O NAVSTAR-GPS, com uma grande variedade de conjuntos receptores e sua aplicabilidade prática em diversas áreas, transformou-se no mais difundido dos sistemas de posicionamento. Porém, necessidades cada vez maiores em termos de precisão trouxeram consigo o ônus de um custo elevado com a aquisição de equipamentos de dupla freqüência. Este trabalho consiste no desenvolvimento de um método que possibilite a modelagem das observáveis GPS, através de Redes Neurais Artificiais, bem como a agregação destes dados a um arquivo gerado por um receptor de uma freqüência, conferindo-lhe características específicas de arquivos gerados por receptores de dupla freqüência e código P. Isto possibilita que dados gerados por receptores de uma freqüência, a imensa maioria dos receptores utilizados no Brasil, possam ser processados como vetores de bases longas. Os resultados obtidos indicam que o uso de modelos neurais, treinados por algoritmos de aprendizado supervisionado, são uma alternativa promissora para estimar dados GPS. / The NAVSTAR-GPS, with a great variety of receivers and its practical aplicabillity in several areas, transformed itself in the most known positioning system. But the necessity of improving the results precision brings with it a cost increasing caused by the use of equipments of dual frequency equipments. This work consist on the development of a method that makes possible the GPS data modelling using Neural Networks, as well as the aggregation of these data into a file generated by single frequency receiver, providing to the system specific characteristics of files generated by double frequency an P code receiver. This makes possible that data generated by receivers of single frequency, the majority of receivers in Brazil, can be processed as vectors of long bases. The results obtained indicate that the use of Neural Network models, with algorithms of supervised learning are a promissing alternative to estimate GPS data.

Este trabalho apresenta uma estratégia para a estimativa de velocidade do motor de indução trifásico baseada em redes neurais artificiais utilizando medidas de variáveis primárias como tensão e corrente. O uso de motores de indução trifásicos é uma constante em diversos setores industriais e de grande importância no cenário energético nacional. A maioria das metodologias de controle, acionamento e dimensionamento destes motores é fundamentada nas medidas de velocidade no eixo. Entretanto, a medida direta da velocidade compromete o sistema de controle e acionamento diminuindo sua robustez e aumentando o custo de implementação. Resultados de simulação e de ensaios experimentais para validação da proposta são também apresentados. / This work presents an approach to estimate speed in induction motors based on artificial neural networks and using measurement of primary variables like voltage and current. The use of induction motors is very common in many industrial sectors and plays an important role in the national energetic scene. The methodologies used in control, start up and dimensioning of these motors are based on measure of the speed variable. However, the direct measure of this variable compromises the system control and start up of the machine, reducing its robustness and increasing the implementation costs. Simulation results and experimental data are presented to validate the proposed approach.

Estudos com o objetivo de prever insolvência de empresas e que fazem uso de técnicas estatísticas modernas são conduzidos desde a década de 1960. Esta linha de pesquisa, que inicialmente usou técnicas univariadas, e em seguida incorporou as análises multivariadas, hoje emprega largamente técnicas que fazem uso de inteligência artificial e que necessitam uma grande capacidade de processamento computacional. Esta evolução trouxe melhorias contínuas aos resultados alcançados e hoje é possível afirmar que os demonstrativos financeiros de empresas quando analisados adequadamente são uma fonte importante de informação para a previsão de insolvência. Esta pesquisa teve como principal objetivo desenvolver e comparar modelos estatísticos usando as técnicas de Análise Discriminante Linear, Regressão Logística e Redes Neurais Artificiais a fim de investigar qual delas oferece os melhores resultados. A amostra foi composta por 40 empresas, divididas em dois grupos: o primeiro com empresas formalmente insolventes segundo os critérios da legislação brasileira, e o segundo com empresas sem tais problemas. Foram usadas inicialmente 16 variáveis para predição e empregou-se um critério de seleção de variáveis baseado nos melhores subconjuntos