As Redes Neurais Artificiais (RNAs) vêm sendo empregadas com cada vez mais sucesso em diversas áreas de pesquisa, no campo da engenharia e em outros campos diversos. Neste trabalho foram modeladas séries fluviométricas relativas às afluências a quatro reservatórios, localizados em quatro bacias hidrográficas distintas que compõem a Bacia Metropolitana de Fortaleza, Ceará, Brasil. Tais afluências apresentam peculiaridades relativas à ocorrência de magnitudes nulas, que dificultam sua modelagem através dos convencionais modelos estatísticos da família Box-Jenkins. Neste estudo foram trabalhadas duas abordagens distintas, a primeira univariada, em que cada série era modelada de forma individual, e a segunda multivariada, em que as séries fluviométricas eram modeladas simultaneamente. Os resultados obtidos, segundo ambas as modelagens, demonstram que a técnica apresenta potencial para a aplicação pretendida. Estudos futuros merecem ser desenvolvidos ainda no sentido de verificar a melhor maneira de se enquadrar a componente aleatória nas séries sintéticas produzidas via RNAs. / Artificial Neural Networks (ANNs) are being used more and more in many different fields of research, in engineering applications or other applications. This research deals with modeling of inflows to four reservoirs, located in different watersheds that belong to the Metropolitan Watershed of Fortaleza city, Brazil. These discharge sequences have particular characteristics in that they have frequent occurence of null discharges which makes it difficult to use traditional statistical models such as those Box-Jenkis family. Two different modeling approaches were adopted in this study, the first univariate, in which each time series was modeled individually, and the second multivariate, in which the four time series were modeled simultaneously. The results from the both approaches show that the technique has potential for use in water resources planning and management. Future studies are required to propose better means of incorporing the random component in the generation of synthetic time series through ANNs.

Submitted by (ana.araujo@ufrpe.br) on 2016-05-20T13:54:50Z No. of bitstreams: 1 Ana Virginia Pedrosa Figueiredo.pdf: 2045507 bytes, checksum: 8ec16ce7fe3a69992ddd7f91512eb706 (MD5) / Made available in DSpace on 2016-05-20T13:54:50Z (GMT). No. of bitstreams: 1 Ana Virginia Pedrosa Figueiredo.pdf: 2045507 bytes, checksum: 8ec16ce7fe3a69992ddd7f91512eb706 (MD5) Previous issue date: 2007-02-26 / One of the human senses that has several aspects get to be elucidated is the olfactory sense. Therefore, many scientists have been studying this sense in order to better understand how does the information processing happens until the brain recognize it. There were lots of theories regarding olfactory system functioning, in which its authors try to explain how the reception, the analysis and the odor detection occur. Many people still use their own noses as a working tool. In this kind of job, people are trained to inhale and detect different odors. It is considered as an exhausting and risky job for those professional that, for example, could inhale toxics gases. In order to solve this problem, many systems that try to simulate a biological nose were developed. These systems are known as artificial noses. An artificial nose is an equipment composed of sensors and a pattern recognition system. The sensors are responsible for detecting odor signs from the external environment. The pattern recognition system is used to classify the signs sent by sensors and to provide a result from these signs.In the present work, artificial neural network techniques were used for the patternrecognition process, once these techniques are non-parametric and usually nonlinear. The usage of artificial neural networks as an odor recognition system has been quite advantageous. These networks are capable of working with non-linear data and also have an adaptation capability, they are tolerant to errors and noise, and have parallel processing. MLP, RBF e PNN were used in the development of an odor recognizing system based on a biologic system model and its results were compared, using the Wilcoxon test on the respective network models without the adaptation to the biologic model. / Um dos sentidos humanos que apresenta vários aspectos que ainda precisam ser elucidados é o sentido do olfato. Para isto muitos pesquisadores vêm estudando este sentido para melhor entender como ocorre o processamento das informações até a etapa de reconhecimento feita pelo cérebro. Desses estudos muitas foram as teorias propostas sobre o funcionamento do sistema olfativo, onde seus autores procuram esclarecer como ocorre a recepção, análise e detecção do odor. Muitas pessoas ainda têm como ferramenta de trabalho seus próprios narizes. Nesse tipo de trabalho pessoas são treinadas para inalar e detectar odores. Esse trabalho é considerado exaustivo e de risco para o profissional que, por exemplo, pode vir a inalar gases tóxicos. Para solucionar esse problema foram criados sistemas que simulam o nariz biológico. Esses sistemas são chamados de narizes artificiais. O nariz artificial é um equipamento formado por sensores e um sistema de reconhecimento de padrões. Os sensores são responsáveis por captar do meioexterno os sinais de odor. O sistema de reconhecimento de padrões é utilizado para classificar os sinais enviados pelos sensores e apresentar um resultado. No presente trabalho, foram utilizadas as técnicas de redes neurais artificiais para o reconhecimento de padrões. Pois essas técnicas são não-paramétricas e geralmente são não-lineares. A utilização de redes neurais artificiais como sistema de reconhecimento de odor tem sido bastante vantajosa. Elas têm a capacidade de trabalhar com dados não-lineares, possuem capacidade de adaptação, são tolerantes a erros e a ruídos e também possuem processamento paralelo. Foram utilizadas as redes MLP, RBF e PNN para o desenvolvimento de um sistema de reconhecimento de odor baseado em um modelo do sistema olfativo biológico e seus resultados foram comparados, utilizando o teste de Wilcoxon, com os respectivos modelos de redes sem a adaptação ao modelo biológico.

