impactos foram avaliados longitudinalmente por meio de regressões lineares múltiplas e de redes neurais artificiais em um estudo de caso que compreende os modelos Mercado Interno e Mercado Externo. A análise das decisões de marketing sobre a dimensão entrega quanto ao Mercado Interno ocorreu por meio de uma rede neural artificial. Os resultados demonstram que as decisões de maior impacto sobre essa dimensão da área de operações dizem respeito à classificação Praça dos 4P’s de marketing, seguida das classificações Preço e Produto. Adicionalmente, constata-se que a formação do canal de vendas impacta significativamente o desempenho de entrega. Na análise das decisões de marketing sobre a flexibilidade da área de operações no que diz respeito ao modelo Mercado Externo, o resultado é significativo tanto para a rede neural artificial quanto para a regressão linear múltipla. Os resultados demonstram que as decisões de maior impacto sobre essa dimensão da área de operações estão compreendidas na classificação Produto dos 4P’s de marketing, seguida pelas classificações Praça e Preço. / Improving the performance of manufacturing companies has become a constant challenge in the face of the difficulties of the economic scenario in Brazil and global competitiveness. Thus, the alignment between market demand and the processes and resources required to meet it, is a condition for increasing the competition capacity. In that sense, the marketing and operations areas work together to make this practice a reality. However, studies that explore the objective relationships between these functional areas in low-tech companies, such as food manufacturing, are scarce in the literature. The evaluation of the relations of the marketing and operations areas is an important tool to assist in the control of the conflicts inherent to these functional areas and in the decision making of the managers. In this context, this research aims to analyze the impacts of marketing decisions on delivery performance and on the flexibility of the operations area in a food manufacturing company. These impacts were evaluated longitudinally through multiple linear regressions and artificial neural networks in a case study that includes the Internal Market and External Market models. The analysis of the marketing decisions on the delivery dimension regarding the Internal Market occurred through an artificial neural network. The results show that the decisions with the greatest impact on this operations area are related to the Place classification of the 4P's of marketing, followed by the Price and Product classifications. Additionally, it is verified that the formation of the sales channel significantly impacts delivery performance. In the analysis of the marketing decisions on the flexibility of the operations area with respect to the External Market model, the result is significant both for the artificial neural network and for the multiple linear regression. The evidences demonstrate that the decisions with the greatest impact on this operation area are included in the Product classification of the 4P's of marketing, followed by the Place and Price classifications.

Submitted by Fabricia Fialho Reginato (fabriciar) on 2015-08-03T23:08:01Z No. of bitstreams: 1 JoiceCagliari.pdf: 1412838 bytes, checksum: 244299757ce9e71c1219d2018888f982 (MD5) / Made available in DSpace on 2015-08-03T23:08:01Z (GMT). No. of bitstreams: 1 JoiceCagliari.pdf: 1412838 bytes, checksum: 244299757ce9e71c1219d2018888f982 (MD5) Previous issue date: 2010 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / O fósforo remanescente consiste na concentração de fósforo que permanece em solução após a agitação por 1 hora de uma amostra de solo com solução de CaCl2 0,01 mol L-1 contendo 60 mg L-1 P. O valor de fósforo remanescente pode ser utilizado como um bom indicador da capacidade de sorção aniônica de um solo haja vista ser mais sensível a sua composição mineralógica do que ao teor de sua fração argila. No Brasil, a utilização agronômica do fósforo remanescente é contemplada no sistema oficial de recomendação de fertilizantes e corretivos do Estado de Minas Gerais. O objetivo principal deste estudo foi o de desenvolver uma função de pedotransferência que permitisse estimar com razoável exatidão o valor de fósforo remanescente de solos representativos do Estado de São Paulo, a partir de outros atributos químicos de mais simples e/ou rotineira determinação laboratorial. Nesse contexto, duas funções de pedotransferência foram desenvolvidas com base em redes neurais artificiais (RNA) e análises de regressão linear múltipla (RLM), utilizando um banco de dados constituído por propriedades físicas e químicas de solos amostrados em diferentes localidades do Estado de São Paulo. As redes alimentadas adiante com múltiplas camadas foram utilizadas para desenvolver a função de pedotransferência baseada em RNA e a topologia foi determinada a partir de experimentos sucessivos. Os critérios de escolha da melhor rede neural foram, simultaneamente, o desempenho na etapa de treinamento, medido por meio do erro quadrático médio, e a capacidade de generalização, avaliada por meio de análises estatísticas entre os valores de Prem estimados e determinados analiticamente. A topologia da rede que melhor estimou o