Esta pesquisa teve como objetivo o desenvolvimento de um algoritmo computacional capaz de diagnosticar as condições operativas de transformadores de potência. As variáveis tomadas como base para classificar as condições apresentadas se referem às usualmente empregadas pela lógica de proteção diferencial, ou seja, a corrente diferencial e o conteúdo harmônico presente nos sinais em análise. Além disto, foi também verificada a relação entre alguns dos fenômenos associados à falta de qualidade da energia elétrica originados pelos consumidores conectados no secundário e refletidos ao primário do transformador. O algoritmo desenvolvido utilizou-se da Transformada Wavelet e de técnicas de inteligência artificial (Lógica Fuzzy e Redes Neurais Artificiais), com o objetivo de inferir sobre os relacionamentos supracitados. Todos os testes para validação da metodologia proposta foram realizados dispondo de um sistema elétrico simulado no software ATP (Alternative Transients Program). Os resultados encontrados denotam que, frente às condições analisadas, correntes diferenciais e conteúdo harmônico indesejado podem vir a surgir, fazendo com que a lógica implementada venha a diagnosticar erroneamente a condição de operação enfrentada. Os resultados avaliam ainda a propagação destas condições do secundário para o primário do transformador em análise. / This research aimed to develop an algorithm able to diagnose the operating conditions of power transformers. The variables considered to classify the presented conditions were the normally used by differential protection logic, i.e., the differential current and the harmonic content in the signals in analysis. Moreover, the relationship between some phenomena associated to a poor power quality originated from consumers connected to the secondary and reflect to the primary side of the transformer was also verified. In order to infer the relationships above mentioned, the developed algorithm used the Wavelet Transform and artificial intelligence techniques (Fuzzy Logic and Artificial Neural Networks). All the tests applied to validate the proposed methodology were performed making use of the ATP (Alternative Transients Program). In face of the analyzed conditions, the results show that differential currents and undesired harmonic content can arise and the implemented logic will erroneously diagnose the operation condition addressed. The results also illustrate the propagation of these conditions from secondary to primary side of the analyzed transformer.

Proteger as linhas de transmissão é uma das tarefas mais importantes dentro dos sistemas elétricos de potência. Faltas em linhas de transmissão devem ser localizadas precisamente e extintas o mais rápido possível. Para tal, o esquema de proteção de linhas utiliza valores amostrados de correntes e tensões para a execução das tarefas de detecção, classificação e localização da falta. Neste esquema, grandezas trifásicas de corrente (IA, IB, IC) e tensão (VA, VB, VC) compõem as entradas do sistema. Após a detecção e classificação da falta, o relé efetua o cálculo da impedância aparente para a verificação da zona de proteção na qual a falta se insere (localização). Dentro deste contexto, a rápida detecção e a correta classificação da falta são passos fundamentais para a lógica de controle de um relé. Para a utilização de sistemas de proteção com alta velocidade de operação, o conjunto detector + classificador deve realizar uma decisão precisa do tipo de falta envolvida em menos de 10 ms após a ocorrência desta. Alguns métodos convencionais têm lidado com este problema, porém os tempos para estimação do tipo de falta são algumas vezes excessivamente longos. Este trabalho apresenta um novo sistema que provê uma rápida e confiável detecção e classificação de faltas através das medidas de valores de correntes trifásicas. O novo método utiliza-se da teoria de Redes Neurais Artificiais, baseada em dois diferentes tipos de redes (MLP e RBF), para a tarefa de detecção e classificação de faltas nos níveis de tempo requeridos para um moderno sistema de proteção. Um estudo comparativo em relação ao desempenho das redes mencionadas também foi realizado. Os testes efetuados para as redes dos tipos MLP e RBF mostraram que o sistema proposto foi capaz de detectar e classificar corretamente 100% dos casos estudados. Deve ainda ser ressaltado, que na maior parte dos casos (93% para a rede MLP e 84% para a rede RBF), o processo de detecção e classificação foi completado com no máximo 5 amostras de pós-falta (5ms). Isto demonstra a rapidez na tarefa de detecção e classificação embutida no método proposto, principalmente levando-se em consideração os tempos apresentados pelos métodos convencionais. / Transmission line protection is one of the major tasks for a power system. Transmission line faults must be located accurately and isolated as fast as possible. In order to perform this task, the power system protection system uses the three-phase currents (IA, IB, IC) and voltages (VA, VB, VC) to detect, classify and locate the fault. After detecting and classifying the fault, the relay calculates the apparent impedance to verify in which protection zone the fault is located. Taking this into account, precise and fast detection and classification methods are fundamental steps for the relay control algorithm. The combination detection + classification must carry out the correct response in less than 10 ms after the fault for a high-speed protection system. Some conventional methods have treated this problem but the time for a correct classification is sometimes excessively long. This work presents a fast and reliable new system for fault detection and classification using the three-phase current measurements. This new system is based on Artificial Neural Networks (RBF and MLP) for the detection and classification tasks. A comparative study involving both types of neural networks was done. Tests showed that the proposed system was able to correctly detect and classify 100% of the studied cases where the majority (93% of the cases for MLP net and 84% for RBF net) of them was done in up to 5 post-fault samples (5 ms). The afore-mentioned demonstrates the high speed of the new method for the detection and classification tasks when compared to the conventional ones.