Orientador: Rubens Maciel Filho / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Química / Made available in DSpace on 2018-08-17T00:14:12Z (GMT). No. of bitstreams: 1 Ribeiro_PleycienneTrajano_D.pdf: 5889372 bytes, checksum: fb40a08b4781dc281483bc320321f3ff (MD5) Previous issue date: 2010 / Resumo: Este trabalho teve como principal objetivo o desenvolvimento e implementação de um controlador adaptativo do tipo regulador auto-ajustável (STR - Self Tuning Regulator), com a subsequente comparação de seu desempenho com um controlador PID (proporcionalintegrativo-derivativo) e dois controladores preditivos: um preditivo baseado em redes neurais artificiais e um controlador DMC (Dynamic Matrix Control). Esses esquemas de controle foram todos implementados na ferramenta de simulação desenvolvida, o FCCGUI (Fluid Catalytic Cracking Graphical User Interface). Como modelo para estimativa dos parâmetros do controlador adaptativo foi treinada e validada uma rede neural. Esse modelo caixa-preta forneceu uma abordagem eficiente para identificação e controle não-linear do processo de craqueamento catalítico. Para implementação do controlador adaptativo foram estruturadas três novas malhas de controle PID a partir de estudos estatísticos desenvolvidos para a análise dos efeitos das variáveis de processo e suas interações. Dentre essas novas malhas de controle, optou-se pela implementação do controle adaptativo no par manipulada-controlada CTCV-SEVER (abertura de catalisador regenerado - severidade da reação). Após aperfeiçoamentos e reestruturações no simulador FCCGUI, foram realizadas várias simulações para avaliação gráfica e numérica do desempenho do controlador através do critério de desempenho dinâmico ITAE (Integral of Time and Absolute Error). O controlador adaptativo apresentou bons resultados, tanto para testes servo quanto para regulatórios em comparação com a estratégia PID sem adaptação, bem como para as demais estratégias disponíveis no simulador, MPC-RNA (Model Predictive Control baseado em uma Rede Neural Artificial) e DMC. A capacidade de ajuste dos parâmetros do controlador torna-o uma estratégia promissora para sistemas que sofrem com alterações contínuas em suas variáveis de processo ou mudanças de setpoint / Abstract: This work had as main objective the development and implementation of an selftuning regulator (STR) adaptive controller, with subsequent comparison of its performance with a PID (proportional-integral-derivative) controller and two predictive controllers, namely a predictive based on artificial neural networks (MPC-ANN) and a dynamic matrix controller (DMC). These control schemes were all implemented in the developed simulation tool, the FCCGUI - Fluid Catalytic Cracking Graphical User Interface. An artificial neural network, used as a model to estimate controller parameters, was trained and validated. This black box model provided an efficient approach for identification and nonlinear control of the catalytic cracking process. To implement the adaptive controller, three new PID control loops were structured based on statistical studies designed to analyze the effects of process variables and their interactions. The implementation of adaptive control was chosen to be in the manipulated-controlled pair CTCV-SEVER (regenerated catalyst valve opening - reaction severity). After restructuring and improvements in the simulator FCCGUI, several simulations were performed for graphical and numerical evaluation of controller performance through ITAE (Integral of Time and Absolute Error) dynamic performance criterion. The adaptive controller presented good results for both tests: servo and regulatory, in comparison with PID strategy without adaptation and other strategies available to the simulator, MPC-ANN and DMC. The ability to adjust the parameters of the controller makes it a promising strategy for systems that suffer from continuous changes in their process variables or setpoints / Doutorado / Desenvolvimento de Processos Químicos / Doutor em Engenharia Química