possíveis ao invés do stepwise. Foi tomado especial cuidado com os pré-requisitos das técnicas, sobretudo da Análise Discriminante, como normalidade e ausência de multicolinearidade das variáveis independentes. Os resultados das previsões obtidas com os modelos foram coerentes com o esperado, ou seja, a Análise Discriminante teve um desempenho inferior à Regressão Logística que também foi superada pelas Redes Neurais Artificiais. / Researches in bankruptcy prediction of companies that make use of modern statistics techniques are being held since the 1960’s. This branch of study, which initially employed univariate techniques, and then assimilated the multivariate techniques today uses artificial intelligence, a techniques that needs a great computational processing capability. This evolution brought continuing improvements to the results achieved and today is possible to say that financial statements when properly analyzed are a good source of information to the prediction of financial distress. This research aimed mainly the development of prediction models using Discriminant Analysis, Logistic Regression and Artificial Neural Networks so that they could be compared in terms of predictive capabilities. The sample consisted of 40 firms divided in 2 groups (bankrupt and non bankrupt companies) according to the Brazilian bankruptcy law. The 16 initial predictors were selected to enter the model according to the best subsets procedure in order than the stepwise procedure. Special attention was taken to accomplish the pre-requisites of the techniques, above all the Discriminant Analysis, like normality and lack of multicollinearity of the independent variables. The findings of the predictions were reasonable and according to what was expected: the Discriminant Analysis was outperformed by the Logistic Regression that was also outperformed by the Artificial Neural Networks.

Dans le cours des dernières années, la traçabilité s’est positionnée au cœur de plusieurs enjeux fondamentaux pour les entreprises. Cependant, cette notion est encore aujourd’hui vue comme une contrainte, servant uniquement à respecter des impositions légales et à rappeler des produits non-conformes. Dans ce projet, nous nous sommes attachés à élargir la définition de traçabilité aux domaines de la prévision et de la protection, pour qu’elle ne soit plus perçue comme une obligation supplémentaire à assumer, mais comme un véritable argument d’avantage concurrentiel. Ces travaux de recherche sont consacrés à l’exploitation des informations de traçabilité par l’utilisation des techniques d’intelligence artificielle et de recherche opérationnelle, afin de proposer des actions d’amélioration en production et en logistique. Ils ont été menés en collaboration avec la société ADENTS International, experte en traçabilité. Ce projet est composé de deux principaux axes de travail : l’un portant sur le diagnostic de la criticité d’une production, en fonction des informations de traçabilité et l’autre sur les actions à entreprendre par rapport à ce diagnostic. Dans le premier, nous remarquons l’importance de la notion de dispersion de matières premières et des composants, ainsi que celle des écarts en termes de qualité et de sécurité. Dans le second, nous nous intéressons d’avantage à la notion de rappel de produits, visant une gestion de transformations adaptée en aval de la production, afin de minimiser ces rappels. Pour la mise en place de ces deux grandes activités, nous nous sommes engagés à proposer des modèles et des méthodes flexibles et réactives, pouvant s’adapter à la versatilité ontologique des flux d’informations de traçabilité / The recent product traceability requirements demonstrate an industrial need to improve the information management strategies within traceability systems in order to evolve from reactivity to proactivity. The aim of this work is to exploit the recently available real-time access to traceability information. We propose the utilization of artificial intelligence and operational research techniques to analyse the information and therefore suggest improvement actions. This research project is composed of two main activities: first, the diagnosis of the criticality value associated to a production regarding the traceability information and second, the actions to undertake as a result of this diagnosis. One of the issues studied in this thesis is the problem of minimizing the size of products recall. Initially the problem of raw materials dispersion minimization is analysed. Then a result of the dispersion rate along with other production criteria are evaluated in order to determine a risk level criterion in terms of quality and security that we name “production criticality”. This criterion is used subsequently to optimize deliveries dispatch with the purpose of minimizing the number of batch recalls in case of crisis. This is achieved by implementing flexible and reactive tools

