Controlo de frequência através da inércia da máquina, gerador de indução duplamente alimentado DFIG (Doubly fed induction generator), tendo em conta os grid code.

No description available.

O presente projeto tem como objetivo ao desenvolvimento de uma aplicação que forneça um método imersivo capaz de visualizar e interagir com simulações biomecânicas, utilizando realidade virtual. O caso a ser estudado ilustra o parto humano, e todos os processos utilizados de modo a obter o objeto tridimensional que permitirá a criação de uma ferramenta que possa em trabalhos futuros treinar profissionais na área da saúde. / This project arises from the need of developing an immersive method to visualize and interact with biomechanical simulations, using virtual reality, namely with online and remote applications. This particular case illustrates a human birth through the vaginal canal. The present research refers the process used to achieve the tridimensional object, in order to create in future projects a tool with training purposes for professionals in the medical area.

O projeto tem como principal objetivo o desenvolvimento de uma aplicação que se insire na área da domótica. Isto implica o estudo e teste de várias funcionalidades nativas dos smartphones, para assim poder implementar procedimentos mais interessantes. Assim sendo, as funcionalidades implementadas devem englobar os seguintes quatro pontos: registo de eventos, controlo automatizado do ambiente através de regras, temporais e condicionais, e controlo instantâneo através da aplicação. A principal tecnologia a utilizar no desenvolvimento da aplicação é o Xamarin, que oferece soluções próprias para executar a aplicação nos três principais sistemas operativos presentes nos mercado para smartphones: Android, iOS e Windows Mobile. No entanto, para a aplicação ser útil também é fundamental desenvolver software para uma plataforma capaz de reconhecer entradas e atuar em saídas; neste sentido, a plataforma escolhida é o Raspberry Pi. Concluindo, o sistema a desenvolver englobará a aplicação móvel presente num smartphone, a par de software implementado no Raspberry Pi.

No description available.

Este projeto consiste na definição e implementação de uma estratégia de ludificação para um software de gestão documental, cuja função principal é ser uma alternativa aos métodos de arquivo de documentos tradicionais em empresas, incluindo a sua gestão e a dos processos a eles associados, através de workflows, isto é, dos fluxos de trabalho para cada documento, incluindo a sua respetiva alocação a diferentes utilizadores. Assim, o trabalho desenvolvido no projeto consiste numa primeira fase no estudo teórico da experiência do utilizador e das estratégias de ludificação existentes. Posteriormente, é feita uma análise da experiência atual do utilizador com o software, e uma avaliação do seu nível de ludificação atual através da framework Octalysis. Por fim, é definida e implementada uma estratégia de ludificação com base na metodologia de Werbach and Hunter, de modo a melhorar a experiência do utilizador e otimizar a eficácia dos objetivos da ferramenta. / The aim of this dissertation is to define and implement a gamification strategy to a document management software. On this project is analyzed a real document management platform that has been applied as an alternative to the conventional document archive methods, including documents management and the processes associated to them in a business context through workflows associated to each document that allocates the document's related tasks to specific users. First, the aim of the research were the literature review about user experience and gamification strategies. Subsequently, a user experience analysis is made, incluing the evaluation of the actual gamification level of the software, using the Octalysis framework. Finally, in order to improve the user experience and optimize the software funcionalities a gamification strategy was defined, following the Werbach and Hunter methodology.

A melhoria da eficiência operacional depende de um vasto número de decisões, sendo a redução de custos e atrasos associados aos sistemas de manuseamento de materiais, aspetos essenciais para obter níveis superiores de produtividade. Neste contexto, a abordagem milk run procura otimizar a movimentação de materiais, através de uma melhor definição de rotas e frequências de transporte. Esta tese propõe uma abordagem híbrida de otimização e simulação, para desenhar um milk run numa empresa de semicondutores, a ser implementado através de um sistema de transporte automático de carga (AGV - Automated Guided Vehicle).O modelo de otimização procura obter soluções ótimas das rotas em termos de custo total de operação. Enquanto o modelo de simulação centra-se na avaliação detalhada de vários cenários, estimando o impacto que o milk run tem em variáveis relevantes do sistema de produção, como o lead time dos produtos, tamanho dos buffers de entrada e saída e taxa de utilização dos AGVs. Neste trabalho, foi adotada a plataforma de otimização CPLEX, que foi combinada com o avançado software de simulação SIMIO. Os resultados demonstram a importância da relação entre a otimização e simulação para obter soluções mais robustas e confiança no desenho da solução final.

