Circular air-coupled ultrasonic testing (ACUT) setup for the inspection of commercial carbon-carbon composite aircraft brake disks was developed in Intelligent Measurement and Evaluation Laboratory (IMEL) at Southern Illinois University Carbondale (SIUC). The developed test setup utilizes Airstar single channel air-coupled equipment and has only manual A-scan and B-scan capability. The developed ACUT technique is unique compared to the commercial C-scan ultrasonic systems and is proficient, fast, economically feasible, and easy to implement method particularly for the inspection of carbon-carbon (C/C) composites aircraft brake disks. Prior to conducting air-coupled measurements, wobble analysis was carried out. This was important because significant wobbling in the test setup can lead to the interference of the reflected and the incident beam which would result to inaccurate ultrasonic measurements. The measured deviation due to wobbling, surface profile of the disk, design, and experimental error were relatively small. Therefore, these errors were neglected while performing ACUT measurements. For ACUT measurements, several through-transmitted amplitude signals were recorded within the C/C brake disks manually. The images were then reconstructed using Matlab based on the through-transmitted amplitude signals. Finally, a comparison was drawn between the reconstructed images and the C-scan images of the C/C brake disks obtained from the commercial Airstar C-scan ACUT system. Like commercial C-scan ACUT image results, reconstructed images were also able to detect all defects in the commercial C/C brake disks which served for the system verification and validation. In addition, defect, non-defect, and suspected areas within the C/C brake disks were quantified with air-coupled measurement. For this, light microscopy was conducted for every sample made from each C/C brake disks at lower magnification of 10X. It was concluded that it is very difficult to assess the crack or delamination situation based on a 2D micrograph of one depth. Also, it was concluded that an internal porosity and micro-cracks may not be only factors that can be related to defects. Finally, an intelligent systems approach, specifically, fuzzy logic and artificial neural network (ANN) methodologies were implemented for the automatic defect detection in commercial C/C aircraft brake disks by using air-coupled ultrasonic results. For this, a multi-layer perceptron (MLP) with two hidden layers and a scaled conjugate gradient back-propagation (BP) learning algorithm was used for the ANN training. The network training process was performed in an off-line mode using the ANN toolbox in Matlab. The network training was repeated until a steady state was reached, where there was no further change in the synaptic weights. The ANN provided plausible results in detecting the defect areas for different C/C brake disks. It was also demonstrated that the system was able to learn the rules without knowing any algorithm for automatic defect detection.

A rugosidade é um parâmetro de acabamento importante nos processos de fabricação por usinagem e é determinado de acordo com a aplicação técnica da superfície usinada. A rugosidade afeta atributos funcionais dos produtos como desgaste, atrito, reflexão da luz, capacidade de manter e espalhar um lubrificante, etc.. Como a inspeção da superfície é normalmente feita com rugosímetros após a operação de usinagem, essa tarefa consome tempo e demanda trabalho, gerando custo adicional ao produto. Assim, este trabalho tem como objetivo estimar os valores das rugosidades média (Ra) e total (Rt) geradas no processo de fresamento frontal a seco do aço SAE 1045 com fresa de topo reto via redes neurais artificiais (RNA). Dessa forma, os valores de rugosidade Ra e Rt podem ser obtidos somente informando os parâmetros do processo ao modelo. Foram considerados como variáveis de entrada do processo a velocidade de corte (vc), o avanço por dente (fz) e o raio de ponta da ferramenta (r). Após uma análise estatística, constatou-se que as variáveis de saída que melhor se correlacionavam com os valores de rugosidade foram a força média no eixo x (Fx) (direção de avanço) e a variação da força no eixo z (Fz) (direção axial). Os dados de força foram obtidos usando um sistema sensório constituído de plataforma piezelétrica, placa de aquisição de dados e computador com software apropriado. Portanto, os cinco parâmetros de entrada utilizados nos 16 modelos testados foram vc, fz, r, Fx e Fz. O algoritmo de treinamento usado foi o de Levemberg-Marquardt. Dentre os testados, os modelos com topologia 5-10-10-1 (cinco entradas e uma saída) apresentaram as melhores capacidade de estimação para os valores de Ra e Rt, mostrando a eficiência da técnica de modelagem da rugosidade por RNA. / The surface roughness is an important finishing parameter in the machining manufacturing processes and it is determined according with the technical application of the machined surface. The surface roughness affects functional attributes of parts such as wear, friction, light reflection, ability to spreading and retaining a lubricant etc. As the surface inspection is usually done with the rugosimeter after the machining operation, this task is time consuming and labor demand, generating