O problema da tolerância a falhas em robôs manipuladores cooperativos conectados rigidamente a um objeto indeformável é estudado nesta tese. A tolerância a falhas é alcançada através de reconfiguração do sistema de controle. Primeiro, a falha é detectada e isolada. Então, o sistema de controle é reconfigurado de acordo com a falha isolada. As falhas em robôs manipuladores são primeiramente estudadas de acordo com suas consequências no sistema cooperativo. Quatro tipos de falhas são identificados: juntas com balanço livre (sem atuadores ativos), bloqueadas, com informação incorreta de posição e com informação incorreta de velocidade. A detecção e a isolação dos dois primeiros tipos de falhas são alcançadas através de um sistema utilizando redes neurais artificiais. Redes do tipo MLP são empregadas para mapear a dinâmica dos robôs cooperativos sem falhas e uma rede RBF é utilizada para a classificação do vetor de resíduos. As falhas do tipo informação incorreta de posição ou velocidade das juntas são detectadas e isoladas através do uso das restrições impostas pela cadeia cinemática fechada presente no sistema cooperativo. Quando falhas do tipo juntas com balanço livre ou bloqueadas são isoladas, as leis de controle são reconfiguradas. Para estes casos, controladores híbridos de movimento e esmagamento do objeto são deduzidos. Quando falhas do tipo informação incorreta de posição ou velocidade das juntas são isoladas, as medidas afetadas são substituídas por valores estimados. Resultados obtidos em simulações e em robôs cooperativos reais mostram que a metodologia proposta é viável. / The problem of fault tolerance in cooperative manipulators rigidly connected to an undeformable load is addressed in this work. Fault tolerance is reached by reconfiguration of the control system. The faults are firstly detected and isolated. Then, the control system is reconfigured according to the isolated fault. Four faults are considered: free-swinging joint faults, locked joint faults, incorrectly measured joint position faults, and incorrectly measured joint velocity faults. Free-swinging and locked joint faults are detected and isolated by artificial neural networks. MLP’s are utilized to reproduce the dynamics of the fault-free system and an RBF is used to classify the residual vector. Incorrectly measured joint position and velocity faults are detected and isolated based on the kinematic constraints imposed on the cooperative system. When free-swinging and locked joint faults are isolated, the control laws are reconfigured. Control laws for motion and squeeze of the object are developed in these cases. When incorrectly measured joint position faults and incorrectly measured joint velocity faults are isolated, the faulty measurements are replaced by their estimates. Results obtained in simulations and in real cooperative robots indicate that the proposed methodology is viable.