O crescente aumento na demanda de energia elétrica nacional, associada às alterações regulamentares do setor, em que o tempo que um equipamento permanece indisponível para o sistema, aguardando manutenção significa perda de receita para as companhias de energia, motivou a busca por diagnósticos precisos e utilização de técnicas não invasivas que possam ser aplicadas em transformadores em serviço. Assim, o foco desta pesquisa foi o desenvolvimento de uma arquitetura de sistema inteligente baseado em Redes Neurais Artificiais, que a partir de características extraídas de sinais de emissão acústicas provenientes de sensores distribuídos espacialmente no tanque de transformadores de potência, possa identificar internamente o local de ocorrência das descargas parciais e fornecer as distâncias estimadas entre os sensores e o ponto dessa descarga, e com essas distâncias, utilizando técnicas numéricas de triangulação, o sistema fornece também a coordenada espacial da falha auxiliando no diagnostico de defeito do transformador e no processo de tomada de decisões. / The increasing in the demand for national electrical energy coupled with alterations in the regulation of the sector, where the time which a piece of the electrical system equipment stays out of service means loss of income for the electrical companies, has motivated the search for correct diagnostics and usage of non-invasive technics that can be used in tranformers which are in operation. Therefore, the aim of this research was to develop the design of an intelligent system based on Artificial Neural Nets, which through the characteristics extracted from the acoustic emission signals coming from the sensors spatially distributed in the power transformer tank can identify internally the place of the occourrence of the partial discharges and provide the estimate distances between the sensors and the discharges point, so with these distances using triangle technical analysis the system will also provide the spatial coordinate of the flaw for diagnosing the problem with the transformer and help the process of decision making.

Nesse trabalho é apresentado o estudo de redes neurais artificiais (RNAs) como sistemas de aprendizado, simulação e otimização de processos de deposição de filmes finos poliméricos. Duas técnicas de deposição comumente utilizadas para a fabricação de dispositivos eletrônicos e sensores poliméricos foram escolhidas: i) spin coating ou centrifugação e ii) automontagem. Na primeira técnica, a espessura final dos filmes finos obtidos foi a característica avaliada em função da velocidade de rotação, do tempo de rotação e da concentração da solução polimérica. Como material de deposição, utilizou-se a poli(o-metoxianilina) (POMA). Com a segunda técnica analisou-se a influência sobre a espessura, sobre a condutância elétrica e sobre o espectro de absorção, do número de bicamadas, do tempo de exposição dos filmes a uma solução dopante de ácido clorídrico (HCl) e do pH das mesmas. Os poliíons utilizados nessa técnica foram a polianilina (PAni) e o poli(vinil sulfato de sódio) (PVS). Os filmes obtidos pela segunda técnica de deposição constituem uma classe de sensores capazes de detectar e quantificar concentrações baixas de HCl diluído em água. Os treinamentos e simulações com redes neurais artificiais foram realizados apenas para a espessura dos filmes de POMA e a absorção dos filmes de PAni/PVS. Foram construídas redes neurais artificiais do tipo multilayer perceptron (MLP) utilizando o software MATLAB e o componente Neural Networks Toolbox. A reprodutibilidade e o número de neurônios contidos na camada intermediária foram avaliados. Os resultados mostram que as redes neurais artificiais treinadas fornecem boas respostas simuladas interpolando e extrapolando os valores experimentais utilizados. Como conclusão mostra-se que é possível a utilização dessa ferramenta para auxiliar a engenharia de processos, as técnicas e análises de deposições de filmes finos poliméricos. / In this work it is shown a study of artificial neural networks used as learning and simulating systems to optimize polymeric thin films deposition processes. Two common layer deposition techniques to fabricate polymeric electronic devices and polymeric sensors were chosen: i) spin coating and