additional cost to the product. Thus, this work aims to estimate the values of average roughness (Ra) and total roughness (Rt) generated in the dry end milling process of the SAE 1045 steel via artificial neural networks (ANN). Thus, the roughness values of Ra and Rt may be obtained only by informing the process parameters to the model. Cutting speed (vc), feed per tooth (fz) and tool nose radius (r) were considered as input variables. After statistical analysis, it was found that output variables that best correlate with roughness values were the average force on the x axis (Fx) (feed direction) and the force variation in the z-axis (Fz) (axial direction). The cutting force data signals were obtained using a sensory system composed by piezoelectric platform, data acquisition board and personal computer with appropriate software. Therefore, the five input parameters applied in the 16 models tested were vc, fz, r, Fx and Fz and the training algorithm used was the Levemberg-Marquardt. Among the models tested, those with 5-10-10-1 topology (five inputs and one output) showed the best capacity for estimation of the Ra and Rt values that can demonstrate the modeling technique effectiveness of the surface roughness using ANN.

Este trabalho apresenta o desenvolvimento de um fluxo de projeto de circuitos digitais integrados, visando a incluir células geradas automaticamente pela ferramenta ASTRAN. Como parte integrante deste novo fluxo, desenvolveu-se uma nova técnica de comparação entre células, utilizando Redes Neurais Artificiais, para a modelagem das células ASTRAN, esta técnica se mostrou flexível ao se adaptar a diversos tipos de células e com resultados robustos tendo 5% de desvio padrão e 4% para o erro relativo. Também, foi criada uma ferramenta capaz de substituir células comerciais por células ASTRAN, tendo como objetivo melhorar as características de potência consumida e área utilizada pelo circuito, e por fim gerando um circuito misto composto de células comerciais feitas à mão e células ASTRAN geradas automaticamente. O foco principal deste trabalho encontra-se na integração do fluxo de geração de células geradas automaticamente a um fluxo de síntese comercial de circuitos digitais. Os resultados obtidos mostraram-se promissores, obtendo-se ganhos em redução de área e potência dos circuitos analisados. Em média os circuitos tiveram uma redução de 3,77% na potência consumida e 1,25% menos área utilizada. Com um acréscimo de 0,64% por parte do atraso total do circuito. / This work presents the development of a design flow for digital integrated circuits, including cells generated automatically by the ASTRAN tool. Moreover, a new technique, using Artificial Neural Networks, was developed to perform a comparison between two different cells, i.e. commercial and ASTRAN’s cell. This technique proved to be flexible when adapting to several types of cells and with robust results having 5% of standard deviation and 4% for relative error. Also, a new tool was developed, capable of performing cell replacement between ASTRAN and commercial cells, to improve power consumption an used area. Finally a mixed circuit composed of handmade commercial cells and cells automatically generated by ASTRAN was generated. A target was to mix an automatic cell synthesis tool with commercial synthesis tools dedicated to standard cells. Comparisons have shown that our approach was able to produce satisfactory results related area and power consumption. In average the circuits had a reduction of 3.77% in the power consumed and 1.25% less used area. With an increase of 0.64% due to the total delay of the circuit.

Este trabalho analisa o uso de redes de estações de trabalho como uma única máquina a ser utilizada para permitir o processamento de problemas que não poderiam ser computados, aceitavelmente, em apenas um de seus nodos, seja por causa do tempo dispendido ou de recursos físicos necessários, como memória principal. São enfocados dois algoritmos de redes neurais artificiais - Combinatorial Neural Model e Back Propagation - que apresentam os problemas enunciados acima, e uma proposta de um esquema para distribuição dessa classe de algoritmos, levando em consideração as vantagens disponíveis no ambiente em questão, a apresentada. A implementação do modelo proposto, sob a forma de um simulador distribuído baseado no conceito de servidor está descrita no trabalho, assim como as estratégias de paralelização dos algoritmos. Ao final, são apresentados os resultados obtidos, quantitativa e qualitativamente, e uma avaliação mais detalhada da paralelização do algoritmo Back Propagation a exposta. / The use of workstation networks as distributed multicomputers to solve resource demanding problems that cannot be feasibly solved in one node is the main concern of this work. Two different artificial neural network algorithms, Combinatorial Neural Model and Back Propagation, are faced and a scheme for distributing this class of algorithms is presented. The several advantages of the environment are focused in the proposal along with its disadvantages. This work also presents the implementation of the proposed scheme allowing an in loco performance evaluation. At the end results are shown and a more in depth evaluation of the Back Propagation parallelization is presented.