Redes neurais biológicas contêm bilhões de células (neurônios) agrupadas em regiões espacial e funcionalmente distintas. Elas também apresentam comportamentos complexos, tais como dinâmicas periódicas e caóticas. Na área da Inteligência Artificial, pesquisas mostram que Redes Neurais Caóticas, isto é, modelos de Redes Neurais Artificiais que operam com dinâmicas complexas, são mais eficientes do que modelos tradicionais no que diz respeito a evitar memórias espúrias. Inspirado pelo fato de que o córtex cerebral contém agrupamentos de células e motivado pela eficiência no uso de dinâmicas complexas, este projeto de pesquisa investiga o comportamento dinâmico de um modelo de Rede Neural Artificial Recorrente, como o de Hopfield, porém com a topologia sináptica reorganizada a ponto de originar agrupamentos de neurônios, tal como acontece em uma Rede Complexa quando esta apresenta uma estrutura de comunidades. O modelo de treinamento tradicional de Hopfield também é alterado para uma regra de aprendizado que posta os padrões em ciclos, gerando uma matriz de pesos assimétrica. Resultados indicam que o modelo proposto oscila entre comportamentos periódicos e caóticos, dependendo do grau de fragmentação das sinapses. Com baixo grau de fragmentação, a rede opera com dinâmica periódica, como consequência da regra de treinamento utilizada. Dinâmicas caóticas parecem surgir quando existe um alto grau de fragmentação. Mostra-se, também, que é possível obter caoticidade em uma topologia adequadamente modular, ou seja, como uma estrutura de comunidades válida. Desta forma, este projeto de pesquisa provê uma metodologia alternativa para se construir um modelo de Rede Neural Artificial que realiza tarefas de reconhecimento de padrões, explorando dinâmicas complexas por meio de uma estrutura de conexões que se mostra mais similar à topologia existente no cérebro / Biological neural networks contain billions of neurons divided in spatial and functional clusters to perform dierent tasks. It also operates with complex dynamics such as periodic and chaotic ones. It has been shown that Chaotic Neural Networks are more efficient than conventional recurrent neural networks in avoiding spurious memory. Inspired by the fact that the cerebral cortex has speficic groups of cells and motivated by the efficiency of complex behaviors, in this document we investigate the dynamics of a recurrent neural network, as the Hopfield one, but with neurons coupled in such a way to form a complex network community structure. Also, we generate an asymmetric weight matrix placing pattern cycles during learning. Our study shows that the network can operate with periodic and chaotic dynamics, depending on the degree of the connection\'s fragmentation. For low fragmentation degree, the network operates with periodic dynamic duo to the employed learning rule. Chaotic behavior seems to rise for a high fragmentation degree. We also show that the neural network can hold both chaotic dynamic and a high value of modularity measure at the same time, indicating an acceptable community structure. These findings provide an alternative way to design dynamical neural networks to perform pattern recognition tasks exploiting periodic and chaotic dynamics by using a more similar topology to the topology of the brain

O objetivo desta tese consiste na implementação de sistemas inteligentes para monitoramento e diagnósticos de falhas ocorrentes em motores de indução trifásicos. Para tanto, desenvolveu-se uma bancada de experimentos que visa ensaios de falhas relacionados a curto-circuito entre as bobinas do enrolamento de estator, quebras nas barras da gaiola de esquilo do rotor e, finalmente, rolamentos defeituosos. Mais especificamente, o enfoque principal consiste na proposição de uma abordagem neural de detecção de quebras nas barras de rotores de motores de indução trifásicos mediante a análise do espectro de frequência e aplicação de técnicas de análise das componentes principais. Considerou-se o acionamento do motor de indução tanto pela tensão de alimentação da rede quanto por inversor trifásico em diferentes frequências, operando sob diversas condições de torque de carga para a avaliação da metodologia. / The objective of this thesis consists of the implementation of intelligent systems for three-phase induction motors fault diagnosis and condition monitoring. Therefore, an experimental test stand for stator winding inter-turn short circuit faults, broken rotor bar in squirrel cage and, finally, defective wheel bearing has been designed. The main focus is to propose a neural network approach, which uses spectral frequency analysis and principal component analysis techniques to detect broken rotor bar in squirrel cage induction motor. Induction motor operating at different load torque conditions and supplied with sinusoidal voltage supply and three-phase inverter at different frequency was considered in the experiment for methodology evaluation.