Orientadores: Marcio Luiz de Andrade Netto, João Luis Garcia Rosa / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-05T07:45:24Z (GMT). No. of bitstreams: 1 Orru_Telvio_M.pdf: 2398157 bytes, checksum: c5119e1b22c57334ce4532605c1b38b2 (MD5) Previous issue date: 2005 / Resumo: Propõe-se, neste projeto, a criação de uma ferramenta computacional para geração de novos sumários a partir de novos textos-fonte, por meio do uso de abordagem conexionista (Redes Neurais Artificiais). Dentre as contribuições que este trabalho pretende trazer à área de Processamento de Línguas Naturais, destaca-se a abordagem biologicamente mais plausível da arquitetura e do treinamento conexionistas para a sumarização automática. Utilizou-se esta abordagem para o treinamento da rede pois acredita-se que este tratamento poderá trazer ganhos em relação à eficiência computacional quando comparado aos modelos conexionistas considerados biologicamente implausíveis / Abstract: It is proposed here an implementation of a computational tool to generate new summaries from new source texts, by means of a connectionist approach {artificial neural networks). Among other contributions that this work intends to bring to natural language processing, it is highlighted the use of biologically more plausible connectionist architecture and training for automatic summarization. The choice relies on the expectation that it may bring an increase in computational efficiency when compared to the so-called biologically implausible algorithms / Mestrado / Engenharia de Computação / Mestre em Engenharia Elétrica

Induction motors are largely used in the industry in our days and the temperature monitoring in these motors is extremely important for their operation. Through this monitoring one can estimate when and how often the maintenance will be performed, adjust the proper protection and identify abnormal operation conditions. In some cases the installation of thermal sensors is not possible due to physical or economical restrictions and the utilization of virtual instrumentation is an option. The following work presents a study for a specific condition where the stator temperature for a generic induction motor in a steady state operation is estimated by using an Artificial Neural Network. The purpose of this study is the evaluation of the applicability of this tool for this specific case and it is the staring point for further studies where the feasibility of a general system can be tested. After simulating the proposed Artificial Neural Network using the backpropagation algorithm it was concluded that this is an applicable method to solve this problem and can be extended to more complex systems. / Os motores de indução são largamente usados em vários setores da sociedade. Entre os setores que mais os utilizam está o setor industrial. Existem vários aspectos a serem considerados na sua operação, entre eles a monitoração da sua temperatura de trabalho. Através desse monitoramento pode-se estimar quando e com que freqüência sua manutenção se faz necessária, condições anormais de funcionamento e também o ajuste de proteções. Em alguns casos a instalação de sensores térmicos não é possível devido a limitações físicas ou econômicas e uma opção é a utilização da instrumentação virtual. O trabalho apresentado faz um estudo de uma dada condição de operação de um motor de indução trifásico cuja temperatura será estimada através de Redes Neurais Artificiais. O objetivo desse estudo é avaliar a aplicabilidade dessa ferramenta para esse caso específico como ponto de partida para estudos futuros, onde a viabilidade da aplicação para sistemas mais generalizados possa ser testada. Após a simulação da Rede Neural Artificial proposta utilizando o algoritmo backpropagation, concluiu-se que é possível aplicar essa metodologia para esse caso e isso indica a possibilidade de aplicá-la em sistemas mais complexos.

