Resumo: O Brasil tem dificuldade para armazenar excedentes de produção de grãos visando um melhor momento de comercialização. O uso intensivo da mecanização nos processos de produção diminuiu a duração da operação de colheita e aumentou a produtividade, porém, apenas cerca de 9% das propriedades rurais possuem capacidade de armazenagem. Para evitar uma crise ainda maior no setor, o governo federal na gestão 2003- 2006 implementou uma nova política de investimentos para a armazenagem de produtos agropecuários incentivando as atividades armazenadoras, principalmente dentro das propriedades, permitindo assim, a exploração de um novo mercado formado por pequenos e médios produtores com unidades de armazenamento próprias. Desta forma, o presente trabalho tem por objetivo desenvolver um sistema automático de baixo custo para aeração de grãos de milho, utilizando o modelo matemático baseado na Teoria Fuzzy, visando atender as necessidades de pequenos e médios agricultores, tendo em vista critérios técnicos, energéticos e econômicos. Para tanto, foi desenvolvido um equipamento eletrônico responsável pela aquisição dos dados ambientais necessários ao controle do processo de aeração de grãos de milho e um programa de computador responsável pelo processamento, controle e armazenamento dos dados coletados pelo sistema de aquisição de dados criado. O sistema como um todo tem por finalidade conduzir a aeração de forma racional, determinando o tempo de aeração necessário, com a conseqüente redução do consumo de energia elétrica. Os resultados obtidos mostraram que o sistema desenvolvido baseado na Teoria Fuzzy mostrou-se eficiente e confiável na tarefa de controle da aeração. Também foi possível verificar que em relação aos sistemas de aeração já existentes no mercado, a nova proposta de desenvolvimento mostrou-se adequada às condições... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Brazil has difficulty to store production excesses waiting for a better moment for commercialization. The intensive use of mechanization, in the processes of grains production, reduces the harvest duration and increases the productivity, however, about only 9% of the farms have storage capacity. To prevent a bigger crisis in the sector, the government implemented a new politics of investments for the farming products storage stimulating the storing activities, mainly inside of the farms, allowing the exploration of a new market formed by the small and mediums producers with storage units in their own farms. In this way, the present work has the objective to develop a low cost automatic system for maize grains aeration, using the mathematical model based in the Fuzzy Theory, aiming at to fill small and mediums producers necessities, observing technician, energetic and economic criteria. In this way, was developed an electronic equipment for the data acquisition to collect the ambient data to the control of the maize grains aeration process and a computer program for processing and control the data collected for the acquisition system. The system will be able to lead the aeration of rational form determining the necessary aeration period allowing the reduction of the electric energy consumption. The results had shown the model of the aeration control based on the Fuzzy Theory revealed efficient and trustworthy in the task of aeration control. Also, it was possible to observe that in relation to the existing aeration systems already in the market the new proposal of development revealed adequate to the conditions preset of to create... (Complete abstract click electronic access below) / Orientador: Marco Antonio Martin Biaggioni / Coorientador: Luiz Francisco da Cruz / Banca: Angelo Cataneo / Banca: Célia Regina Lopes Zimback / Banca: Altair Justino / Banca: Marcelo Giovanetti Canteri / Doutor

Orientador: Ivan Rizzo Guilherme / Coorientador: João Fernando Marar / Banca: Eraldo Pereira Marinho / Banca: Sandra Aparecida Sandri / Resumo: Um dos grandes desafios existentes na elaboração de um projeto de desenvolvimento de um campo marítimo de petróleo é a definição do sistema de produção. A dificuldade em escolher um bom sistema marítimo de produção de óleo está ligada a aspectos técnicos, econômicos, ambientais e políticos. A experiência adquirida ao longo dos anos pelos engenheiros é um fator essencial no sucesso da tomada dessas decisões em um projeto de produção. Diante deste cenário, existem algumas abordagens computacionais, na área de Inteligência Artificial, que podem ser utilizadas para a elaboração e desenvolvimento de sistemas inteligentes que auxiliam na solução de novos problemas por analogia a problemas antigos, baseado nas experiências adquiridas. O Raciocínio Baseado em