A velocidade dos motores de indução é uma grandeza importante em um processo industrial. Entretanto, a medição direta da velocidade em motores de indução pode comprometer o sistema de acionamento e controle, aumentando o custo de implementação. Assim, as técnicas sensorless destinadas a estimar ou prever a velocidade em motores de indução são amplamente investigadas para uso em várias unidades industriais. Essa estratégia, quando baseada nos modelos matemáticos dos motores de indução é, normalmente, dependente dos parâmetros da máquina ou requer outro método que faça uma estimativa ou previsão. Assim, a abordagem alternativa deste trabalho consiste no uso de duas estratégias de implementação de redes neurais artificiais como estimador de velocidade aplicado a duas estratégias de controle do motor de indução orientado pelo campo do estator, controle direto de corrente e controle direto de torque. A velocidade síncrona, as correntes do estator e o torque eletromagnético, que são variáveis utilizadas nos algoritmos de acionamentos orientados no campo eletromagnético, são as entradas dos estimadores neurais propostos. Neste trabalho, resultados de simulação são aplicados no processo de seleção das redes neurais e os resultados experimentais mostram o desempenho de duas estratégias de implementação do estimador neural de velocidade embarcadas em DSP em diferentes metodologias de controle com dois motores de indução de potências diferentes. / The induction motor speed is an important quantity in an industrial process. However, the direct measurement of speed on induction motors can compromise the drive and control system, increasing the implementation cost. Thus, sensorless techniques aimed at estimating or predicting the speed in induction motors are widely investigated to be used in industrial plant units. This strategy, when based on the mathematical models of the induction motors is, usually, dependent on the machine parameters or requires another method that makes an estimation or prediction. Thus, the alternative approach of this work consists in the use of two implementation strategies of artificial neural networks as speed estimator applied to two stator field-oriented induction motor control strategies, direct current control and direct torque control. The synchronous speed, the stator currents and the electromagnetic torque, which are quantities used in field-oriented drives, are the inputs of the proposed neural estimators. In this work, simulation results are applied to neural networks selection process and the experimental results show the performance of two implementation strategies of the neural speed estimator embedded in DSP in different control methodologies with two induction motors with different powers.

Graças aos avanços tecnológicos nas áreas da computação, eletrônica embarcada e mecatrônica a robótica está cada vez mais presente no cotidiano da pessoas. Nessas últimas décadas, uma infinidade de ferramentas e métodos foram desenvolvidos no campo da Robótica Móvel. Um exemplo disso são os sistemas inteligentes embarcados nos veículos de passeio. Tais sistemas auxiliam na condução através de sensores que recebem informações do ambiente e algoritmos que analisam os dados e tomam decisões para realizar uma determinada tarefa, como por exemplo estacionar um carro. Este trabalho tem por objetivo apresentar estudos realizados no desenvolvimento de um controlador inteligente capaz de estacionar um veículo simulado em vagas paralelas, na qual seja possível entrar com uma única manobra. Para isso, foi necessário realizar estudos envolvendo a modelagem de ambientes, cinemática veicular e sensores, os quais foram implementados em um ambiente de simulação desenvolvido em C# com o Visual Studio 2008. Em seguida é realizado um estudo sobre as três etapas do estacionamento, que consistem em procurar uma vaga, posicionar o veículo e manobrá-lo. Para realizar a manobra foi adotada a trajetória em S desenvolvida e muito utilizada em outros trabalhos encontrados na literatura da área. A manobra consiste em posicionar corretamente duas circunferências com um raio de esterçamento do veículo. Sendo assim, foi utilizado um controlador robusto baseado em aprendizado supervisionado utilizando Redes Neurais Artificiais (RNA), pois esta abordagem apresenta grande robustez com relação à presença de ruídos no sistema. Este controlador recebe dados de dois sensores laser (um fixado na frente do veículo e o outro na parte traseira), da odometria e de orientação de um sensor inercial. Os dados adquiridos desses sensores e a etapa da manobra em que o veículo está, servem de entrada para o controlador. Este é capaz de interpretar tais dados e responder a esses estímulos de forma correta em aproximadamente 99% dos casos. Os resultados de treinamento e de simulação se mostraram muito satisfatórios, permitindo que o carro controlador pela RNA pudesse estacionar corretamente em uma vaga paralela. / Thanks to technological advances in the fields of computer science, embedded electronics and mechatronics, robotics is increasingly more present in people\'s lives. On the past few decades a great variety of tools and methods were developed in the Mobile Robotics field, e.g. the passenger vehicles with smart embedded systems. Such systems help drivers through sensors that acquire information from the surrounding environment and algorithms which process this data and make decisions to perform a task, like parking a car. This work aims to present the studies performed on the development of a smart controller able to park a simulated vehicle in parallel parking spaces, where a single maneuver is enough to enter. To accomplish this, studies involving the modeling of environments, vehicle kinematics and sensors were conducted, which were implemented in a simulated environment developed in C# with Visual Studio 2008. Next, a study about the three stages of parking was carried out, which consists in looking for a slot, positioning the vehicle and maneuvering it. The \"S\" trajectory was adopted and developed to maneuver the vehicle, since it is well known and highly used in related works found in the literature of this field. The maneuver consists in the correct positioning of two circumferences with the possible steering radius of the vehicle. For this task, a robust controller based on supervised learning using Artificial Neural Networks (ANN) was employed, since this approach has great robustness regarding the presence of noise in the system. This controller receives data from two laser sensors (one attached on the front of the vehicle and the other on the rear), from the odometry and from the inertial orientation sensor. The data acquired from these sensors and the current maneuver stage of the vehicle are the inputs of the controller, which interprets these data and responds to these stimuli in a correct way in approximately 99% of the cases. The results of the training and simulation were satisfactory, allowing the car controlled by the ANN to correctly park in a parallel slot.

