PPGEE - Mestrado em Engenharia Elétrica e de Computação
URI Permanente para esta coleçãohttps://repositorio.ufrn.br/handle/123456789/12008
Navegar
Submissões Recentes
Dissertação Industry 4.0-Compliant Artificial Intelligence-based power transformer fault classification method during data missing conditions(Universidade Federal do Rio Grande do Norte, 2025-03-28) Dantas, Ingrid Thaís Azevêdo; Costa, Flávio Bezerra; Medeiros, Rodrigo Prado de; https://orcid.org/0000-0002-7554-1480; http://lattes.cnpq.br/7510091283933216; http://lattes.cnpq.br/6791400579819527; Silveira, Luiz Felipe de Queiroz; Oleskovicz, MárioTransformadores de potência são elementos fundamentais em sistemas elétricos, responsáveis pela transferência eficiente de energia entre diferentes níveis de tensão. Apesar de sua robustez, esses equipamentos estão sujeitos a falhas ao longo do tempo, como faltas elétricas internas, que comprometem não apenas o próprio transformador, mas também a estabilidade de todo o sistema interligado. Diante desse cenário, torna-se cada vez mais relevante o uso de soluções inteligentes que viabilizem o monitoramento contínuo e a classificação precisa das faltas, contribuindo para diagnósticos mais ágeis, para assim reduzir o tempo de indisponibilidade dos equipamentos. Este trabalho propõe uma abordagem inovadora para a classificação de faltas internas em transformadores de potência, com foco especial naquelas que ocorrem nas buchas. A proposta baseia-se no desenvolvimento de um método que alia técnicas matemáticas avançadas a modelos de aprendizado de máquina supervisionado. Um dos diferenciais da abordagem está na sua capacidade de operar mesmo com dados incompletos, uma condição frequentemente observada em ambientes industriais reais, em que falhas de comunicação, defeitos em sensores ou ruídos nos sinais, por exemplo, podem afetar a integridade medições e consequentemente, dos diagnósticos. A metodologia combina a Transformada Wavelet Estacionária com Bordas em Tempo Real (RT-BSWT) com modelos de aprendizado de máquina. Após a aplicação dessa transformada, são extraídas as energias dos coeficientes que formam a base para a etapa seguinte do método utilizando aprendizado de máquina. Três algoritmos supervisionados foram utilizados na implementação do sistema: Árvore de Decisão, Floresta Aleatória e Regressão Logística. A escolha desses modelos se deu com base em sua boa performance em tarefas de classificação e por sua interpretabilidade. O sistema foi avaliado a partir de uma base de dados simulada, composta por diferentes tipos de faltas internas na bucha do transformador, incluindo faltas monofásicas, bifásicas, trifásicas e fase-terra, aplicadas tanto no lado primário quanto no secundário. Os testes também consideraram variações de ângulo e resistência de falta, condições de carga, presença de ruído e, principalmente, a perda de uma das correntes, com o objetivo de simular condições operacionais realistas. Os resultados demonstraram que a abordagem proposta é altamente eficaz, alcançando taxas de acurácia superiores a 95% em cenários ideais. Entre os algoritmos testados, a Floresta Aleatória apresentou o melhor desempenho. A eficácia do método também foi validada por meio de uma comparação direta com a abordagem baseada apenas em processamento por wavelets, sem uso de aprendizado de máquina. Embora o método tradicional tenha apresentado desempenho razoável em cenários ideais (acurácia de até 85%), sua performance foi severamente afetada por perda de dados e presença de ruído, chegando a 36,9% de acurácia em condições adversas. Além disso, ele foi limitado na identificação de certos tipos de falta, como bifásica com terra do lado secundário ou trifásica na falta de um dado. Por outro lado, o método com aprendizado de máquina demonstrou maior precisão e adaptabilidade, classificando corretamente todos os 20 tipos de faltas avaliados, mesmo sob perdas de sinal e com diferentes níveis de ruído. Além da contribuição técnica, este trabalho está alinhado aos conceitos da Indústria 4.0, ao integrar técnicas de análise inteligente, capacidade de resposta em tempo real e robustez frente à perda de dados. Isso amplia consideravelmente o potencial de aplicação da metodologia em ambientes industriais modernos. O sistema desenvolvido pode ser incorporado a arquiteturas existentes de proteção e monitoramento, oferecendo suporte direto à tomada de decisão operacional. Em síntese, este trabalho oferece uma contribuição significativa para a área de diagnóstico e classificação de faltas internas em transformadores de potência. A capacidade de operar sob condições adversas e de manter alta acurácia mesmo com dados incompletos torna o método promissor tanto para aplicações acadêmicas quanto industriais. Espera-se que esta proposta sirva de base para o desenvolvimento de sistemas de proteção mais inteligentes, contribuindo com a segurança e eficiência no setor elétrico.Dissertação Predição de aplicação de doses de vacinas com N-BEATS: uma solução de saúde digital para a gestão de imunobiológicos no SUS(Universidade Federal do Rio Grande do Norte, 2025-02-24) Lemos, Lemyson Oliveira; Oliveira, Luiz Affonso Henderson Guedes de; https://orcid.org/0000-0003-2690-1563; http://lattes.cnpq.br/7987212907837941; http://lattes.cnpq.br/0698665477101903; Santos, João Paulo Queiroz dos; Valentim, Ricardo Alexsandro de MedeirosA previsão de demanda por vacinas é essencial para a gestão eficiente dos estoques e a distribuição adequada dos imunobiológicos, garantindo cobertura vacinal e evitando desperdícios. Modelos de séries temporais são amplamente utilizados nesse contexto, permitindo antecipar a procura por