fósforo remanescente foi [3 14 1], ou seja, três neurônios na camada de entrada, quatorze em uma única camada intermediária e um na camada de saída; a função de ativação utilizada foi a sigmoidal logística, os valores de entrada foram normalizados entre [0;1] e o algoritmo de aprendizagem utilizado foi o resilient backpropagation. As três variáveis da camada de entrada foram o valor de pH medido em solução de NaF 1 mol L-1 (pH NaF), a soma de bases trocáveis (SB) e o teor de alumínio trocável (Al3+), sendo as duas últimas determinadas rotineiramente em análises de solo e a primeira de mais fácil e rápida obtenção que o fósforo remanescente. A função de pedotransferência baseada em RLM foi desenvolvida considerando as mesmas variáveis de entrada utilizadas na função de pedotransferência baseada em RNA. A comparação entre os desempenhos obtidos, para um mesmo conjunto de validação, mostrou que as funções de pedotransferência baseadas em redes neurais apresentam estimativas mais exatas do fósforo remanescente. Apesar do conjunto de dados utilizado não ser suficientemente abrangente para o estabelecimento de uma função de pedotransferência definitiva para a estimativa do fósforo remanescente, os resultados do presente trabalho indicam como promissor o desenvolvimento de um massivo banco de dados por meio do aproveitamento dos resultados analíticos continuamente gerados pelos vários laboratórios brasileiros dedicados à avaliação da fertilidade do solo e que contemple os valores de fósforo remanescente e pH NaF. Tal banco de dados permitirá o desenvolvimento de uma função de pedotransferência baseada em redes neurais artificiais cuja utilização possibilitará o cálculo imediato de valores suficientemente exatos de fósforo remanescente com razoável economia de recursos financeiros que seriam empregados na análise de um grande número de amostras. / The remaining phosphorus consists of the P concentration that remains in solution after shaking for 1 hour a soil sample with 0.01 mol L-1 CaCl2 containing 60 mg L-1 P. The remaining phosphorus values can be used as suitable indicators of the soil capacity of anion sorption due to be more dependable on the soil mineralogy than on the soil clay content. In Brazil, the remaining phosphorus is used as an ancillary variable in the official guidelines for determining fertilizer and amender requirements of agricultural soils of the Minas Gerais state. The main goal of this research was to develop a pedotransfer function (PTF) capable of providing fairly accurate estimates of remaining phosphorus values of representative soils of the São Paulo state from often-determined soil chemical properties and/or from other ones of easier determination. In this context, two pedotransfer functions were developed by using artificial neural networks (ANN) and multiple regression analysis (MRA) applied to a database formed by values of soil chemical and physical properties derived from soil surveys previously carried out in different locations of the São Paulo state. The multi-layer feedforward neural networks approach was used for the development of the ANN-based PTF being its topology determined from successive experiments. The simultaneous criteria adopted for choosing the best neural network were the performance during the training stage, measured by the mean squared error, and its capacity of providing accurate Prem values, which was evaluated by using a validation database in which statistical comparisons were done between the measured and estimated Prem values. The topology of the network that provided the most accurate estimates of the remaining phosphorus was [3 14 1], i.e., three neurons at the input layer, fourteen at a unique hidden layer and one neuron at the output layer; further development features included the use of the sigmoid logistic model as activation function, the input of data normalized in the [0;1] interval and the use of the resilient backpropagation learning algorithm. The three variables at the input layer were the soil pH value measured in 1 mol L-1 NaF (pH NaF), the sum of exchangeable bases (SB) and the soil content of exchangeable aluminum (Al3+), being the two last ones usually determined in soil test laboratories whereas the pH NaF determination is easier than the remaining phosphorus one. The MRA-based PTF was developed considering the same input variables of the ANN-based one, i.e., pH NaF, SB and Al3+. The comparisons performed with a same validation database showed that the pedotransfer function developed from artificial neural networks provided more accurate estimates of remaining phosphorus values. Despite the database used for the PTF development not be so comprehensive for the establishment of a definitive pedotransfer function for estimating remaining phosphorus values, the results of the present research indicate as promising the development of a massive database from chemical results often obtained by the Brazilian laboratories dedicated to soil fertility evaluation and that includes Prem and pH NaF values. This database will allow the development of a comprehensive ANN-based pedotransfer function capable of not only calculating suitable Prem values for practical applications but also reducing the expenses related to the analyses of a great number of soil samples.