ii) self-assembly. In the first technique the final thickness of obtained thin films was the analyzed characteristic as a function of spin speed, spin time and solution concentration. For the deposited layers we used poly(o-methoxyaniline) (POMA). In the second technique we analyzed the influence of the number of bilayers, the pH of deposition solutions and the dipping time in the final thickness, electrical resistance and UV-Vis absorption spectra. As polyions, we used polyaniline (PAni) and poly(vinyl sodium sulfate) (PVS). These films could be used as a sensor to detect low concentrations of HCl diluted in water. After obtaining the experimental data we constructed artificial neural networks using multilayer perceptrons (MLP) architecture with MATLAB and its component called Neural Networks Toolbox. The number of neurons in the hidden layer and the reproducibility were analyzed. The results show that the trained artificial neural networks used in this work provide good simulation responses interpolating and extrapolating the experimental data. As a conclusion we show that it is possible to utilize this tool to aid the process engineering and the polymeric thin film deposition techniques and analysis

Nos últimos tempos, observa-se um grande crescimento na utilização de computadores como ferramenta de auxílio nas mais diversas áreas, sendo a Medicina uma das principais áreas dessa utilização. Inúmeras aplicações da Informática podem ser encontradas na área médica, citando-se os sistemas de apoio ao diagnóstico como uma das mais marcantes. Esses sistemas têm como principal objetivo auxiliar o profissional da área no processo de tomada de decisões, o qual pode ocorrer em diferentes etapas de sua atividade. Esse processo normalmente envolve uma grande quantidade de dados e informações, que podem ser armazenadas e processadas muito mais rapidamente por computador. O objetivo principal desse trabalho é o desenvolvimento de um sistema computacional baseado na técnica de redes neurais artificiais, para auxílio ao médico radiologista na confirmação de diagnóstico das chamadas lesões intersticiais pulmonares. O exame radiológico para esse grupo é de difícil interpretação mesmo para profissionais bem treinados, visto o grande número de patologias assim classificadas e a semelhança entre elas. Os dados para treinamento da rede neural são obtidos por protocolo gerado por especialistas, através da revisão de casos com diagnóstico confirmado para determinadas patologias. O sistema desenvolvido é baseado em uma rede neural do tipo perceptron multicamadas, que funciona como um classificador de padrões – dado um conjunto de dados de entrada, a saída é classificada entre determinadas patologias. Nessa pesquisa, são levantados elementos para justificar a utilização de redes neurais artificiais em sistemas de apoio ao diagnóstico, objetivando uma ferramenta confiável para o auxílio ao profissional no seu dia-a-dia, e também uma ferramenta educacional de auxílio ao treinamento e qualificação para os estudantes da área médica. / It is observed that a big growing in the use of computers as a tool to help in several areas, specially in medicine, happened in the past years. A big number of applications of these computers can be found in Medicine, such as the Diagnosis Support System, which is one of the most remarkable. These systems have as its main objective to help in the phases its activity. This process usually involves a lot of data and information, which can be stored by a computer very quickly. The most important objective of this project is the development of a computer system based in artificial neural network to help the Radiologist in the confirmation of the diagnosis of the so-called Interstitial Lung Disease. The radiological examination for this group has a difficult interpretation even to well-trained professionals, due to the big number of classified as well as similar pathologies in this area. The data for the neural net are obtained through a protocol generated by specialists, through the review of cases with confirmed diagnosis for certain pathologies. The developed system is based in a kind of multilayer perceptron neural net, which run as a classifier of patterns. A number of data is given as entry data, afterwards the exit is classified among certain pathologies. In this research, elements to justify the use of the artificial neural net in diagnosis support systems are raised, objectifying a reliable tool to help professionals who use it day by day and also as an educational tool to help in the training and qualification of medical school students.