AgÃncia Nacional do PetrÃleo / Commercial gasolines are normally produced by blending hydrocarbon fractions obtained from the distillation of crude oil or from other petrochemical or refining processes, and carried through in order to comply with a variety of legal and ambient specifications at minimum cost. The quality for the use and commercialization of gasolines is evaluated through certain characteristics specified by governmental regulation. Such characteristics are usually determined by different methodologies and experimental techniques, since those depend on their constituents and their respective concentrations with a high complexity. Thus, blending of gasolines in petrochemical and refining industries is sometimes a very laborious procedure. The prediction of fuel properties from composition data is growing in importance in the last few years. Methods of group contribution have been used in the last decades to predict properties of pure organic compounds and some mixture parameters (e.g., UNIFAC). However, most of the recent studies use artificial neural networks as a technique for prediction for fuel properties using the composition of classes of constituents or key-compounds as input data. The main advantage of a neural network is its capacity to extract general and unknown information for certain series of data (training), supplying useful and fast models for prediction. However, the use of neural networks trained to predict properties of fuels produced from one given combination of petroleum fractions can not be suitable in the prediction of the characteristics of other gasolines produced from other origins due to the complexity and variability of gasoline composition. In this study, methods of multiple linear regression and artificial neural networks have been evaluated in the correlation and prediction of gasoline properties from information of composition obtained by gas chromatography, as well as a methodology for prediction of properties using a hybrid method composed of neural networks and group contribution. The developed model is evaluated and compared to other methods, revealing to be sufficiently promising for prediction of properties of pure components and complex mixtures. / As gasolinas comerciais sÃo normalmente produzidas a partir de combinaÃÃes de fraÃÃes oriundas da destilaÃÃo do petrÃleo ou de outros processos petroquÃmicos e de refino e realizadas de modo a atender uma variedade de especificaÃÃes legais e ambientais, com o mÃnimo de custo possÃvel. A qualidade para o uso e comercializaÃÃo de uma gasolina à avaliada atravÃs de certas caracterÃsticas especificadas por leis e normas governamentais. Estas caracterÃsticas sÃo normalmente determinadas por diferentes metodologias e tÃcnicas experimentais, haja vista que dependem dos seus constituintes e suas respectivas concentraÃÃes com uma complexidade bastante elevada, tornando a formulaÃÃo da gasolina originada em refinarias e petroquÃmicas, um procedimento muitas vezes bastante laborioso. O intuito de se predizer propriedades de derivados de petrÃleo a partir de dados de composiÃÃo à antigo e vem crescendo em importÃncia nos Ãltimos anos. MÃtodos de contribuiÃÃo de grupos tÃm sido utilizados ao longo das Ãltimas dÃcadas para predizer propriedades de compostos orgÃnicos puros e alguns parÃmetros de misturas (e.g., UNIFAC). Entretanto, a maior parte dos estudos mais recentes utiliza redes neurais artificiais como tÃcnica para prediÃÃo de propriedades de combustÃveis usando a composiÃÃo de grupos de compostos ou mesmo de compostos-chave como informaÃÃo de entrada. A principal vantagem de uma rede neural à sua capacidade de extrair informaÃÃes gerais e desconhecidas para certa sÃrie de dados (treinamento), fornecendo modelos de prediÃÃo Ãteis e rÃpidos tanto para sistemas lineares como nÃo-lineares. PorÃm, dada a complexidade e variabilidade dos constituintes das gasolinas, a utilizaÃÃo de redes neurais treinadas para modelar as propriedades destes combustÃveis produzidos a partir de uma dada combinaÃÃo de fraÃÃes petrolÃferas pode nÃo se adequar na prediÃÃo das caracterÃsticas de gasolinas obtidas a partir de uma outra origem. Neste estudo, mÃtodos de regressÃo linear mÃltipla e redes neurais artificiais foram avaliados na correlaÃÃo e prediÃÃo de propriedades de gasolinas a partir de informaÃÃes de composiÃÃo obtidas por cromatografia gasosa, como tambÃm foi desenvolvida uma metodologia de prediÃÃo de propriedades utilizando um mÃtodo hÃbrido de redes neurais e contribuiÃÃo de grupos. O modelo desenvolvido à avaliado e comparado aos demais, mostrando-se bastante promissor para prediÃÃo de propriedades de componentes puros e misturas mais complexas.