Submitted by Silvana Teresinha Dornelles Studzinski (sstudzinski) on 2015-10-21T11:05:40Z No. of bitstreams: 1 PAULO A. SCHMIDT_.pdf: 1386765 bytes, checksum: f2caadfc119f6eda2a41f0afb9efe1f1 (MD5) / Made available in DSpace on 2015-10-21T11:05:40Z (GMT). No. of bitstreams: 1 PAULO A. SCHMIDT_.pdf: 1386765 bytes, checksum: f2caadfc119f6eda2a41f0afb9efe1f1 (MD5) Previous issue date: 2015-07-27 / Nenhuma / A previsão de preços de ações é um assunto de grande interesse tanto por parte de agentes de mercado quanto da comunidade científica e acadêmica. Ao mesmo tempo, o problema é considerado como um dos mais desafiadores no tratamento de séries temporais, dada sua natureza altamente dinâmica. Uma ampla gama de estudos propõe-se a abordar o tema. Alguns com resultados bastante promissores fazem uso de Redes Neurais Artificiais (RNAs) do tipo Focused Time Lagged FeedForward Network (FTLFN), as quais apresentam mecanismos de memória capazes de detectar padrões temporais. Em muitos casos, no entanto, as capacidades da rede neural não são devidamente exploradas, limitando-se a testes com um conjunto mínimo de parâmetros. Além disso, a maioria dos estudos de previsões de preços de ações possui como foco períodos de baixa frequência, como dias ou meses. Contudo, devido à facilidade de acesso à informação nas últimas décadas e à automatização das negociações em bolsas de valores, estas são realizadas cada vez mais sob horizontes de curto prazo, como horas, minutos ou segundos. Existe, portanto, a necessidade de se expandir o conhecimento em relação a previsões dentro deste cenário. Neste sentido, este trabalho tem como objetivo uma investigação das reais potencialidades de previsão das FTLFNs sobre preços de ações no período intradiário. Sua memória de curto prazo e tamanho de camada oculta são explorados de forma ampla e aprofundada, através dos quais se buscou identificar o impacto das diferentes configurações nos resultados de acurácia dentro do contexto considerado. Na tentativa de oferecer suporte a melhores previsões, analisa-se também a influência de indicadores da Análise Técnica sobre o modelo. De forma mais geral, procura-se ampliar o entendimento a respeito tanto das capacidades de previsão das redes do tipo FTLFN como de sua empregabilidade em séries temporais financeiras intradiárias, ainda pouco exploradas na literatura. Os resultados obtidos mostram que, assim como investidores humanos, também as FTLFNs são capazes de se beneficiar enormemente de padrões formados pelos históricos dos sinais de entrada, a fim de prover previsões de maior qualidade dentro do contexto proposto neste trabalho. O mesmo não pode ser afirmado a respeito dos indicadores da Análise Técnica escolhidos, uma vez que em sua grande maioria aumentam os erros de previsão. As evidências apresentadas baseiam-se em experimentações sobre diferentes conjuntos de sinais, oferecendo robustez às conclusões alcançadas e permitindo que a metodologia e os resultados sirvam como base para futuras pesquisas relacionadas a previsões dentro de cenários de alta frequência. / Stock price prediction is a subject of great interest for both market agents and scientific and academic community. At the same time, this problem is considered to be one of the most challenging in time series forecasting, due to its highly dynamic nature. A large amount of researches have proposed to address the issue. Some of them, with very promising results, adopt the Focused Time Lagged FeedForward Network (FTLFN), a type of Artificial Neural Network (ANN) that offers memory mechanisms capable of detecting temporal patterns. In many cases, however, the neural network’s capacities are not properly explored, being limited to tests with a minimum set of parameters. Besides, most of the studies on stock price prediction focus on low-frequency periods, such as days or months. On the other hand, due to the ease of access to information in the last decades and the automation of trades in stock market, these are getting more oftenly executed over short-term horizons, like hours, minutes or seconds. Therefore, there is a need to expand the knowledge related to forecasts in this scenario. With that in mind, this research has the objective of investigating the FTLFN’s potential on stock price forecasting over the intraday period. Its short-term memory and hidden layer size are widely and de eply explored, so the impact of different configurations on the accuracy results could be measured. Also, Technical Analysis indicators are built and utilized as input signals to the network, with their possible contributions to stock prediction being verified. From a general perspective, the work proposes the extention of the understanding regarding the FTLFN’s forecasting capabilities, as well as its use with intraday financial time series, which still require further exploration in literature. The obtained results show that, as human investors do, also FLTFNs are capable of taking enormous advantage from input signals’ history on providing better prediction quality within the proposed context. The same cannot be said for the supporting Technical Analysis indicators chosen, since they mostly increase forecasting errors. Evidences are presented based on the experimentation over several sets, bringing robustness to the conclusions and allowing the methodology and the results to serve as base for future researches related to predictions on high-frequency trading scenarios.