Este trabalho apresenta a proposta de um sistema completo de proteção diferencial de transformadores de potência, aplicando-se as técnicas de Redes Neurais Artificiais (RNAs). O esquema proposto busca a classificação do sistema de proteção como um problema de reconhecimento e reconstrução de padrões, representando um método alternativo aos algoritmos convencionais. Vários fatores como, por exemplo, as situações de energização do transformador e a saturação dos transformadores de corrente, podem causar uma má operação do dispositivo de proteção. Com o objetivo de melhoramento na proteção digital de transformadores de potência, desenvolveu-se um sistema de proteção diferencial, incluindo dispositivos com base em RNAs, em substituição à filtragem harmônica de sinais existente no algoritmo convencional. Em complementação, esquemas de reconstrução das ondas distorcidas provenientes da saturação dos TCs são também propostos e adicionados ao algoritmo final de proteção, sendo esses comparados ao algoritmo convencional de proteção diferencial de transformadores. Com a referida adição de ferramentas de inteligência artificial a um algoritmo completo de proteção diferencial de transformadores, obteve-se uma solução bastante precisa e eficiente, capaz de responder em um tempo reduzido, se comparada aos métodos convencionais. / This work proposes a complete differential protection system for power transformers, applying the Artificial Neural Network (ANN) theory. The proposed approach treat the classification of the protection system as a problem of pattern recognition and as an alternative method to the conventional algorithms. Several factors such as, for example, transformer energization and CT saturation can cause an inadequate operation of the protection relay. With the objective of improving the power transformer digital protection, a complete protection system was developed, including an ANN-based device in substitution to harmonic filters, in use in the conventional algorithm. Some approaches concerning the reconstruction of the distorted signals caused by the CTs saturation are also proposed. These routines are added to the final protection algorithm and they are compared to the conventional algorithm for power transformer protection. With the use of artificial intelligence tools in a complete power transformer protection algorithm, one intends to obtain a very precise, fast and efficient solution, if compared to the conventional methods.

A presente dissertação aborda a segmentação de imagens coloridas através do processo de classificação de cores, isto é, a segmentação de imagens baseada no atributo cor dos pixels. O problema a ser tratado diz respeito à obtenção de uma classificação de cores tão próxima à humana quanto o possível. Em outros termos, busca-se uma classificação robusta à variação de grandezas como a iluminação ou brilho da cor, além de ser tolerante a erros no processo de amostragem. Tal problemática é encontrada em diversas situações práticas que sofram influência do ambiente, sobretudo no domínio de aplicação: o futebol de robôs. Com relação a tal problema, diversas questões permanecem abertas, tais como a forma de representação de cores e o tipo de classificador capaz de maximizar o desempenho da classificação. As modelagens clássicas, de forma geral, têm se mostrado inadequadas nesse contexto, estimulando-nos a buscar novas soluções. Assim sendo, apresentamos um classificador utilizando uma das técnicas que tem mostrado grande aplicabilidade nesse âmbito: as redes neurais artificiais. A aplicabilidade da técnica esbarra na obtenção de uma generalização adequada por parte da rede para o problema proposto, o que implica na necessidade de uma metodologia para o fornecimento de exemplos na fase de treinamento da rede. Desta forma, além da modelagem e implementação do classificador, buscamos proceder uma investigação a cerca de sua generalização em contextos diversos para situações não presentes no universo de treinamento, visando determinar o conjunto de fatores (sistema de representação de cores, metodologia de fornecimento de exemplos e arquitetura de rede) que maximizem o desempenho do classificador. / The present work approaches the segmentation of colored images through the process of color classification, i.e., the segmentation of images based on the color attribute of pixels. We look for a color classification as close as possible of human classification. In other words, we look for a robust classification with respect to the variation of illumination and color brightness, which tries to be tolerant to errors in the sampling process. We may find such kind of problems is various practical situations, for instance, situations that is influenced from the environment in the application domain: the robotic soccer. With regard to this problem, there are still diverse questions that remain unsolved, such as color representation form and type of classifier which maximizes the classification performance. In fact, classic models have shown to be inadequate in this context, in general, stimulating us to investigate new solutions. In our work, we present a classifier using one technique that has shown great applicability in this scope: the artificial neural networks. In order to obtain a correct generalization in the network, we faced the necessity to build a methodology to supply examples in the training phase of the network. In short, we model and implement a classifier, while searching to asses about its generalization power in different contexts and in the universe of training, so as to determine the set of factors (system of representation of colors, methodology of supply of examples and architecture of network) that maximizes its performance.