As séries temporais financeiras são marcadas por comportamentos complexos e não-lineares. No mercado financeiro, além da trajetória das cotações, a sua variabilidade, representada pela volatilidade, consiste em importante informação para o mercado. Redes neurais são modelos não lineares flexíveis com capacidade de descrever funções de distintas classes, possuindo a propriedade de aproximadores universais. Este trabalho busca empregar redes neurais, especificamente Perceptron de múltiplas camadas com uma única camada escondida alimentada para frente (Feedforward Multilayer Perceptron), para a previsão da volatilidade. Mais ainda, é proposto um modelo híbrido que combina o modelo GARCH e redes neurais. Os modelos GARCH e redes neurais são estimados para duas séries financeiras: Índice S&P500 e cotações do petróleo tipo Brent. Os resultados indicam que a volatilidade aproximada por redes neurais é muito semelhante as estimativas dos tradicionais modelos GARCH. Suas diferenças são mais qualitativas, na forma de resposta da volatilidade estimada a choques de maior magnitude e sua suavidade, do que quantitativas, apresentando critérios de erros de previsão em relação a uma medida de volatilidade benchmark muito próximos. / The financial time series are characterized by complex and non-linear behaviors. In addition to the financial market trend in prices their variability or volatility, a risk estimate, is important information for the market players. Neural networks are flexible nonlinear models capable of describing functions of different classes, having the property of universal approximators. This paper employs neural networks, specifically one hidden layer feedforward Multilayer Perceptron, for volatility forecasting. Moreover, we propose a hybrid model that combines the GARCH model with neural networks. The GARCH and neural network models are estimated over two financial series: the S&P500 composite index and prices of Brent oil. The results indicate that the volatility approximated by neural networks is very similar to that estimated by the traditional GARCH models, while their differences are more qualitative than quantitative, with information content that differs from and complements each other for different market environments.

Submitted by DANIEL ARANA null (daniel_arana1@hotmail.com) on 2016-03-27T18:29:09Z No. of bitstreams: 1 DEFESA - Daniel Arana - V8.pdf: 41186649 bytes, checksum: c8969b31497d1612d3bd90d0759d6524 (MD5) / Approved for entry into archive by Ana Paula Grisoto (grisotoana@reitoria.unesp.br) on 2016-03-28T17:35:42Z (GMT) No. of bitstreams: 1 arana_d_me_prud.pdf: 41186649 bytes, checksum: c8969b31497d1612d3bd90d0759d6524 (MD5) / Made available in DSpace on 2016-03-28T17:35:42Z (GMT). No. of bitstreams: 1 arana_d_me_prud.pdf: 41186649 bytes, checksum: c8969b31497d1612d3bd90d0759d6524 (MD5) Previous issue date: 2016-02-22 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / A determinação da componente altimétrica por meio do GNSS (Global Navigation Satellite System) vem ganhando destaque e tem sido utilizada para fins de nivelamento com auxílio de modelos geoidais. Todavia, a desvantagem desse método está na qualidade dos modelos geoidais utilizados, que degradam as altitudes e limitam as aplicações do método. Com intuito de proporcionar ao nivelamento/GNSS uma melhor qualidade na transformação de altitudes, essa pesquisa objetiva o desenvolvimento de uma metodologia de hibridização dos modelos geoidais gravimétricos EGM08, MAPGEO2015 e GEOIDSP2014 para o Estado de São Paulo, proporcionando modelos mais consistentes com a tecnologia GNSS. As redes neurais RBF (Radial Based Function) foram utilizadas na obtenção das superfícies de distorção, baseadas nas diferenças entre as ondulações geoidais dos modelos e as ondulações obtidas por rastreamento em referencias de nível. Para geração dos modelos híbridos foram considerados somente os pontos da Rede