Um dos objetivos dos projetos e estudos na área de transporte público é atrair o maior número possível de viagens. Um primeiro passo para estimular uma maior utilização do transporte público pode ser a captação de pessoas que já têm predisposição para utilizá-lo, mas que não o fazem por alguma deficiência específica no serviço. Este é o contexto no qual mapas que representam o potencial de utilização dos transportes públicos podem desempenhar um papel importante, como discutido neste estudo. A pesquisa tem como objetivo principal a aplicação e avaliação de duas técnicas destinadas a identificar potenciais usuários de transporte público e como estes se distribuem geograficamente em uma cidade brasileira selecionada para o estudo. Nas técnicas aqui exploradas, o município em análise é dividido em áreas em função do código de endereçamento postal. Estas áreas são caracterizadas pelos atributos socioeconômicos da sua população e do sistema de transporte. Diante da hipótese de melhoria na qualidade do transporte público, dois segmentos de usuários de automóvel foram determinados: usuários que trocariam para ônibus e usuários que ainda preferem o carro. Com isso, foi construído um modelo capaz de representar o comportamento de escolha dos usuários de cada área. A metodologia proposta envolve quatro passos: i) comparação de modelos Logit elaborados com dados de São Carlos (Brasil) e Wageningen (Holanda), ii) ajustes no modelo de São Carlos, iii) elaboração de um modelo de escolha modal por redes neurais artificiais e iv) elaboração dos mapas potenciais. As duas últimas etapas foram concebidas tanto para análises independentes, como também para comparação com o modelo Logit. Assim, a construção de cenários futuros permitiu identificar e localizar espacialmente os potenciais usuários de transporte público. Foi possível verificar também qual a influência de alguns atributos sobre a escolha do modo de transporte urbano. Por exemplo, usuários de domicílios com três ou quatro pessoas têm menor probabilidade de vir a utilizar o ônibus regularmente. Por fim, um cenário futuro tornou possível destacar áreas onde é esperado um aumento do potencial de uso do transporte público devido a mudanças nos valores de densidade populacional. / One of the objectives of projects and studies on public transport is to attract the largest possible number of trips. A first step for increasing transit ridership may be the attraction of those individuals who already have a predisposition to use the service, but do not use it because of any specific inadequacies. This is the context in which maps displaying the potential use of public transport may play an important role, as discussed in this study. The research aims at the application and evaluation of two techniques used to identify potential users of public transport and to show how they are geographically distributed in a Brazilian city selected for the study. In the techniques discussed here, the municipality under analysis is divided into areas according to the postal codes of the streets. These areas are characterized by socioeconomic attributes of the population and of the transport system. Two segments of automobile users were determined, under the assumption that the quality of public transport would be improved: users who would switch to buses and users who still prefer the car. Based on that, a model designed to represent the choice behavior of users in each urban area was built. The proposed methodology involved four steps: i) the comparison of Logit models built with data of São Carlos (Brazil) and Wageningen (The Netherlands), ii) adjustments in the model of São Carlos, iii) the development of a mode choice model based on artificial neural networks, and iv) construction of potential maps. The third and fourth steps were meant for both independent analysis, and also for comparison with the Logit model. Thus, the construction of future scenarios allowed the identification and spatial location of potential users of public transport. It was also possible to learn about the influence of some attributes on urban transportation choice. For example, users living in households with three or four persons are less likely to become bus riders. Finally, a future scenario was able to highlight the areas where the potential for public transport could be increased due to changes in population density values.