Made available in DSpace on 2015-04-20T12:31:43Z (GMT). No. of bitstreams: 1 TESE_GILBERTO.pdf: 7344117 bytes, checksum: 7ee42bd37c36d7f42cd43ff6b511a8d2 (MD5) Previous issue date: 2010-12-08 / Fundação de Amparo à Pesquisa do Estado do Amazonas / A Amazônia Brasileira contém a maior diversidade conhecida de peixes da Ordem Gymnotiformes. Estes peixes elétricos, como são popularmente conhecidos, têm sido intensamente estudados por causa de sua capacidade bioelétrica. Em função destes dois fatores, neste estudo desenvolveu-se procedimentos biotecnológicos para sensoriamento ambiental por meio do processamento e análise das descargas do órgão elétricos (DOEs) de Gymnotiformes. Estes procedimentos geraram subsídios para compor um sistema de alerta ambiental, com peixes elétricos como biossensores de contaminações por petróleo na água, com dois principais fatores modelados: depleção de oxigênio dissolvido (hipoxia) e a presença da fração solúvel de petróleo em água (Benzeno, Tolueno, Etilbenzeno e Xileno - BTEX). Foram desenvolvidos algoritmos computacionais utilizando-se técnicas de inteligência artificial com redes neurais artificiais de múltiplas camadas. Estes algoritmos foram testados para o reconhecimento de padrões nas DOEs de Gymnotiformes, com a classificação por meio de características mais basais da taxa de repetição (pulso e onda), e, com a classificação por Genero de Gymnotiformes onduladores. Redes neurais artificiais de uma camada interna com 64 neurônios, algoritmo de treinamento retropropagativo com renovação das taxas de aprendizados por relações heurísticas e validação cruzada via erro médio quadrático, obtiveram máxima performance na avaliação computacional das DOEs.

O presente trabalho tem como objetivo principal o desenvolvimento de um sistema de identificação do surgimento de vazamentos (rupturas) em dutos, através da análise do sinal de sensores de pressão de resposta rápida (frequência de corte superior a 1 kHz). O reconhecimento do sinal de vazamento se realiza através de uma rede neural artificial feed-foward do tipo Perceptron Multi Camadas, previamente treinada. Neste trabalho, a implementação para tal operação foi feita off-line, mas devido ao baixo custo computacional pode ser facilmente implementada em eletrônica embarcada, em tempo real (on-line). Os resultados experimentais foram obtidos no oleoduto piloto do NETeF - Núcleo de Engenharia Térmica e Fluidos da USP - Universidade de São Paulo, com uma seção de testes com 1500 metros e diâmetro de 51,2 mm. Especificamente, os resultados foram obtidos com escoamento monofásico de água. Os resultados mostram-se promissores, visto que o sistema de redes neurais artificiais foi capaz de discriminar 2 universos linearmente separáveis, para sinais de vazamento e de não vazamento, para diversas vazões e localizações de vazamentos simulados. / The present dissertation deals with the development of a system to identify abrupt leaks (ruptures) in pipelines, by analyzing the signal of fast response pressure sensors (cutoff frequency over then 1kHz). The recognition of the leak signal is established by an artificial neural network feed-forward Perceptron Multi Layer, previously trained. In the present work the implementation was performed off-line, but due to low computational costs, the neural network can be easily implemented in real time embedded electronics (online). The experimental results were obtained in a 1500 meter-long and 51.2 millimeter-diameter pilot pipeline at the Center of Thermal Engineering and Fluids. Specifically, the results were obtained with single-phase flow of water. The results have proven to be promising, as the trained neural network was capable of classifying the 2 types of signals into 2 linearly separable regions, for leakage signals and no leakage signals, for various flow rates and locations of simulated leaks.

Este trabalho apresenta um sistema de trading que toma decisões de compra e de venda do índice Standard & Poors 500, na modalidade seguidor de tendência, mediante o emprego de redes neurais artificiais multicamadas com propagação para frente, no período de 5 anos, encerrado na última semana do primeiro semestre de 2012. Geralmente o critério usual de escolha de redes neurais nas estimativas de preços de ativos financeiros é o do menor erro quadrático médio entre as estimativas e os valores observados. Na seleção das redes neurais foi empregado o critério do menor erro quadrático médio na amostra de teste, entre as redes neurais que apresentaram taxas de acertos nas previsões das oscilações semanais do índice Standard & Poors 500 acima de 60% nessas amostras de teste. Esse critério possibilitou ao sistema de trading superar a taxa anual de retorno das redes neurais selecionadas pelo critério usual e, por larga margem, a estratégia de compre e segure no período. A escolha das variáveis de entrada das redes neurais recaiu entre as que capturaram o efeito da anomalia do momento dos preços do mercado de ações no curto prazo, fenômeno amplamente reconhecido na literatura financeira. / This work presents a trend follower system that makes decisions to buy and sell short the Standard & Poors 500 Index, by using multilayer feedforward neural networks. It was considered a period of 5 years, ending in the last week of the first half of 2012. Usually a neural networks choice criterion to forecast financial asset prices is based on the least mean square error between the estimated and observed prices in the test samples. In this work we also adopted another criterion based on the least mean square error for those neural networks that had a hit rate above 60% of the Standard & Poors 500 Index weekly change in the test sample. This criterion was shown to be the most appropriate one. The neural networks input variables were chosen among those technical indicators that better captured the anomaly of the short term momentum of prices. The annual rate of return of the trading system based on those criteria surpassed those selected by the usual criteria, and by a wide margin the buy-and-hold strategy. The neural networks inputs were chosen to capture the momentum anomaly of the prices on the short term that is fully recognized in the financial literature.