Altimétrica Fundamental Brasileira. A partir das distorções obtidas foi realizada uma filtragem, com objetivo de minimizar as inconsistências altimétricas. Os modelos geoidais híbridos HYDEGM, HYDMAPEO e HYDGEOIDSP foram gerados utilizando 319, 317 e 315 pontos, respectivamente. Os experimentos permitiram concluir que o interpolador mais indicado para modelagem das distorções é o RBF linear. Para validação dos modelos foi utilizado 10% dos pontos altimétricos, enquanto 90% dos dados foram utilizados na geração das superfícies de distorção. Os pontos de verificação indicam que os modelos geoidais híbridos apresentam RMS de ± 0,107, ± 0,104 e ± 0,098 m, respectivamente. Os resultados dos modelos são promissores, uma vez que representam uma melhora das consistências de 30 à 40% em comparação com os geoides gravimétricos, proporcionando aos usuários uma melhor qualidade na transformação de altitudes geométricas para ortométricas. / Determination of the altimetric component using GNSS (Global Navigation Satellite System) is becoming better known and used for purposes of leveling with the aid of geoid models. However, the disadvantage of this method is the quality of the geoid models, which degrade heights and limit the application of the method. In order to provide better quality in transforming height using GNSS/leveling, this research aims to develop a hybridization methodology of gravimetric geoid models EGM08, MAPGEO2015 and GEOIDSP2014 for the State of São Paulo, providing more consistent models with GNSS technology. RBF (Radial Basis Function) neural networks were used to obtain the surface distortion, based on differences between geoid model undulations and the undulations obtained by GNSS tracking in benchmarks. Only points from the Altimetric Fundamental Brazilian Network were considered for the generation of hybrid geoids. Filtering was carried out from the offsets obtained in order to minimize altimetric inconsistencies. The hybrid geoid models HYDEGM, HYDMAPGEO and HYDGEOIDSP were generated using, respectively, 319, 317 and 315 points. The experiments showed that the most suitable interpolation for modeling distortions is the linear RBF. 10% of the altimetric points were used for validation of the models, while 90% of the data was used in offset surface generation. Checkpoints indicate that the geoid hybrid models feature RMS ± 0,107, 0,104 and ± 0,098 m, respectively. The results are promising since they represent an improvement of 30 to 40% in consistencies compared with the gravimetric geoids, providing users better quality transformation of geometric to orthometric heights.

Made available in DSpace on 2014-06-11T19:25:32Z (GMT). No. of bitstreams: 0 Previous issue date: 2007-07-02Bitstream added on 2014-06-13T18:53:38Z : No. of bitstreams: 1 ferro_l_me_rcla.pdf: 3692564 bytes, checksum: d242c88fdfc24677645cf32fa498c692 (MD5) / Neste trabalho construímos modelos de redes neurais artificiais recorrentes com dois, com quatro, com seis e com oito neurônios na tentativa de simular computacionalmente como os neurônios receptores olfativos dos vertebrados, em especial dos seres humanos, conseguem identificar e reconhecer as diferentes moléculas odoríferas (ou odorantes) transportadas pelo ar. Para isso, usamos uma rede que evolui de um sistema dinâmico caótico, na ausência de odorantes, para o não-caótico, quando do reconhecimento de um odor constituído, no máximo, de até três odorantes. / We built models of recurrent artificial neural networks with two, four, six and eight neurons in order to simulate, using computational simulation, the way vertebrate s olfactory neurons, in special the humans, identify and recognize different odoriferous molecules (or odorants) in the air. For that purpose, we used a network that evolves from a chaotic dynamic system, in the absence of odorants, to the non-chaotic, when it recognizes an odor that is made of, at most, three odorants.