Submitted by Karen Britto (karenbritto@unipampa.edu.br) on 2018-05-23T14:53:52Z No. of bitstreams: 1 Claudia Guerra Disconzi - 2018.pdf: 2618311 bytes, checksum: 992a7f6adbd1b190b55d289e1b7c08b2 (MD5) / Made available in DSpace on 2018-05-23T14:53:52Z (GMT). No. of bitstreams: 1 Claudia Guerra Disconzi - 2018.pdf: 2618311 bytes, checksum: 992a7f6adbd1b190b55d289e1b7c08b2 (MD5) Previous issue date: 2018-03-19 / O mercado das commodities agrícolas é caracterizado por ser dinâmico e complexo. Os preços no mercado futuro das commodities são negociados em bolsas de valores e variam rapidamente de acordo com diversos fatores, como mudanças cambiais, variações climáticas, políticas governamentais, estoques mundiais, entre outros. Tendo em vista a instabilidade do mercado das commodities, este trabalho tem por objetivo analisar a contribuição das redes neurais artificiais para a previsão de preços de commodities agrícolas no mercado futuro, avaliando o ajuste das redes como ferramenta estratégica no processo de tomada de decisão. Trata-se de uma pesquisa empírica, de caráter descritivo, com abordagem quantitativa. O método utilizado foi o de levantamento, por meio de dados secundários obtidos na base de dados do Cepea. Como resultados, desenvolveram-se redes com desempenho classificados como “ótimos” para todas as commmodities consideradas, o que demonstrou a alta previsibilidade das redes neurais artificiais. Através da construção de cenários de preços mensais para as commodities, verificou-se que as redes selecionadas são sensíveis às variações de alta e queda nos preços. Assim, as RNAs demonstraram ser uma ferramenta importante que pode auxiliar com sucesso os interessados em investir neste mercado, através da simulação do comportamento dos preços. / The commodities market is characterized by being dynamic and complex. Futures market prices are traded on stock exchanges and short-term variables such as exchange rate changes, future payments, government reports, world stocks, among others. Considering the instability of the commodities market, this work aims to analyze the construction of artificial neural networks for forecasting agricultural commodity prices in the future market, with the objective of evaluating the networks as a strategic measure in the process of making decision. It is an empirical research, of descriptive character, with quantitative approach. The method used was the survey, using data base results in the database of Cepea. As networks were developed with indicators as "optimal" for all commodities, which demonstrated a high predictability of artificial neural networks. Through the construction of monthly commodity scenarios, it was verified that the selected networks are sensitive to the variations of rise and fall in prices. Thus, the RNAs have proved to be an important tool that can successfully aid the search in this market, through the simulation of the behavior of prices.

Dentre as técnicas de posicionamento utilizando os sistemas de navegação por satélite globais (GNSS - Global Navigation Satellite Systems), merece destaque a que utiliza dados de uma rede de estações GNSS para gerar estações de referência virtuais. Desde que as estações da rede não estejam separadas por mais de 100 km e o receptor do usuário esteja dentro da região interna à rede de referência, esta técnica de posicionamento pode proporcionar posicionamento com precisão melhor que 10 cm a usuários de receptores de uma frequência. No entanto, o posicionamento em tempo-real pode ser inviabilizado caso ocorra problema de comunicação com as estações da rede de referência. Tendo em vista a relação do conteúdo total de elétrons (TEC - Total Electron Content) com o atraso ionosférico de primeira ordem, esta pesquisa apresenta uma forma de se prever 72 horas do TEC na direção vertical (VTEC - Vertical Total Electron Content) regionalmente com a arquitetura de redes neurais artificiais (RNA) denominada perceptrons de múltiplas camadas (MLP MultiLayer Perceptrons). A metodologia de previsão do VTEC proposta foi empregada na geração de estações de referência virtuais, onde arquivos de previsão do atraso troposférico zenital, produzidos pelo Instituto Nacional de Pesquisas Espaciais (INPE), foram utilizados para considerar o atraso provocado pela atmosfera neutra e as efemérides preditas pelo serviço internacional do GNSS (IGS - International GNSS Service) foram empregadas para calcular a posição dos satélites. As RNA foram treinadas e avaliadas com dados de VTEC extraídos dos mapas da ionosfera globais (GIM - Global Ionospheric Map) produzidos pelo IGS e dos arquivos produzidos com o software Mod_Ion, ambos no formato IONEX (IONosphere Map EXchange), mostrando que o VTEC pode ser previsto por 72 horas com diferença média quadrática (RMS Root Mean Square) que varia de 1,2 unidades de TEC (TECU - TEC Units) a 12,5 TECU, em baixa e alta atividade solar, respectivamente. Dezoito linhas de base, localizadas no oeste do Estado de São Paulo, foram calculadas utilizando estações de referência virtuais e estações de referência reais, verificando-se que o posicionamento relativo tridimensional empregando a metodologia proposta apresentou RMS de aproximadamente 46 cm. Quando avaliada no posicionamento absoluto preciso (PPP Precise