vacinas e otimizar os recursos disponíveis. Com os avanços em deep learning, o algoritmo N-BEATS (Neural Basis Expansion Analysis Time Series) tem se destacado por sua eficácia em modelar dados complexos sem a necessidade de grande préprocessamento. Introduzido por Oreshkin et al. (2020), o N-BEATS supera modelos tradicionais, como os autoregressivos e os MLPs (Multi-Layer Perceptrons), ao lidar com padrões não lineares por meio de uma arquitetura baseada em blocos empilhados, refinando iterativamente as previsões. Este estudo aplica o N-BEATS para prever semanalmente a quantidade de vacinas a serem aplicadas nos Estados do Rio Grande do Norte e Espírito Santo, utilizando dados dos sistemas RN+VACINA e Vacina e Confia. No Rio Grande do Norte, a previsão foca em uma análise macro, abrangendo esferas estadual e municipal, enquanto no Espírito Santo, a abordagem é mais granular, com previsões específicas por vacina. Os resultados destacaram o desempenho superior do N-BEATS em relação a modelos tradicionais, como o XGBoost. No Rio Grande do Norte, o modelo alcançou um R² de 0,81 e um MAPE de 16,59%, enquanto o XGBoost obteve um R² de 0,73. Em Natal, município do estado, os valores foram R² de 0,77 e MAPE de 21,59%. No Espírito Santo, a análise foi realizada para o estado e o município de Cariacica, com foco na vacina BCG. Os resultados estaduais apresentaram um MAPE de 1,00% e R² de 0,83, enquanto no nível municipal os valores foram MAPE de 2,46% e R² de 0,85. Essas métricas demonstram que o N-BEATS é uma solução robusta e eficiente para previsão de séries temporais em sistemas de vacinação. Sua capacidade de lidar com padrões não lineares e complexos, aliada à necessidade de um pré-processamento mínimo, o torna adequado para cenários onde rapidez e precisão são essenciais. Além disso, seu desempenho superior em comparação a modelos tradicionais reforça o potencial do N-BEATS como ferramenta confiável para a gestão de campanhas de vacinação, contribuindo para uma distribuição mais eficiente e estratégica dos imunizantes.Dissertação A Real-Time meta-heuristic-based safe navigation approach for mobile robots in unknown environments(Universidade Federal do Rio Grande do Norte, 2025-02-19) Balza, Micael; Fernandes, Marcelo Augusto Costa; https://orcid.org/0000-0001-7536-2506; http://lattes.cnpq.br/3475337353676349; Silva, Sérgio Natan; Pedrosa, Diogo Pinheiro Fernandes; Oliveira, Fábio Fonseca deAutonomous navigation in mobile robots is a complex challenge, particularly in unknown and dynamic environments where obstacle avoidance and real-time trajectory optimization are crucial. This work introduces the MetaHeuristic Real-Time Safe Navigation (MHRTSN) strategy, which integrates potential fields with population-based metaheuristics to enhance trajectory planning and navigation efficiency. The proposed strategy was evaluated through a series of simulations in different static and dynamic scenarios, comparing the performance of two versions: MetaHeuristic Real-Time Safe Navigation with Genetic Algorithm (MHRTSN-GA) and MetaHeuristic Real-Time Safe Navigation with Particle Swarm Optimization (MHRTSN-PSO). The evaluation considered key metrics such as displacement, distance traveled, CPU time, and clock time. The results indicate that both versions provide sub-optimal solutions, with MHRTSN-PSO demonstrating superior performance in terms of computational efficiency and convergence when using a small population size. Comparisons with existing approaches in the literature revealed that MHRTSN generated paths of similar length while maintaining a safer distance from obstacles. Thus, the proposed approach offers an efficient and safe solution for autonomous navigation in mobile robots, contributing to advancements in real-world robotic applications.Dissertação Metodologia e plataforma baseadas em aprendizado de máquina para inspeção de defeitos na indústria têxtil(Universidade Federal do Rio Grande do Norte, 2025-01-27) Góes, Angelo Leite Medeiros de; Dória Neto, Adrião Duarte; https://orcid.org/0000-0002-5445-7327; http://lattes.cnpq.br/1987295209521433; https://orcid.org/0000-0003-1138-1403; http://lattes.cnpq.br/3037310998903708; Fontes, Aluisio Igor Rego; Florêncio, Heitor Medeiros; Barroca Filho, Itamir de MoraisA inspeção de qualidade (IQ) na indústria têxtil é um processo essencial, mas desafiador, em especial devido à diversidade de defeitos e à dependência de critérios subjetivos de inspetores humanos. Este trabalho propõe uma metodologia baseada em visão computacional e aprendizado profundo para otimizar o processo de IQ em tecidos, aliada ao desenvolvimento de uma plataforma associada para demonstrar sua viabilidade e aplicação em ambientes industriais. A plataforma integra os algoritmos propostos: a detecção em grelha, que segmenta imagens em patches para classificação local de defeitos, e o refinamento em ripple, que melhora a qualidade da detecção analisando células vizinhas. Os resultados experimentais validam a eficácia da metodologia. Um benchmark de modelos de aprendizado de máquina foi realizado, comparando oito abordagens, incluindo variantes do YOLOv5, YOLOv8 e redes populares na literatura, utilizando o dataset TILDA 400, composto por cinco classes distintas. Os modelos da família YOLOv8 destacaram-se, especialmente o YOLOv8 medium, que atingiu 90,35% de acurácia com tempo de inferência de 0,5ms em uma GPU Tesla P100, superando a média de 70% de precisão dos inspetores humanos. O YOLOv8 small também apresentou um desempenho notável, com uma capacidade teórica de inspeção de até 46,875 m/min e acurácia de 86,96%, superando a velocidade manual máxima de 15 a 20 m/min. A