Sistemas de predição de desempenho de cadeias de suprimento são constituídos por indicadores que visam estimar o desempenho da empresa-foco em decorrência também do desempenho dos indicadores dos fornecedores. Na literatura são encontrados apenas dois modelos quantitativos (GANGA; CARPINETTI, 2011; AGAMI; SALEH; RASMY, 2014) que permitem predizer o desempenho de cadeias de suprimento usando os indicadores do modelo SCOR® (Supply Chain Operations Reference). Uma limitação de ambos modelos é a dificuldade de se ajustar ao ambiente de uso, uma vez que sua implementação e atualização requerem a parametrização manual de muitas regras de decisão. Tanto o uso de redes neurais quanto de sistemas neuro-fuzzy têm o potencial de contornar essa dificuldade por utilizarem um mecanismo de aprendizagem que possibilita a adaptação ao ambiente de uso usando dados numéricos. Todavia, na literatura não são encontradas aplicações dessas técnicas no apoio à predição de desempenho de cadeias de suprimento, tampouco estudos que discutam qual dessas técnicas se mostra mais adequada para lidar com este problema. Diante disso, o objetivo desta pesquisa é construir e a avaliar a adequabilidade de dois sistemas de predição de desempenho, ambos baseados nos indicadores do modelo SCOR®, mas usando alternativamente as técnicas redes neurais e sistemas neuro-fuzzy, para apoiar a gestão de desempenho da empresa-foco e de sua cadeia imediata. A execução desta pesquisa envolveu o uso de simulação computacional e de testes estatísticos. Os resultados mostram que, embora ambas as técnicas apresentem capacidade de predição satisfatória, as redes neurais são mais adequadas em relação à complexidade da definição da configuração topológica, enquanto os sistemas neuro-fuzzy se sobressaíram em relação à capacidade de predição, complexidade do treinamento, quantidade de variáveis de entrada, suporte à tomada de decisão sob incerteza e interpretabilidade dos dados. Outros resultados desta pesquisa estão relacionados à identificação de particularidades do processo de modelagem das técnicas avaliadas, à elaboração de um panorama sobre o uso de técnicas quantitativas na avaliação de desempenho de cadeias de suprimento e à identificação de algumas oportunidades de pesquisa. / Supply chain performance prediction systems are composed by indicators that aim to estimate the performance of a focal company considering also indicators related to their suppliers. There are two quantitative models in the literature (GANGA; CARPINETTI, 2011; AGAMI; SALEH; RASMY, 2014) that enable to predict the supply chain performance using the indicators proposed by the SCOR® model (Supply Chain Operations Reference). Nevertheless, there is a drawback of both models that refers to the difficulty in adapting to the environment of use, since implementation and updating of these models require parameterization of many decision rules that must be done by an expert. The application of artificial neural networks as well as neuro-fuzzy systems can overcome this drawback by using a learning mechanism that enables the adaptation to the environment of use using numerical data on supply chain performance. However, there are neither studies in the literature that propose the use of these techniques in order to support supply chain performance prediction nor studies that discuss which of these techniques seem to be more appropriate to deal with this problem. Thus, the objective of this study is to propose and evaluate the adequability of the two types of performance prediction systems based on the performance indicators of the SCOR® model, and both using alternatively artificial neural networks and neuro-fuzzy systems to support performance management of a focal company and their supply chain. The implementation of this research involved the use of computer simulation and statistical tests. The results show that although both techniques present a satisfactory predictive capacity, neural networks are more appropriate in relation to the complexity of defining the topological configuration, whereas the neuro-fuzzy systems are more adequate regarding the predictive capacity, complexity of the training, amount of input variables, support to decision-making under uncertainty and interpretability of data. Other results of this research refer to the identification of characteristics of the modeling process of the evaluated techniques, as well as to the review on the use of quantitative techniques for supply chain performance evaluation and to the identification of some research opportunities.