Casos é uma dessas abordagens, e consiste basicamente na construção de sistemas baseado em conhecimento, tendo como princípio adaptar soluções antigas para resolver novos problemas, utilizando casos antigos para criar uma solução equiparável para um novo problema. O objetivo deste trabalho é realizar o estudo de diversos métodos e técnicas de Raciocínio Baseado em Casos, principalmente as utilizadas para realizar a indexação e recuperação de casos, considerando a abordagem da Teoria dos Conjuntos Nebulosos, para a posterior aplicação dos resultados na construção de um sistema nebuloso de raciocínio baseado em casos para recomendação de sistemas marítimos de produção de petróleo / Abstract: A major challenge in the elaboration of a project for development of offshore oilfields is the definition of the production system. The difficulty in choosing a good offshore oil production system is related to technical, economic, environmental and political aspects. The experience acquired over the years by engineers is an essential factor in the success of these decisions in a production project. In this scenario, there are some computational approaches, in the area of Artificial Intelligence, that can be used for the elaboration and development of intelligent systems that assist in solving new problems by analogy to old problems, based on experiences. The Case-Based Reasoning is one of these approaches, and basically consists in building knowledge-based systems, based on the principle to adapt old solutions to solve new problems, using old cases to create a solution equivalent to a new problem. The objective of this work is to make the study of various methods and techniques of Case-Based Reasoning, especially those used to perform the indexing and retrieval of cases, considering the approach of Fuzzy Set theory, for the subsequent application of the results in the development of a fuzzy case-based reasoning system for recommendation of offshore oil production systems / Mestre

Resumo: O trabalho descrito nesta tese apresenta o desenvolvimento de um sistema computacional denominado PMNeural, baseado em Redes Neurais Artificiais (RNAs). A finalidade do sistema é o tratamento de dados climáticos e de molhamento foliar por orvalho, visando reconhecer padrões de comportamento de variáveis meteorológicas em relação ao molhamento foliar por orvalho. Para determinar as melhores arquiteturas e algoritmos de treinamento de RNAs, bem como, definir quais as variáveis climáticas que influenciam significativamente na ocorrência do molhamento foliar, foram utilizados dois simuladores: o simulador SNNS (Stuttgart Neural Network Simulator) versão 4.2, que utiliza plataforma operacional Linux e o simulador JavaNNS - Java Neural Network Simulator 1.1, com ambiente de execução Windows, o qual é baseado no SNNS. Foram utilizados dados climáticos de três estudos de caso, dois destes referentes à cultura do trigo, oriundos de locais e datas diferentes. Base de Dados 1 - Fazenda Capão do Cipó, em Castro - PR, safra de inverno de 2003. Base de Dados 2 - Campo Demonstrativo e Experimental da Fundação ABC - Fazenda Palmeirinha, em Piraí do Sul - PR., safra de inverno de 2005. Base de Dados 3 - Posto Agrometeorológico ESALQ/USP em Piracicaba - SP, período entre julho e setembro de 2005. Um quarto estudo de caso foi elaborado a partir dos arquivos dos estudos de casos 1, 2 e 3, utilizando-se as variáveis climáticas comuns, juntamente com seus respectivos índices de molhamento. Dentre os algoritmos de treinamento testados nos simuladores, o Resilient 2 Propagation (Rprop) foi o que apresentou as menores taxas de erro em relação aos outros... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The work described in this thesis presents the development of a computational system named PMNeural based on Artificial Neural Networks (ANNs). The system has for purpose the handle of climatic and leaf wetness data, aiming to recognize patterns of behavior of meteorological variables in relation to the wetness from dew. Two simulators were used in order to determine the best architecture and ANNs training algorithms, as well as, to define which the climatic variables that influence significantly in the leaf wetness occurrence: the SNNS (Stuttgart Neural Network Simulator) version 4.2 for Linux platform, and the JavaNNS - Java Neural Network Simulator 1.1, for Windows platform, which is based on the SNNS. Climatic data of three case studies were used, two related to wheat culture, obtained from different places and dates. Dataset 1 - Capão do Cipó Farm, in Castro - PR, 2003. Dataset 2 - Palmeirinha Farm in Piraí do Sul - PR, 2005 winter crop. Dataset 3 - Meteorological Station of ESALQ/USP in Piracicaba - SP, from July to September, 2005. A fourth case study was elaborated from datasets of the case studies 1, 2 and 3, using the common climatic variables together with their respective wetness indexes. After testing the training algorithms in the simulators, the Resilient Propagation (Rprop) presented lower training errors than the others evaluated methods: Backpropagation Standard, Backpropagation for batch training, Backpropagation with momentum term, Backpropagation with chunkwise update, Backpropagation with Weight Decay and Quickprop. It was verified 4 also that, among the climatic variables used for classification of leaf wetness from dew, the inclusion of the schedule had influenced in the obtaining better ANNs results... (Complete abstract, click electronic access below) / Orientador: Angelo Cataneo / Coorientador: Alaine Margarete Guimarães / Banca: Célia Regina Lopes Zimback / Banca: Marco Antonio Martim Biaggioni / Banca: Manoel Henrique Salgado / Banca: Marcelo Giovanetti Canteri / Doutor

Resumo: Métodos estatísticos de interpolação são freqüentemente utilizados para se obter as características dos solos em locais não amostrados, visando diminuir o número de amostras necessárias para um bom mapeamento do campo. Nesse trabalho, a estimativa da variabilidade espacial de atributos do solo foi realizada de duas maneiras: primeiramente utilizando-se os métodos estatísticos da krigagem e da co-krigagem e posteriormente as redes neurais artificiais. Os resultados obtidos pelos dois métodos foram comparados, com a finalidade de se verificar a eficiência das redes neurais artificiais na estimativa de atributos do solo. Os resultados mostraram que as redes neurais artificiais, em particular as redes Perceptron, com uma e com duas camadas de neurônios, são capazes de estimar as variabilidades espaciais dos solos com precisão maior do que os métodos estatísticos da krigagem e da co-krigagem. As redes neurais artificiais também se mostraram eficientes na estimativa de uma determinada variável do solo em função de sua classe textural. / Abstract: Statistic methods of interpolation are often used to get the soil characteristics in non-sampled places in order to decrease samples numbers, which are necessary to obtain a good field mapping. In this project, the estimation of soil spatial variability attributes was done in two different ways. First, it was used statistic methods of kriging and cokriging, and in second instance, it was used artificial neural networks. The results computed by both techniques were compared each other in order to verify the efficiency of the artificial neural networks in estimating soil attributes. The results indicated that artificial neural networks, especially Perceptron networks, both with one and two layers of neurons, are able to estimate the soil spatial variability much better than the kriging and the cokriging methods. The artificial neural networks have also showed very efficient in estimating soil variables with respect to its textural class. / Orientador: Ivan Nunes da Silva / Coorientador: José Alfredo Covolan Ulson / Banca: Angelo Cataneo / Banca: Luiz Gonzaga Campos Porto / Banca: Gastão Moraes da Silveira / Banca: Casimiro Dias Gadanha Júnior / Doutor

Orientador: Carlos Alberto Canesin / Banca: Júlio Borges de Souza / Banca: Denizar Cruz Martins / Resumo: O estudo da confiabilidade operacional de equipamentos se tornou fundamental para as empresas possuírem o devido controle dos seus ativos, tanto pelo lado financeiro quanto em questões de segurança. O estudo da taxa de falha de equipamentos prevê quando as falhas irão ocorrer possibilitando estabelecer atitudes preventivas, porém, seu estudo deve ser realizado em condições de operação estabelecidas e fixas. Os medidores de energia elétrica, parte do ativo financeiro das concessionárias de energia, são equipamentos utilizados em diversas condições de operação, tanto nas condições do fluxo de energia, tais como presenças de harmônicos, subtensões, sobre-tensões e padrões de consumo distintos, quanto pelo local físico de instalação, tais como maresia, temperatura, umidade, etc. As falhas nos medidores eletromecânicos de energia elétrica são de difícil constatação uma vez que a maioria dos erros de medição, ocasionados principalmente por envelhecimento de componentes, não alteram a qualidade da energia fornecida e nem interrompem o seu fornecimento. Neste sentido, este trabalho propõe uma nova metodologia de determinação de falhas em medidores eletromecânicos de energia elétrica ativa. Faz-se uso de banco de dados de uma concessionária de energia elétrica e do processo de descoberta de conhecimento em bases de dados para selecionar as variáveis mais significativas na determinação de falhas em medidores eletromecânicos de energia elétrica ativa, incluindo no conjunto de falhas a operação com erros de medição acima do permitido pela legislação nacional (2010). Duas técnicas de mineração de dados foram utilizadas: regressão stepwise e árvores de decisão. As variáveis obtidas foram utilizadas na construção de um modelo de agrupamento de equipamentos associando a cada grupo uma probabilidade... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The operational reliability study of equipments has become primal in order to enterprises have the righteous control over their assets, both by financial side as by security reasons. The study for the hazard rate of equipments allows to foresee the failures for the equipments and to act preventively, but this study must be accomplished under established and fixed operation conditions. The energy meters, for their part, are equipments utilized in several operating conditions so on the utilization manner, like presence of harmonics, undervoltages and over-voltages and distinct consumption patterns, as on the installation location, like swel, temperature, humidity, etc. Failures in electromechanical Wh-meters are difficult to detect once that the majority of metering errors occurred mainly by aging of components do not change the quality of offered energy neither disrupt its supply. In this context, this work proposes a novel methodology to obtain failure determination for electromechanical Whmeters. It utilizes Wh-databases from an electrical company and of the process of knowledge discovery in databases to specify the most significant variables in determining failures in electromechanical Wh-meters, including in the failure set the operation with metering errors above those permitted by national regulations (2010). Two techniques of data mining were used in this work: stepwise regression and decision trees. The obtained variables were utilized on the construction of a model of clustering similar equipments and the probability of failure of those clusters were determined. As final results, an application in a friendly platform were developed in order to apply the methodology, and a case study was accomplished in order to demonstrate its feasibility. / Mestre

Resumo: O concreto é o material estrutural mais utilizado na construção civil. Há mais de um século e meio ele vem sendo estudado e aperfeiçoado. É confeccionado utilizando-se de matérias primas regionais, com características técnicas diferentes de outras regiões. O cimento também se apresenta com diversas formulações. Quantificar adequadamente esses materiais é o objetivo do estudo da dosagem do concreto, de tal modo a se obter um concreto que atenda às necessidades estruturais exigidas. Sendo a principal delas a resistência à compressão. A dosagem do concreto é uma prática essencialmente laboratorial quando se pensa em resultados aceitáveis. Através de experimentos são idealizados ábacos e diagramas que podem fornecer a resistência do concreto endurecido com diversas combinações de matérias primas utilizadas. Não há uma formulação matemática abrangente e bem definida para um processo generalizado de dosagem. A complexidade aumenta quando se adicionam outros componentes a mais no concreto simples e tradicional. Obter a relação entre eles é um trabalho contínuo. As redes neurais vêm sendo utilizadas na solução de problemas da engenharia civil, com ênfase na aplicação da técnica da retropropagação. Ela realiza satisfatoriamente as iterações entre as diversas variáveis, num processo de treinamento e aprendizagem, e tem sido capaz de generalizar soluções aceitáveis. Nesta pesquisa de doutorado é utilizada uma rede neural feedfoward com algoritmo retropropagação para prever a resistência e o módulo de elasticidade do concreto. Os dados de entrada são quantidades de materiais utilizadas para confeccionar 1 m3 de concreto adensado, de forma semelhante a dosagem por diagramas. Será aplicada na interpretação de diagramas de dosagem. Tais diagramas são amplamente utilizados por empresas na confecção de concretos,... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Concrete is the most widely used structural material in construction, for more than a century and a half it has been studied and improved. It's prepared using regional raw materials with different technical characteristics of other regions. The cement also performs with various formulations. Adequately quantify these materials is the goal of the study of the concrete mixtures proportion, to obtain a concrete that meets the structural needs required. The main one being the compressive strength. The strength of concrete is essentially a practice laboratory when one considers acceptable results. Through experiments are idealized abacus and diagrams that can provide the strength of hardened concrete with various combinations of raw materials used. There is no mathematical formulation of comprehensive and well defined for a generalized process of mixes. The complexity increases when other components is added in the most simple and traditional concrete. Obtain the relationship between them is a work in progress. Neural networks have been used in solving engineering problems, with emphasis on applying the technique of backpropagation. It performs satisfactorily iterations between the different variables in a process of training and learning, and has been able to generalize acceptable solutions. In this work is used a feedforward neural network with backpropagation algorithm to predict the compressive strength and modulus of elasticity of the concrete. The input data are quantities of materials used to fabricate 1,0 m3 of concrete hardened, similar dosing for diagrams and abacus. Such diagrams are widely used by companies in the manufacturing of concrete, yielding good precision in the final results. They are produced on the vast experience with the same materials and are highly regional representative to provide subsidies for training neural networks. This... (Complete abstract click electronic access below) / Orientador: Carlos Roberto Minussi / Coorientador: Jorge Luís Akasaki / Banca: Anna Diva Plasencia Lotufo / Banca: Marco Antonio Morais Alcantara / Banca: David Calhau Jorge / Banca: Cesar Fabiano Fioriti / Doutor

Orientador: Maria Candida Soares Del-Masso / Banca: Alfredo Pereira Júnior / Banca: Gustavo Maia Souza / Resumo: É antiga a preocupação do ser humano com as questões relacionadas ao conhecimento, incluindo as discussões sobre a sua origem, seu aprendizado, sobre a nossa capacidade de utiliza-lo e sobre as características específicas da cognição humana. Essa preocupação remonta aos antigos filósofos gregos (2.500 A.C.), desenvolvendo-se posteriormente a partir da abordagem da Epistemologia, originária da Filosofia ocidental, e mais recentemente a partir do Funcionalismo, pertencente aos estudos em Filosofia da Mente e em Ciência Cognitiva. Essa última abordagem, em particular, contribuiu para o surgimento de programas de pesquisas que procuram entender o funcionamento da mente humana com a ajuda do computador. A Ciência Cognitiva possui fortes ligações com as pesquisas em Inteligência Artificial, e ambas vem se desenvolvendo desde a década de 1950. Mais recentemente, a partir da década de 1980, uma nova área de estudos surgiu, formada por pesquisas em Vida Artificial, que trabalha com a possibilidade de síntese de entidades vivas, por meios artificiais, e desde então vem chamando a atenção de pesquisadores interessados no estudo da cognição. Enquanto a Ciência Cognitiva tem ligações estreitas com a Filosofia e a Psicologia, a Vida Artificial tem uma forte inspiração na Biologia. Neste trabalho, procuramos investigar o encontro entre essas disciplinas, e seus programas de pesquisas, considerando as possibilidades de contribuição para o estudo da cognição humana, a partir de uma abordagem conjunta entre essas áreas. / Abstract: It is na old thing the human concern about knowledge related questions, including discussions on its origin, its learning, about our capacity to utilize it and about specific characteristics of the human cognition. That concern remounts to the ancient greek philosophers (2.500 B.C.), developing itself later from the approach of Epistemology, originated in the occidental Philosophy, and more recently from the Functionalism, that makes part of the studies of Philosophy of Mind and of Cognitive Science. This last approach, particularly, contributed to appearing of research programs that try to understand the function of the human mind with the help of the computer. The Cognitive Science has strong relation with research in Artificial Intelligence, and both areas have been growing since the 1950 decade. More recently, from the decade 1980 on, a new area of atudies appeared, formed by researches in Artificial Life, that work with the possibility of synthesis of alive entities, by artificial means, and sice then has been attracting the attention of researchers interested in the study of Cognition. While Cognitive Science has strict relations with the Philosophy and the Psychology, Artifiical life has a strong inspiration in the Biology. In this work, we tried to investigate the meeting between these subjects, and their research programs, considering the possibilities of the contribution to the study of the human cognition, by means of an integrated approach of these areas. / Mestre