Atualmente, a aposta na implementação de diversos Sistemas de Gestão tem sido uma atividade constante por parte das organizações que têm como objetivo assegurar a melhoria constante do desempenho da mesma. Uma das organizações que se propôs a esta implementação foi a Barcelcom Têxteis, S.A., procedendo à certificação do seu Sistema de Gestão da Qualidade e do seu Sistema de Gestão da IDI. No entanto, a manutenção deste Sistema Integrado de Gestão na empresa mostrou ser pesado, difícil e não cooperante com as atividades diárias levadas a cabo pela mesma. Assim, perante esta dificuldade, foi realizada uma análise e posterior reestruturação a todos os Sistemas de Gestão implementados na Barcelcom Têxteis, S.A. precisamente com o objetivo de reduzir a complexidade da gestão da mesma.

Quantified Self é o processo de um indivíduo registar a sua informação tanto biológica, física, comportamental como do meio envolvente. Este é um tópico relativamente recente, que tem vindo a gerar cada vez mais interesse desde o lançamento dos smartphones. Desde então, estes têm vindo a ser cada vez dispositivos mais pessoais, com sensores como acelerómetros, giroscópios, processadores dedicados a saúde, entre outros. Estes, só por si, podem ser usados para adquirir informação sobre o utilizador, como hábitos de sono e atividade física. O aparecimento dos smartwatches contribuiu ainda mais para o sucesso do Quantified Self, já que analíticas pessoais podem ser obtidas de uma forma ainda mais fácil e precisa, uma vez que este tipo de dispositivos está sempre em contacto com a pele. Assim, é possível que dados relevantes, como a pulsação cardíaca do utilizador, estejam continuamente a ser monitorizados.Aplicado ao desenvolvimento de software, e mais especificamente aos desenvolvedores de software, é possível obter métricas sobre a equipa e cada membro, a partir de software de gestão de projetos e de qualidade de código utilizado por estes, dos quais são exemplo o GitHub, JIRA e Bugzilla. Os dados recolhidos podem então ser relacionados com os obtidos da pessoa, como descrito anteriormente, de modo a analisar a produtividade e a happiness, não só de uma pessoa, mas da equipa como um todo. Happiness é uma métrica utilizada, principalmente nas equipas de desenvolvimento de software ágeis, e designada desta forma, com base na assunção que a felicidade está relacionada com o bem-estar de uma equipa, que é consequentemente mais eficiente e produtiva quanto mais feliz é. Atualmente, não existem aplicações que relacionem métricas pessoais e de trabalho, que quando analisadas em conjunto, podem ser utilizadas para detetar problemas e auxiliar a descoberta melhorias de hábitos e modo de trabalho de um indivíduo.Como resultado deste projecto, uma plataforma foi desenvolvida, com quatro aplicações separadas: uma para iOS, uma multi-plataforma para Android e iOS, uma aplicação web e, finalmente, uma aplicação para servidor.A aplicação de iOS, QuantiDev, permite a aquisição de dados pessoais recolhidos pelo telemóvel do utilizador e de dispositivos a este conectados como smartwatches e fitness trackers, podendo ent�\xA3o correlacionar esses dados com informação relacionada com o trabalho do utilizador. A aplicação multi-plataforma, InteractDev, é uma aplicação de notas e avaliação de interação, que para além de permitir a partilha de notas sobre uma interação entre os intervenientes, também fornece dados sobre a qualidade da mesma à plataforma. A aplicação web, QuantiDev Web, permite a gestão de desenvolvedores de software e das equipas na qual estão contidos, aquisição de dados, formulação de gráficos e a análise de dados sobre equipas pelos seus líderes. Finalmente, a aplicação de servidor, quantiserver, estabelece a ligação entre as outras três aplicações, para além de ser responsável pela aquisição de dados relacionados com o trabalho dos utilizadores, bem como por tarefas de manutenção.A plataforma tem então o objetivo de ajudar desenvolvedores de software e as equipas nas quais estão contidos a identificar padrões, problemas, e, como resultado desta análise, melhorar a sua vida tanto a nível pessoal como profissional.Foi também conduzida uma fase de validação, de modo a validar o conceito por detrás da plataforma, recorrendo a programadores com experiência de trabalho em equipa, bem como líderes das mesmas. Através dos resultados obtidos, pode concluir-se que os desenvolvedores de software sentem que a sua produtividade pode ser afetada por fatores tanto pessoais como externos, e revelaram um grande interesse numa plataforma como a que foi desenvolvida. / Quantified Self is the process of an individual self-tracking his biological, physical, behavioral or environmental information. This is a relatively recent topic that has been generating an increasingly higher amount of interest and traction that began with the launch of smartphones. Since then, people's phones started acting more as personal devices and bundling sensors like accelerometers, gyroscopes and dedicated health processors. These, just by themselves, can be used to gather some data about the user, like sleep analysis and fitness activity. The rise of the smartwatches has contributed even more to the awareness of Quantified Self, as personal analytic data can be obtained in an even easier and more accurate way, since this kind of devices is in constant contact with our skin. This allows for relevant data like the user's heart rate to be continuously monitored and analyzed.Applied to software development, and more specifically to software developers themselves, personal and team metrics can easily be acquired from widely used project management and code quality software, of which some examples are GitHub, JIRA and Bugzilla. This data can then be correlated with the personal analytics mentioned above to measure productivity and happiness, not only of a single person, but also of the team as a whole. Happiness is a metric used mostly on agile software development teams, and called that way based on the assumption that the success is based on the well-being of a team, which is consequently more efficient and productive the happier it is. There are currently no applications that correlate both personal and work-related metrics, and these together can be used to detect issues in order to aid in finding improvements to a person's habits and workflow.As a result of this work, a platform was developed, with four separate applications: one for iOS, one cross-platform application for Android and iOS, a web client application and, finally, a server application.The iOS application, QuantiDev, allows for the acquisition of personal data, gathered from the phone and connected devices like smartwatches and fitness trackers, and for the correlation of that same data with work-related information. The cross-platform application, InteractDev, is a note-taking and interaction evaluation application, which on top of allowing for the sharing of interaction notes between team members, also provides the platform with data about the health of an interaction between the same team members. The web client application, QuantiDev Web, allows for the management of developers and their teams, data acquisition, generation of charts and the analysis of data about these teams by their leaders. Finally, the developed server application, quantiserver, establishes the connection between the three other applications along with being tasked with the acquisition of work-related data from external services and scheduled maintenance tasks.This platform has, then, the objective of helping software developers and the teams they are part of, identifying patterns, problems and, as a result, improve both their personal and work life.A validation phase was conducted, in order to validate the concept behind the platform, by software developers with experience of working in teams and of being a leader in these same teams. The results obtained confirmed that software developers feel that their productivity may be affected by personal and external factors, and revealed a great interest in a platform like the one that was developed.