aplicação desta metodologia, juntamente com a plataforma desenvolvida, demonstra potencial para aprimorar a precisão, a velocidade e a organização na IQ, além de reduzir os custos operacionais e fomentar a automação e a eficiência no setor têxtil.Dissertação Blockchain no ecossistema tecnológico da Plataforma revELA: no contexto da esclerose lateral amiotrófica (ELA)(Universidade Federal do Rio Grande do Norte, 2025-01-13) Fonseca, Aleika Lwiza Alves; Valentim, Ricardo Alexsandro de Medeiros; https://orcid.org/0000-0002-9216-8593; http://lattes.cnpq.br/3181772060208133; http://lattes.cnpq.br/2621599224457086; Morais, Antonio Higor Freire de; Nagem, Danilo Alves Pinto; Barbalho, Ingridy Marina Pierre; Valentim, Janaína Luana Rodrigues da Silva; Oliveira, Luiz Affonso Henderson Guedes deO Registro Nacional da ELA é uma solução de saúde digital que tem como objetivo coletar os dados epidemiológicos dos diversos pacientes com Esclerose Lateral Amiotrófica (ELA) no Brasil. Diante do uso de soluções tecnológicas como essa, de registro eletrônico de dados em saúde, surgem as preocupações relacionadas à segurança, integridade dos dados e importância de uma plataforma interoperável para o compartilhamento com outros sistemas. Para sanar tais preocupações, a tecnologia blockchain vem atraindo bastante atenção em diversas áreas que já enxergam as possibilidades de progresso com a sua incorporação. Tendo em vista as carências por segurança, auditabilidade, interoperabilidade e para tornar o Registro Nacional da ELA cada vez mais seguro e confiável, este trabalho apresenta a configuração de uma rede blockchain com o framework Hyperledger Fabric e a implementação de uma API, desenvolvida com Node.js, usada para integrar a blockchain ao Registro Nacional da ELA. Para avaliar o desempenho da solução proposta foi utilizada a ferramenta Hyperledger Caliper, esta que é referência para benchmark de soluções blockchain. Os resultados mostram a viabilidade do uso dessa tecnologia e a relevância do seu uso é destacada no decorrer do texto. Apesar de a análise de performance não ter sido satisfatória, com latência média acima de 19s e com valores de throughput abaixo de 100 transações por segundo, os dados obtidos permitem identificar pontos de melhoria na implementação e otimização da rede.Dissertação Detecção de falhas em operação de bombas elétricas utilizando TinyML e sinais acústicos(Universidade Federal do Rio Grande do Norte, 2024-11-22) Silva, Deivison Luan Xavier; Oliveira, Luiz Affonso Henderson Guedes de; Gendriz, Ignacio Sanchez; https://orcid.org/0000-0003-2690-1563; http://lattes.cnpq.br/7987212907837941; https://orcid.org/0009-0000-2388-0571; http://lattes.cnpq.br/3317633556320520; Bustos, Harold Ivan Ângulo; Silva, Ivanovitch Medeiros Dantas daA maior parte dos processos no setor produtivo inicia-se com a geração de energia cinética por motores elétricos. Em operações que envolvem fluidos, bombas elétricas são responsáveis pela movimentação e variação de pressão dos fluidos. Dada a importância desses equipamentos, falhas em seu funcionamento podem impactar negativamente toda a cadeia produtiva, causando queda de rendimento, paradas imprevistas e potenciais riscos à segurança dos trabalhadores. Para mitigar esses prejuízos, estratégias de monitoramento de ativos industriais são implementadas, avaliando fatores como a condição e o desempenho de bombas, auxiliando na tomada de decisão para manutenções corretivas e preventivas. Tradicionalmente, sensores de vibração e corrente são usados para monitorar a condição desses equipamentos, mas, devido ao custo e à necessidade de contato físico, sua aplicação pode ser inviável em alguns casos. Sensores acústicos são uma alternativa de baixo impacto, capazes de detectar anomalias em estágios iniciais sem a necessidade de contato físico, oferecendo uma solução eficiente e não intrusiva para o monitoramento. Para a detecção e diagnóstico de defeitos em bombas elétricas, técnicas de aprendizado de máquina, especialmente redes neurais, são amplamente utilizadas. Este trabalho investiga a viabilidade do uso de aprendizado de máquina miniaturizado, conhecido como TinyML, em combinação com sensores acústicos para a detecção de defeitos em bombas elétricas. Especificamente, foi desenvolvido um modelo de classificação de áudio baseado em redes neurais convolucionais (CNN), implementado e embarcado na plataforma Arduino Nano. Para validar a proposta, utilizou-se o "MIMII Dataset: Sound Dataset for Malfunctioning Industrial Machine Investigation and Inspection", que contém áudios de defeitos de diferentes modelos de bombas. Para garantir a aplicabilidade do sistema embarcado, foi analisada a relação entre a complexidade do modelo da rede neural e sua precisão na detecção de anomalias, utilizando-se a técnica de quantização para reduzir a CNN em aproximadamente 50%. Permitindo a criação, treinamento e implantação de modelos de aprendizado de máquinas em dispositivos de borda, a plataforma Edge Impulse foi utilizada para o desenvolvimento do modelo de detecção de falhas usando sensores acústicos e sua compactação em um modelo reduzido otimizado para o Arduino. Os resultados obtidos indicam uma acurácia de mais de 96% na detecção de defeitos, configurando uma solução de simples implementação, baixo custo e alta eficiência, com potencial de aplicação em diversas áreas industriais, melhorando significativamente o monitoramento de ativos e reduzindo custos relacionados à manutenção.Dissertação Desenvolvimento de uma plataforma didática para experimento sísmico em caixa de areia(Universidade Federal do Rio Grande do Norte, 2025-01-16) Costa, Anderson Eugênio Silva