Made available in DSpace on 2014-06-11T19:31:35Z (GMT). No. of bitstreams: 0 Previous issue date: 2003-12-18Bitstream added on 2014-06-13T19:41:53Z : No. of bitstreams: 1 fontes_ir_dr_botfca.pdf: 6105136 bytes, checksum: 23e89a651c99005b7465ec2d3aae3e9b (MD5) / Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) / O presente trabalho teve como objetivo a configuração de um sistema de supervisão e controle de irrigação utilizando técnicas de inteligência artificial. De acordo com metodologia adotada, o seu desenvolvimento foi realizado em três fases distintas. Inicialmente foram construídos os seguintes módulos de hardware: Unidade de Sensores, Unidade Concentradora de Dados e Sensor de Umidade do Solo do tipo Capacitivo. Em seguida foi criada uma aplicação através do programa de supervisão e controle do tipo SCADA, Elipse PRO, dedicada à supervisão e controle de uma casa de vegetação. Na fase final foram coletados os dados necessários para o treinamento de uma rede neural artificial que é parte integrante do sensor de umidade de solo do tipo capacitivo. Os resultados obtidos através de um conjunto de teste de medidas demonstraram que o sensor capacitivo apresenta comportamento e desempenho similares ao do sensor de do tipo TDR, o que permite concluir que esta solução pode representar uma significativa contribuição, viabilizando a implantação de sistemas de supervisão e controle em processos de irrigação com uma relação custo/benefício em níveis aceitáveis. / The present work had as objective the configuration of a supervisory and control system for irrigation using artificial intelligence techniques. In agreement with adopted methodology, its development was accomplished in three different phases. Initially the following hardware modules were built: Sensors Unit, Data Concentrator Unit and a Capacitive type Soil Moisture Sensor. Soon afterwards an application was created through the supervisory and control program of the type SCADA, Ellipse PRO, dedicated to the supervision and control of a green house. In the final phase the necessary data were collected for the training of an artificial neural network that is integral part of the capacitive type soil moisture sensor. With the application developed in the Ellipse PRO a database was created for the training of the artificial neural network, containing a group of 2440 measures of soil moisture obtained through a capacitive type sensor and a TDR type sensor. The results obtained through a group of test of measures demonstrated that the capacitive sensor presents a similar behavior to the of the TDR type sensor, the one that allows conclude that this solution can represent a significant contribution, making possible the implantation of supervisory and control systems in irrigation processes with a cost/benefit relationship in acceptable levels.

O objetivo principal deste trabalho é estudar empiricamente o processo de formação de expectativas inflacionárias no Brasil, no período recente (pós metas de inflação), através de um modelo conexionista, que aproxima a forma como os agentes fazem previsões. A coordenação das expectativas do mercado em relação à inflação futura é um aspecto crucial do regime de metas de inflação. Dessa forma, entender os fatores que afetam tais expectativas é de grande relevância para o direcionamento adequado da política monetária. Os dados para expectativas de inflação utilizados são provenientes da pesquisa FOCUS do Banco Central do Brasil, e constituem um painel de dados não balanceado. Os resultados obtidos nos permitem afirmar que a maior influência sobre as expectativas inflacionárias no período como um todo foi da volatilidade cambial, seguida pela variação no preço das commodities, pela defasagem de ordem um das expectativas, pela variação cambial e pela meta. Em menor magnitude, afetam as expectativas o resultado primário do governo, a defasagem de ordem dois e a taxa Selic. O comportamento desse efeito ao longo do tempo foi verificado através da análise de sensibilidade do produto da rede em resposta a cada uma das variáveis. No período de crise de confiança, há um expressivo descolamento das expectativas em relação à meta, com um aumento do efeito das demais variáveis. Resultado inverso ocorre no período pós-crise: o efeito da meta de inflação aumenta e das demais variáveis tende a se reduzir, ainda que em alguns casos tais efeitos sejam expressivos (como da defasagem de ordem um e da volatilidade cambial). Isso nos leva a concluir que o Banco Central vem consolidando sua credibilidade ao longo do tempo, mas que há ainda espaço para melhorias. / This work aims to empirically study the formation process of inflationary expectations in Brazil, in the recent period (after the introduction of the inflation targeting policy) by a connexionist model that approaches the way agents forecast. The coordination of market expectations in relation to the future inflation is a crucial aspect of the inflation targeting. This way, understanding the factors that affect such expectations has great relevance for the adequate aiming of the monetary policies. The data for inflation expectations used in this work are from the FOCUS research of the Brazilian Central Bank, and it constitutes a unbalanced data panel. The results obtained allow us to affirm that the biggest influence on the inflationary expectations in the period as a whole was from exchange rate volatility, followed by the commodities prices variation, by the first order lag of the expectations, by the exchange rate variation and by the target. In lesser magnitude, the primary result of the government, the second order lag and the Selic tax affect the expectations. The behavior of this effect throughout the time was verified through the analysis of sensitivity of the product of the network in reply to each one of the inputs. In the period of reliable crisis, there is an expressive shift of the expectations in relation to the target, with an increase of the effect of the other variables. Inverse result occurs in the after-crisis period: the effect of the inflation target increases and of the other variables tend to be reduced, despite in some cases such effect are expressive (as the first order lag and exchange rate volatility). Thus we may conclude that the Brazilian Central Bank has been consolidating its credibility throughout the time, but there is still an open space for improvements.