Os principais desafios para uma aplicação de elevado volume de dados são, a quantidade de dados, a complexidade dos dados e a velocidade a que os dados podem mudar. Para essas aplicações, existem duas categorias de dados predominantes, dados mestre e dados de transação. Os dados mestre representam a informação que não é modificada com frequência e que é necessária para que o sistema funcione. Os dados de transação representam a informação utilizada e produzida pelas operações realizadas no sistema. A verificação deste tipo de aplicações requer um grande investimento e longos períodos de tempo para a execução dos testes.Os testes para uma aplicação de grande volume de dados requerem que já existam no sistema os dados mestre. No início de um teste, os dados que vão ser utilizados devem estar no estado esperado pelo teste, caso contrário, a integridade do teste está comprometida. Uma das possibilidades de assegurar que os dados do teste estão no estado esperado é gerar esses dados no próprio teste, é esta a atual solução adotada pela Critical Manufacturing para testar o seu Sistema de Execução de Manufatura (MES).Neste projeto, foi desenvolvida uma ferramenta de apoio à decisão que permite identificar conjuntos de testes com semelhanças na sua configuração através da análise estática de código. Testes que pertencem ao mesmo conjunto podem eventualmente compartilhar os mesmos dados mestre, evitando assim a geração de novos dados sempre que um teste é executado. Também através da análise estática de código foi desenvolvida uma ferramenta que permite a conversão de testes escritos da forma convencional em testes data-driven. As ferramentas foram desenvolvidas para a test-suite dos Sistema de Execução de Manufatura da Critical Manufacturing. / The main challenges for a Data-Intensive Application are the data quantity, the data complexity and the speed at which the data changes. For these applications, there are two predominant data categories, Master Data and Transactional Data. Master Data represents the data that is not frequently modified and that is required for the system to operate. Transactional Data refers to the data that is produced in the system operations. The verification of this kind of applications require big investments in the development of tests and long test runs.Data-Intensive applications tests requires the pre-existence of master data. In the beginning of a test, the data that will be used is expected to be in a specific state, otherwise the test integrity cannot be assured. One of the possibilities to cope with these requirements is to generate the master data in the test set-up, which is the solution that Critical Manufacturing is currently using to test its' Manufacturing Execution System (MES).In this project, it was developed a decision support tool to identify sets of tests with resemblances in their set-ups through static code analysis. The tests in the same set may eventually share the same Master Data, instead of generating new data for each time it runs. Also through static code analysis, it was developed a tool that transforms conventional tests into data-driven tests. The tools were developed for the test-suite of Critical Manufacturing's MES.