da; Salazar, Andrés Ortiz; https://orcid.org/0000-0001-5650-3668; http://lattes.cnpq.br/7865065553087432; https://orcid.org/0000-0001-9469-5832; http://lattes.cnpq.br/5353061057885174; Maitelli, André Laurindo; Fonseca, Diego Antônio de Moura; Paiva, José Álvaro deEste trabalho apresentará o projeto, desenvolvimento e implementação de uma plataforma didática para experimentos sísmicos em caixa de areia, com o objetivo de simular a propagação de ondas sísmicas e investigar feições geológicas em escala de laboratório. Para isso, serão utilizados transdutores piezoelétricos de 40 kHz e um sistema automatizado de movimentação, que será implementado com Arduino como controlador, três drivers de potência e três motores de passo. O experimento buscará capturar dados sísmicos que, posteriormente, serão transformados em imagens bidimensionais e tridimensionais das estruturas simuladas. A plataforma será projetada para reproduzir, de maneira controlada, condições geológicas reais, permitindo o teste de algoritmos de processamento sísmico e a análise da resposta sísmica em ambientes laboratoriais. A plataforma oferecerá um sistema amigável e de fácil utilização para o estudo de processos geodinâmicos complexos, contribuindo para o avanço na compreensão da deformação da crosta terrestre e da propagação de ondas sísmicas em ambientes naturais.Dissertação Planejamento de trajetórias baseado em espuma probabilística para sistemas robóticos autônomos em ambientes dinâmicos(Universidade Federal do Rio Grande do Norte, 2025-01-14) Lima, Alysson Paulo Holanda; Alsina, Pablo Javier; http://lattes.cnpq.br/3653597363789712; http://lattes.cnpq.br/7180434312110852; Medeiros, Adelardo Adelino Dantas de; http://lattes.cnpq.br/6787525856497063; Silva, Bruno Marques Ferreira da; Lins, Filipe Campos de Alcântara; Nascimento, Luís Bruno Pereira doEste trabalho apresenta uma versão aprimorada do Método da Espuma Probabilística (PFM – Probabilistic Foam Method), focada no planejamento de movimento de robôs autônomos. Na sua versão original, o PFM é desenvolvido sobre um espaço de configurações estático e previamente conhecido. Nesse contexto, o espaço livre é parcialmente preenchido por bolhas convexas sobrepostas, que formam uma estrutura semelhante a uma espuma, criando uma zona segura para a movimentação e garantindo a segurança durante as manobras. A partir dessa estrutura, uma árvore de busca é construída sobre as bolhas, identificando o caminho viável entre as configurações inicial e final especificadas. Este trabalho propõe melhorias na estratégia de propagação da espuma do PFM, visando adaptar o método a ambientes dinâmicos. Para lidar com obstáculos móveis, o processo de expansão das bolhas é modificado para considerar requisitos espaciais e temporais. Especificamente, a partir da superfície de uma bolha mãe, são geradas, de forma aleatória, coordenadas para o centro de uma nova bolha, considerando tanto a posição quanto o tempo. O método proposto destaca-se por sua capacidade de determinar rapidamente soluções eficientes para problemas de planejamento de trajetória em ambientes dinâmicos, mesmo na presença de obstáculos móveis com velocidades variadas, mas uniformes. A eficácia do algoritmo é validada por meio de simulações funcionais, nas quais são definidos parâmetros como o raio mínimo das bolhas, a velocidade máxima do robô e as velocidades e direções dos obstáculos móveis. Os resultados das simulações demonstram a viabilidade e eficiência do método proposto, destacando sua capacidade de gerar trajetórias seguras em cenários dinâmicos e previamente conhecidos. Assim, o PFM aprimorado proporciona um planejamento robusto e adaptável a situações sujeitas a mudanças ao longo do tempo.Dissertação Análise de desempenho de mecanismos de adaptação de taxa para redes LoRaWAN em cenários de criação de gado em semiconfinamento(Universidade Federal do Rio Grande do Norte, 2023-08-01) Silva, Jéssika Cristina da; Sousa Júnior, Vicente Ângelo de; https://orcid.org/0000-0003-2859-6136; http://lattes.cnpq.br/6358312955522220; http://lattes.cnpq.br/1686820845682268; Silva Neto, Valdemir Praxedes da; Medeiros, Álvaro Augusto Machado deEste trabalho tem como objetivo investigar mecanismos de Adaptação da Taxa de Transmissão (ADR) em redes com dispositivos LoRa como solução para cenários dinâmicos Internet das Coisas (IoT). A estratégia de ADR padrão, definida no protocolo de rede Long Range Wide Area Network (LoRaWAN), é uma técnica simples que permite o ajuste da taxa de transmissão por meio da leitura do valor de SNR (Relação Sinal-Ruído) e/ou RSSI (Indicador de Intensidade do Sinal Recebido). Devido a multiplicidade e dinamicidade de cenários IoT, é necessária a investigação de técnicas de ADR que estabeleçam o compromisso entre cobertura e capacidade. Esta dissertação visa investigar cenários IoT de criação de gado semi-intensiva e extensiva, principalmente quando o cenário é variante com o tempo (surgimento de demanda concentrada de tráfego, rede com sensores móveis, por exemplo). Resultados usando o simulador ns-3 demonstram a necessidade de adaptar dinamicamente os parâmetros do ADR, pois cada cenário requer diferentes estratégias de ADR (ou diferente parametrização de estratégias pré-existentes). Por fim, se propõe novos algoritmos pela adaptação de estratégias clássicas de ADR para promover flexibilidade entre cobertura e capacidade em tais cenários.Dissertação An evolving multivariate time series compression algorithm for IoT applications(Universidade Federal do Rio Grande do Norte, 2024-12-19) Costa, Hagi Jakobson Dantas da; Silva, Ivanovitch Medeiros Dantas da; Silva, Marianne Batista Diniz