O presente trabalho propõe um novo modelo de rede neural artificial voltado a aplicações robóticas, em especial a tarefas de natureza espaço-temporal e de horizonte infinito. Este modelo apresenta três características que o tornam único e que foram tomadas como guia para a sua concepção: auto-organização, representação temporal e aprendizado construtivo. O algoritmo de aprendizagem auto-organizada incorpora todos os mecanismos que são básicos para a auto-organização: competição global, cooperação local e auto-amplificação seletiva. A rede neural é suprida com propriedades dinâmicas através de uma memória de curto prazo. A memória de curto prazo é inserida na estrutura da rede por meio de integradores e diferenciadores, os quais são implementados na camada de entrada da rede. Nesta abordagem existe uma evidente separação de papéis: a rede é responsável pela não-linearidade e a memória é responsável pelo tempo. A construção automática da arquitetura da rede neural é realizada de acordo com uma unidade de habituação. A unidade de habituação regula o crescimento e a poda de neurônios. O procedimento de inclusão, adaptação e remoção de conexões sinápticas é realizado conforme o método de aprendizado hebbiano competitivo. Em muitos problemas práticos, como os existentes na área da robótica, a auto-organização, a representação temporal e o aprendizado construtivo são fatores imprescindíveis para o sucesso da tarefa. A grande dificuldade e, ao mesmo tempo, a principal contribuição deste trabalho consiste em integrar tais tecnologias em uma arquitetura de rede neural artificial de maneira eficiente. Estudos de caso foram elaborados para validar e, principalmente, determinar as potencialidades e as limitações do modelo neural proposto. Os cenários abrangeram tarefas simples de classificação de padrões e segmentação temporal. Os resultados preliminares obtidos demonstraram a eficiência do modelo neural proposto frente às arquiteturas conexionistas existentes e foram considerados bastante satisfatórios com relação aos parâmetros avaliados. No texto são apresentados, também, alguns aspectos teóricos das ciências cognitivas, os fundamentos de redes neurais artificiais, o detalhamento de uma ferramenta de simulação robótica, conclusões, limitações e possíveis trabalhos futuros. / The present work proposes a new artificial neural network model suitable for robotic applications, in special to spatiotemporal tasks and infinite horizon tasks. This model has three characteristics which make it unique and are taken as means to guide its conception: self-organization, temporal representation and constructive learning. The algorithm of self-organizing learning incorporates all the mechanisms that are basic to the self-organization: global competition, local cooperation and selective self-amplification. The neural network is supplied with dynamic properties through a short-term memory. The short-term memory is added in the network structure by means of integrators and differentiators, which are implemented in the input layer of the network. In this approach exists an evident separation of roles: the network is responsible for the non-linearity and the memory is responsible for the time. The automatic construction of the neural network architecture is carried out taking into account habituation units. The habituation unit regulates the growing and the pruning of neurons. The procedure of inclusion, adaptation and removal of synaptic connections is carried out in accordance with competitive hebbian learning technique. In many practical problems, as the ones in the robotic area, self-organization, temporal representation and constructive learning are essential factors to the success of the task. The great difficulty and, at the same time, the main contribution of this work consists in the integration of these technologies in a neural network architecture in an efficient way. Some case studies have been elaborated to validate and, mainly, to determine the potentialities and the limitations of the proposed neural model. The experiments comprised simple tasks of pattern classification and temporal segmentation. Preliminary results have shown the good efficiency of the neural model compared to existing connectionist architectures and they have been considered sufficiently satisfactory with regard to the evaluated parameters. This text also presents some theoretical aspects of the cognitive science area, the fundamentals of artificial neural networks, the details of a robotic simulation tool, the conclusions, limitations and possible future works.