O oxicorte produz superfícies que variam entre um padrão semelhante à usinagem até outro em que o corte é praticamente sem qualidade. Além das condições de equipamentos e habilidade de operadores, estas possibilidades são conseqüências da correta seleção de parâmetros e variáveis de trabalho. O processo baseia-se numa reação química fortemente exotérmica, que gera parte de calor necessário para sua ocorrência juntamente com o restante do calor proveniente da chama do maçarico. A proporção entre estes valores é fortemente dependente, entre outros fatores, da espessura do material utilizado. Este trabalho mostra como calcular a quantidade de energia gerada no oxicorte, com duas metodologias de diferentes autores, estuda de que maneira fatores como a variação da concentração do oxigênio e a temperatura inicial das chapas cortadas podem variar o balanço térmico e simula, com a utilização de Redes Neurais Artificiais, alguns dos dados necessários para a realização destes cálculos. Para isto foram cortadas chapas de aço carbono ASTM A36 de 12,7 a 50,8 mm, com diferentes concentrações de O2 (99,5% e 99,95%) e diferentes temperaturas de pré-aquecimento das chapas (30 e 230±30ºC). As superfícies cortadas foram caracterizadas, os óxidos produzidos identificados e os resultados foram correlacionados com o uso de tratamento matemático e técnicas de inteligência artificial. Para a realização do trabalho alguns aspectos não existentes em literatura foram superados como o desenvolvimento de uma metodologia para a caracterização dos óxidos de Fe por meio de difração de raios X com o método de Rietveld, a utilização de redes neurais artificiais para estimativa de resultados no processo oxicorte e a comparação entre diferentes redes neurais artificiais, que são também aspectos inéditos apresentados nos sete artigos técnicos publicados no decorrer deste trabalho. Os resultados apresentam: uma metodologia para a análise da eficiência energética do processo, o desenvolvimento de técnicas que, com o emprego de inteligência artificial simulam o comportamento de aspectos do processo, o que por fim possibilita a simulação da análise de sua eficiência energética. / Oxygen cutting process produces surfaces that vary from a machine cut finishing to one of virtually no quality at all. Besides equipment conditions and operators\' skills, these possibilities result from the correct selection of work parameters and variables. The process is based on a highly exothermic chemical reaction that generates part of the heat needed for its occurrence, along with the rest of heat resultant from the flame of the blowpipe. The ratio between these values depends highly on the thickness of the material used. This work shows how to calculate the amount of energy generated in the cutting process. Based on two methodologies of different authors, this research studies how factors such as the change in the oxygen concentration and the pre heating temperature of plates can vary the heat balance and simulates, with the use of Artificial Neural Networks, some of the data needed to perform these calculations. ASTM A36 carbon steel plates, from 12.7 to 50.8 mm thick, with different oxygen concentration (99,5% e 99,95%) and preheating temperatures (30 and 230 ±30ºC) were cut. The cut surfaces and the produced oxides were characterized and the results were correlated with the use of mathematical treatment and artificial intelligence techniques. In order to carry out this work some previously inexistent aspects in literature have been developed, such as a Fe oxides characterization methodology with X-ray diffraction and Rietveld method; the use of artificial neural networks to simulate the results in the oxygen cutting process and the comparison between different artificial neural networks, which are unpublished aspects of this work that can be seen in seven technical papers published while this work was in progress. Results show: a methodology for the analysis of the energy efficiency of the process; the development of techniques that, together with artificial intelligence, simulate the results of aspects of the process; which finally allows the simulation analysis of the energy efficiency of the process.