da; https://orcid.org/0000-0002-0116-6489; http://lattes.cnpq.br/3608440944832201; http://lattes.cnpq.br/6563621187728660; Viegas, Carlos Manuel Dias; Gendriz, Ignacio SanchezA Internet das Coisas (IoT) está transformando a forma como os dispositivos interagem e compartilham dados, especialmente em áreas como o monitoramento veicular. No entanto, a transmissão de grandes volumes de dados em tempo real pode resultar em alta latência e consumo substancial de energia. Nesse contexto, o Tiny Machine Learning (TinyML) surge como uma solução promissora, permitindo a execução de modelos de aprendizado de máquina em dispositivos embarcados com recursos limitados. Este trabalho tem como objetivo desenvolver duas abordagens online de compressão de séries temporais multivariadas especificamente projetadas para TinyML, utilizando o framework Typicality and Eccentricity Data Analytics (TEDA). As abordagens propostas são baseadas na excentricidade dos dados e não exigem modelos matemáticos predefinidos ou suposições sobre a distribuição dos dados, otimizando assim o desempenho da compressão. Ambas as abordagens foram aplicadas a dois estudos de caso: um utilizando o dispositivo Freematics ONE+ para monitoramento veicular em um cenário embarcado, e outro utilizando o conjunto de dados OBD-II coletado do Freematics ONE+ em um contexto não embarcado. Os resultados indicam que as abordagens propostas, seja para compressão paralela ou sequencial, apresentam melhorias significativas no tempo de execução e nos erros de compressão. Esses achados destacam o potencial das abordagens para melhorar o desempenho de sistemas IoT embarcados, aprimorando a eficiência e a sustentabilidade de aplicações veiculares.Dissertação Avaliação da qualidade de operação de sistemas de bombeio por cavidades progressivas baseada em análise científica de dados(Universidade Federal do Rio Grande do Norte, 2024-08-29) Lopes Júnior, Silvano Carlos; Oliveira, Luiz Affonso Henderson Guedes de; https://orcid.org/0000-0003-2690-1563; http://lattes.cnpq.br/7987212907837941; http://lattes.cnpq.br/5967407683391820; Leitao, Gustavo Bezerra Paz; Nascimento, João Maria Araújo doO sistema de bombeio por cavidades progressivas (BCP) é considerada uma tecnologia de elevação artificial eficiente, em termos de consumo de energia, além de ser bem versátil em relação ao tipo de material que pode extrair. Ele pode ser utilizado para a extração de óleos pesados, líquidos com alto teor de sedimentos e na extração de óleo com uma certa fração de gás. O monitoramento das condições do equipamento é feito via sensores instalados na cabeça e no fundo do poço. Em alguns casos, o diagnóstico de uma possível falha do poço é feito a partir de análise visual por parte do operador. Nesse sentido, o objetivo do trabalho é propor uma abordagem baseada em análise e visualização científica dos dados para monitoramento do desempenho e diagnóstico de falhas de operação de poços com sistema de elevação por bombeio de cavidades progressivas. No trabalho, foram obtidos dados reais dos parâmetros que caracterizam as condições operacionais dos poços em estudo, além de incluir no conjunto de atributos os dados relativos à testes de produção do poço. Para permitir a caracterização do comportamento de um sistema com tantos atributos, foram utilizadas técnicas de análise e visualização de dados em conjunto com regras de associação. Essa abordagem permite visualizar e relacionar dados multidimensionais de operações, além de facilitar o entendimento acerca do comportamento dos atributos quando o sistema opera com algum tipo de falha, assim como em seu funcionamento normal. Os resultados obtidos indicam que a abordagem proposta permitiu identificar visualmente padrões de modos de operação desse tipo de sistema, possibilitando detecção de falhas e análise de desempenho com suas tendências.Dissertação Frequency-selective radome absorbers based on interdigital resonators for radar cross section reduction(Universidade Federal do Rio Grande do Norte, 2024-08-26) Macilon, Reilian da Silva; D'Assunção, Adaildo Gomes; http://lattes.cnpq.br/4159638862269940; http://lattes.cnpq.br/0944598472324151; Mendonça, Laercio Martins de; Silva Neto, Valdemir Praxedes da; D'Assunção Júnior, Adaildo Gomes; Silva, Jefferson Costa eEm meio aos avanços crescentes na capacidade de detecção dos sistemas de radar modernos, a tecnologia stealth visa reduzir a Seção Reta Radar (Radar Cross Section - RCS) de uma plataforma, tornando-a difícil de ser detectada. Dentre os princípios nos quais se baseia a tecnologia stealth, os sistemas ativos têm se destacado pelas diversas vantagens que apresentam. Devido as suas características de filtragem espacial, as Superfícies Seletivas de Frequência (Frequency-Selective Surfaces - FSS) têm sido amplamente exploradas como sistemas ativos. Considerando as fortes reflexões fora da banda passante em várias direções, as FSSs passa-banda podem reduzir significativamente a RCS monoestática, no entanto podem causar grandes RCS bi-estáticas. Nesse contexto, uma nova estrutura, chamada Radome Absorvedor Seletivo de Frequência (Frequency-Selective Rasorber - FSR), tem atraído a atenção dos pesquisadores nos últimos anos. Este tipo de estrutura combina o design de uma FSS passa-banda com uma FSS resistiva absorvedora, para obter duas bandas de absorção (A) localizadas em ambos os lados de uma banda de transmissão (T), conhecida também como absoção-transmissão-absorção (A-T-A). Portanto, é capaz de reduzir reflexões fora da banda passante em outras direções. Neste trabalho, são propostos dois FSRs A-T-A de polarização dupla baseados em Ressoadores Interdigitais (Interdigital Resonators - IR), cujos designs das suas FSSs com perdas apresentam elementos com quatro resistores incorporados e diferentes layouts; anel partido e dipolo cruzado. Os dois rasorbers apresentados fornecem boa largura de banda operacional, e têm bandas passantes em torno de 9,7 GHz e 4,78 GHz, cujas Perdas de Inserção (Insertion Losses - IL) mínimas, sob incidência normal, são de 1,0 dB e 0,77 dB, respectivamente. Os Modelos de Circuito Equivalente (Equivalent Circuit Models - ECM) para os FSRs propostos são apresentados com o objetivo de explicar a ressonância paralela em cada caso. Os protótipos dos rasorbers são fabricados com substrato FR-4 de baixo custo em ambas as camadas, e medidos para demonstração. Os resultados são muito coerentes quando comparados com aqueles obtidos nas simulações. Devido as suas simetrias, os FSRs apresentados possuem boa estabilidade angular. Portanto, verifica-se que os rasorbers propostos são capazes de reduzir a RCS de sistemas de comunicação operando em diferentes bandas, contribuindo para torná-los furtivos. Por fim, são apresentadas comparações de desempenho com outros FSRs implementados com ressonância paralela em trabalhos anteriores.Dissertação Otimização fim-a-fim de sistemas MIMO multiusuário usando autoencoders com estimação de canal bidirecional(Universidade Federal do Rio Grande do Norte, 2024-03-21) Velloso, Eduardo Nunes; Silveira, Luiz Felipe de Queiroz; https://orcid.org/0000-0002-7146-4916; http://lattes.cnpq.br/4139452169580807; https://orcid.org/0000-0002-9668-5547; http://lattes.cnpq.br/7673330596328097; Martins, Allan de Medeiros; https://orcid.org/0000-0002-9486-4509; http://lattes.cnpq.br/4402694969508077; Alencar, Marcelo Sampaio de; https://orcid.org/0000-0002-2849-1644; http://lattes.cnpq.br/0946722048975388; Lopes., Waslon Terllizzie Araújo; https://orcid.org/0000-0003-2486-9950; http://lattes.cnpq.br/5041048659000127Os ganhos de eficiência espectral introduzidos pelos sistemas MIMO multiusuário os tornam esquemas relevantes para a atual e para as próximas gerações de redes de comunicação móvel. Devido à complexidade intrínseca aos modelos matemáticos desses sistemas em condições realistas e à interdependência entre as etapas de processamento dos transmissores e receptores, o aprendizado de máquina é uma opção que permite projetar o sistema completo por meio do treinamento de um autoencoder ruidoso. Esse trabalho apresenta uma proposta de arquitetura de rede neural para otimização fim-a-fim de um sistema MIMO multiusuário. O desempenho do sistema, medido em termos de taxa de erro de símbolo, foi comparado a uma referência M-PSK com equalização zero-forçado e estimação por mínimos quadrados. As simulações foram feitas considerando um modelo de canal com desvanecimento Rayleigh, assim como usando o modelo 3GPP TR 38.901. Um estimador de canal bidirecional, baseado na interpolação de pilotos esparsos, foi proposto, reduzindo a sinalização de controle para menos de 3% em troca de um pequeno atraso fixo de 10 ms. Os resultados revelam que é possível obter ganhos significativos ao aplicar o modelo proposto, mas que estes variam conforme os erros de estimação nos instantes de transmissão de pilotosDissertação Deep Q-Managed: a new framework fror Multi-Objective Deep Reinforcement Learning(Universidade Federal do Rio Grande do Norte, 2024-05-31) Menezes, Richardson Santiago Teles de; Dória Neto, Adrião Duarte; https://orcid.org/0000-0002-5445-7327; http://lattes.cnpq.br/1987295209521433; http://lattes.cnpq.br/6008562495410718; Peixoto, Helton Maia; Santana Júnior, Orivaldo Vieira de; Melo, Jorge Dantas de; Oliveira, Thiago Henrique Freire deO algoritmo Deep Q-Managed, proposto neste trabalho, representa um avanço significativo no campo da aprendizagem por reforço multiobjetivo (MORL, acrônimo em inglês para multi-objective reinforcement learning). Esta nova estratégia emprega uma técnica atualizada de otimização multiobjetivo híbrida, que oferece uma garantia matemática de que todas as políticas pertencentes ao Pareto Front podem ser encontradas, destacando-se na aquisição de políticas multiobjetivo não dominadas em ambientes caracterizados por funções de transição determinísticas. Sua flexibilidade se estende a cenários onde o Pareto Front apresenta complexidades geométricas convexas, côncavas ou mistas, tornando-o em uma solução versátil para uma ampla gama de aplicações. A proposta foi validada utilizando os tradicionais benchmarks MORL e diferentes configurações da frente de Pareto. A qualidade das políticas encontradas pelo algoritmo foi comparada com abordagens proeminentes na literatura. Os resultados da estratégia proposta estabelecem o algoritmo Deep Q-Managed como um candidato digno para lidar com problemas multiobjetivos desafiadores.Dissertação Robótica educacional como recurso pedagógico para estudantes com dificuldade de aprendizagem(Universidade Federal do Rio Grande do Norte, 2024-02-19) Silva, Maria da Guia Torres da; Gonçalves, Luiz Marcos Garcia; https://orcid.org/0000-0002-7735-5630; http://lattes.cnpq.br/1562357566810393; http://lattes.cnpq.br/3031861288487751; Curvelo, Carla da Costa Fernandes; Garcia, Luciane Terra dos Santos; Rossiter, Sarah Thomaz de SáA utilização da Robótica Educacional como ferramenta de apoio no processo ensino e aprendizagem de crianças com dificuldade de aprendizagem é o cerne da investigação nesta dissertação. Tentamos não fazer distinção entre as dificuldades trazidas por transtornos já bem definidos na medicina ou mesmo por outra causa. Em nossa revisão da literatura, identificamos que existem poucos trabalhos nesse tema. Diante da constatação da novidade do tema, fizemos uma análise mais