Point Positioning), o RMS relacionado com o posicionamento tridimensional foi de 26 cm. / The positioning technique that uses data from a network of GNSS reference stations to generate virtual reference stations should be detached among the Global Navigation Satellite Systems (GNSS) positioning techniques. Since the inter reference station distances are up to 100 km and the user receiver is within the internal region of the network, this technique can provide single frequency receiver users positioning with better accuracy than 10 cm. However, real-time positioning can be impracticable if communication breakdown involving such reference stations occurs. Given the relation between the Total Electron Content (TEC) and the first-order ionospheric delay, this research presents a way to predict 72 hours of vertical TEC (VTEC) regionally using the Artificial Neural Networks (ANN) architecture called MultiLayer Perceptorns (MLP). The proposed VTEC prediction methodology was employed in the generation of virtual reference stations, where files of prediction of zenithal tropospheric delay, produced by the National Institute For Space Research (INPE Instituto de Pesquisas Espaciais), were used to take the neutral atmospheric delay into account and the precise ephemeris predicted by the GNSS International Service (GNSS) were employed to compute satellites positioning. ANN were trained and assessed using VTEC data from the Global Ionospheric Maps (GIM) produced by IGS and the files produced by Mod_Ion software, both in IONEX (IONosphere Map EXchange) format, showed VTEC can be predicted for 72 hours with Root Mean Square difference (RMS) of about 1.2 TEC units (TECU) and 12.5 TECU, respectively, in low solar activity and high solar activity. Eighteen baselines, in the west region of Sao Paulo State, were computed using virtual reference stations and real reference stations, verifying that the three-dimensional relative positioning using the proposed methodology showed RMS of 46 cm. When assessed by precise point positioning (PPP), the three-dimensional RMS positioning was of 26 cm.

De maneira geral, a necessidade de melhorar o desempenho e diminuir o tamanho de sistemas mecatrônicos tem levado a indústria moderna a desenvolver mecanismos de posicionamento com características excelentes de aceleração e precisão. O uso de posicionadores em equipamentos de precisão, em particular no posicionamento da ferramenta/peça na usinagem de ultraprecisão, deve-se à necessidade de se obter rígido controle do perfil a ser fabricado. Neste sentido, foi desenvolvido no Laboratório de Engenharia de Precisão da EESC-USP um microposicionador angular rotativo capaz de monitorar a posição da ferramenta em relação à peça durante o processo de usinagem e fazer as devidas compensações de erros, além da possibilidade de obtenção de geometrias diferenciadas. Neste trabalho encontram-se estudos referentes à aplicação do método dos elementos finitos com o intuito de verificar a funcionalidade do sistema mecânico proposto, avaliando suas características estáticas e dinâmicas. Além disso, propõe-se validar o uso de redes neurais artificiais como ferramenta capaz de auxiliar no desenvolvimento de um algoritmo de identificação de imagens, baseado no conhecimento, que emprega como elemento multi-sensor, imagens interferométricas, representando posições. Dentre as principais características a serem alcançadas pelo algoritmo idealizado está a habilidade de identificar a posição de uma superfície justaposta ao sistema microposicionador angular e, assim, permitir maior rapidez de processamento das informações, possibilitando seu emprego em sistemas de controle em tempo real. A aplicação desta técnica foi avaliada por meio de simulação e apresenta resultados significativos para incentivar pesquisas envolvendo imagens interferométricas. / In broad terms, to achieve high performance and miniturization of mechatronic systems it is necessary to develop positioning mechanisms with high response and precision. The use of positioning devices compatible with precision equipment, particularly in the positioning of a tool relative to a workpiece in ultraprecision machining, results from the need for absolute control of the dimensions of cut. A microtilt stage was developed in the Precision Engineering Laboratory of EESC-USP which is capable of monitoring the position of a diamond tool relative to a workpiece, in-process, permiting error compensation and the generation of complex forms. Finite Element Method is applied to perform a functional analysis (static and dynamic) of the mechanical parts. The use of artifitial neural networks as a tool to help the development of an algortithm for the identification of images is proposed. This algorithm is based on knowledge and employs interferograms as a multi-sensor element representing positions. One desired characteristic of the proposed algorithm is its ability to perform the identification of the position of a surface on the tilt stage and to permit fast processing of the information. This turns the device appropriate to be used in real time applications. This technique was assessed by simulation and presented significant results, encouraging further researches envolving interferometric pattern recognition.