aprofundada desses e outros trabalhos, incluindo várias questões, não apenas relacionadas com as dificuldades de aprendizagem. Nossa questão principal a ser respondida, a partir de então, foi identificar o quanto e como a robótica educacional consegue ser uma coadjuvante no processo ensino e aprendizagem, para esses estudantes com dificuldades. Com este direcionamento, definimos a metodologia de pesquisa quali-quantitativa para identificar os pontos restantes, onde adotamos questionários como instrumento de coleta de dados. Disponibilizamos formulários com perguntas para os alunos, professores, e monitores das escolas que possuem atividades de robótica educacional (todas escolas públicas) do município de Natal/RN, Brasil. Por meio da análise dos dados obtidos pelos formulários, observamos um crescimento do uso da robótica na educação, de forma geral. Mas, identificamos também que, apesar dos estudantes com dificuldades ou transtornos de aprendizagem encontrarem-se nas instituições de ensino, eles não estão completamente inseridos nas atividades com robótica. Todavia, após a compilação e análise dos dados, chegamos a resultados positivos, que verificam a possibilidade de aplicação com melhoria do aprendizado dessas crianças. Constatamos que a maioria dos alunos e uma boa parte dos professores e monitores concordam que a robótica conseguiu melhorar a capacidade dos alunos com dificuldades em aprender, principalmente os conteúdos transversais. Em relação ao como usar a ferramenta, notamos também alguns fatores importantes. O primeiro fator é a facilidade de apreensão da robótica, trazida por novas ferramentas de software e hardware desenvolvidas, que facilitam sobremaneira o seu uso como ferramenta de apoio. Notamos, ainda, que o interesse dos professores é outro fator que afeta o "como", pois tem o potencial de colaborar na tentativa de melhorar a questão da dificuldade do aprendizado. O interesse do professor melhora com uso dessas novas ferramentas, desmistificando a robótica para o professor leigo. Ademais, a existência de sistemas completos de apoio à sua aplicação, gratuitos e livres, envolvendo conteúdos e ferramentas na web, além de uma política efetiva de educação continuada aos professores, têm colaborado para que a ferramenta se torne cada vez mais eficaz, principalmente, como ressaltado, nos conteúdos transversais à robótica.Dissertação Aplicação da teoria dos grafos na análise de similaridade e complexidade de consultas em bancos de dados relacionais(Universidade Federal do Rio Grande do Norte, 2024-01-31) Souza, Beatriz Soares de; Oliveira, Luiz Affonso Henderson Guedes de; https://orcid.org/0000-0003-2690-1563; http://lattes.cnpq.br/7987212907837941; http://lattes.cnpq.br/1014134043088333; Silva, Ivanovitch Medeiros Dantas da; Costa, Daniel GouveiaSistemas de informação atuais necessitam ser eficientes, flexíveis e com alta disponibilidade. Porém, a constante necessidade de realizar mudanças e refatorações nos Sistemas de Informação inegavelmente resultam em dívidas técnicas, sendo algumas delas relacionadas ao gerenciamento de bancos de dados. Com isto, alta redundância e complexidade de consultas são características recorrentes em bancos de dados e tendem a afetar o desempenho geral desses sistemas. Diante da relevância deste problema, nesta dissertação propõe-se uma abordagem baseada em teoria dos grafos para identificar similaridades em consultas em banco de dados relacionais. Mais especificamente, a abordagem modela as consultas SQL como nós e arestas em uma estrutura de grafo, então, analisa-se a estrutura do grafo resultante via propriedades como isomorfismo e relevância de nós, o que permite detectar agrupamentos de dados relacionados e descobrir relações e redundâncias ocultas entre consultas frequentes. Com isto, pode-se gerar indicadores de itens relevantes e de similaridade entre consultas ao banco de dados. Para validar a proposta, realizou-se uma análise em um banco de dados de uma organização do mundo real. Os resultados obtidos indicam que 50% das consultas do banco de dados apresentavam similaridade média a alta em subgrafos, o que permite à organização obter insights valiosos sobre seus dados, tomar decisões baseadas em dados e otimizar o desempenho do banco de dados.Dissertação Detecção de ataques de negação de serviço distribuídos utilizando rede neural convolucional(Universidade Federal do Rio Grande do Norte, 2024-04-16) Freitas Júnior, Antonio Alcir de; Silveira, Luiz Felipe de Queiroz; http://lattes.cnpq.br/4139452169580807; http://lattes.cnpq.br/9805347947967967; Silva, Ivanovitch Medeiros Dantas da; Brito Júnior, Agostinho de Medeiros; Lima Filho, Francisco Sales deCom a expansão da Internet, aliada ao crescente número de dispositivos de Internet das Coisas (IoT), os ataques de negação de serviços (Denial of Service - DoS), bem como sua variante distribuída (Distributed Denial of Service - DDoS), vêm se tornando um problema significativo para a disponibilidade de serviços que operam na Internet. Nos últimos anos, o número de pesquisas na academia e na indústria sobre a detecção e mitigação desses ataques vem crescendo, porém sem ainda uma solução definitiva. Técnicas envolvendo aprendizagem de máquina estão sendo amplamente utilizadas para detecção e mitigação desses ataques. Embora eficientes, as técnicas propostas apresentam um alto custo computacional, o que podem torná-las inviáveis em cenários de redes com fluxos de dados intensos, devido às restrições temporais impostas pelo processamento em tempo real do fluxo de dados. Inspirado nesses trabalhos da literatura, mas buscando uma redução de complexidade computacional, este trabalho propõe o uso de uma rede neural convolucional de baixa complexidade para a detecção de ataques de DDoS. A redução de complexidade da rede convolucional proposta se baseia no uso de descritores obtidos a partir de um conjunto de métricas calculadas sobre dados de cabeçalho de tráfego de rede amostrado. O método desenvolvido possui alta taxa de acerto, baixa taxa de falsos positivos e relativa simplicidade de implementação, tornando-o apto à tarefa de detecção de ataques de DDoS em cenários de redes com vazões elevadas.Dissertação Uma proposta para detecção de buracos com aprendizagem de máquina na borda(Universidade Federal do Rio Grande do Norte, 2024-05-14) Silva, Jordão Paulino Cassiano da; Silva, Ivanovitch Medeiros Dantas da; https://orcid.org/0000-0002-0116-6489; http://lattes.cnpq.br/3608440944832201; https://orcid.org/0000-0003-1691-3288; http://lattes.cnpq.br/1066846658119458; Oliveira, Luiz Affonso Henderson Guedes de; https://orcid.org/0000-0003-2690-1563; http://lattes.cnpq.br/7987212907837941; Costa, Daniel GouveiaBuracos em vias urbanas representam um problema significativo, afetando tanto a segurança dos usuários quanto a durabilidade dos veículos. Este estudo surge da necessidade urgente de soluções eficazes para a detecção de buracos, que possam ser implementadas em tempo real utilizando dispositivos com recursos computacionais limitados. Foi desenvolvida uma abordagem inovadora que integra aprendizado de máquina em dispositivos de borda, com ênfase nos modelos YOLOv8 e FOMO no contexto do TinyML. Utilizou-se um conjunto de dados especializado, contendo imagens anotadas, para treinar esses modelos na detecção precisa de buracos. A otimização do desempenho dos modelos YOLOv8 e FOMO para dispositivos de borda assegura eficiência em tempo real. Este trabalho não apenas fornece modelos eficazmente treinados, mas também apresenta um framework adaptável para a detecção de buracos, garantindo uma implementação prática e eficiente. Ademais, é proposto um pipeline completo para a detecção de buracos, validando a precisão e eficiência dos modelos. Esta abordagem oferece uma solução robusta para o reconhecimento automático de buracos, contribuindo significativamente para melhorias na manutenção de infraestruturas urbanas.Dissertação Implementação de um controle vetorial de velocidade em um motor de indução trifásico sem mancais com enrolamento dividido(Universidade Federal do Rio Grande do Norte, 2023-03-03) Alves, Irlete Pereira Mota; Salazar, Andres Ortiz; https://orcid.org/0000-0001-5650-3668; http://lattes.cnpq.br/7865065553087432; http://lattes.cnpq.br/5290524323530281; Ferreira, Jossana Maria de Souza; http://lattes.cnpq.br/7691693293898376; Paiva, José Álvaro de; Pinheiro Filho, Ricardo FerreiraNeste estudo, é proposta a implementação de um Controle Vetorial de Velocidade em um Motor de Indução Trifásico sem Mancais, utilizando uma estrutura de acionamento otimizada. O objetivo do controle vetorial é assegurar uma resposta rápida de velocidade, mesmo diante de elevados torques em máquinas de indução, tanto em regime transitório quanto em regime permanente. O desempenho desse método é analisado por meio de simulações realizadas no ambiente MATLAB. Ademais, o trabalho descreve de forma detalhada o sistema experimental empregado, o qual é composto por blocos de monitoramento e controle, acionamento e motor-mancal. A estratégia mencionada engloba um controle vetorial de velocidade orientado pelo fluxo do rotor. O estudo visa aplicar estas condições em um motor de indução mancal posicionado verticalmente, com o objetivo de analisar o controle de velocidade.Dissertação Compressão consciente de modelos de redes neurais profundas baseada em poda seguida de quantização(Universidade Federal do Rio Grande do Norte, 2024-02-20) Goldbarg, Mateus Arnaud Santos de Sousa; Fernandes, Marcelo Augusto Costa; Silva, Sérgio Natan; http://lattes.cnpq.br/3735623063336406; https://orcid.org/0000-0001-7536-2506; http://lattes.cnpq.br/3475337353676349; http://lattes.cnpq.br/5393775937989569; Martins, Allan de Medeiros; Nascimento, Flávia Maristela Santos; Coutinho, Maria Gracielly FernandesTécnicas de aprendizado profundo, particulamente as redes neurais profundas (Deep Neural Networks- DNNs), têm sido utilizadas com êxito em muitos problemas. Porém, esses tipos de algoritmos exigem um grande esforço computacional, devido a grande quantidade de parâmetros e de operações matemáticas realizadas, e isto pode ser um problema para aplicações onde os recursos computacionais são limitados, aplicações que requerem baixa latência ou baixo consumo energético. Assim, este trabalho propõe a aplicação de uma nova estratégia de treinamento para compressão consciente de modelos de DNNs baseados em poda, quantização e poda seguida de quantização capaz de reduzir o tempo de processamento e seu tamanho em memória. A estratégia de compressão foi aplicada em dois domínios, o primeiro para classificação automática de modulações, onde foi possível reduzir o tamanho do modelo em 13 vezes, e manter uma acurácia apenas 1,8% menor que a do modelo não comprimido. No segundo domínio, a mesma técnica foi aplicada a um modelo de classificação de imagens, com o objetivo de validar sua performance em ambientes de microserviços. Os resultados demonstraram uma redução significativa no tamanho do modelo, chegando a cerca de 7,6 vezes menor, enquanto a acurácia permaneceu comparável à do modelo não comprimido. A aplicação dessa técnica em tal ambiente revelou-se eficaz na redução do tempo de inferência, no consumo de memória e na utilização da CPU. Além disso, contribuiu na eficiência do sistema, melhorando sua escalabilidade.