Guaratinguetá - FEG - Faculdade de Engenharia e Ciências

URI Permanente para esta coleção

Navegar

Submissões Recentes

Agora exibindo 1 - 4 de 4
  • ItemDissertação de mestrado
    Um framework híbrido do DMAIC para a integração da metodologia de superfície de resposta e métodos de otimização multiobjetivo
    (Universidade Estadual Paulista (Unesp), 2023-11-06) Kaio Max Aranda; Aneirson Francisco da Silva [UNESP]; Fernando Augusto Silva Marins [UNESP]
    Em muitas situações práticas, é importante avaliar as relações entre os fatores que compõe um processo industrial e os efeitos de uma ou mais variáveis de resposta que são de interesse de uma empresa. A principal contribuição dessa dissertação é propor uma nova estrutura conceitual híbrida baseada na estrutura metodológica do DMAIC (Define - Definir, Measure - Medir, Analyse - Analisar, Improve - Melhorar, Control - Controlar), para otimizar problemas experimentais complexos com múltiplas respostas. Esse procedimento combina a Metodologia de Superfície de Resposta (RSM – Response Surface Methodology) com as funções Desirability (D), Modified Desirability (MD) e Compromise Programming (CP) com os algoritmos Generalized Reduce Gradient (GRG) e Evolutionary Solving Method (ESM). Fez-se uma aplicação real a um processo de laminação de vidros para descrever o uso da estrutura proposta. O procedimento permitiu testar diversas configurações envolvendo as funções D, MD, CP, adotando o algoritmo GRG e ESM, para otimizar o processo industrial estudado. A melhor configuração foi definida por um experimento prático de confirmação validada por engenheiros e especialistas da empresa que foi o objeto desse estudo, sendo esta a função Desirability clássica com o algoritmo Evolucionário. Como exemplo das vantagens de adotar a estrutura proposta na resolução de problemas de laminação de vidros, a melhor solução resultou em 49,86% de aumento na vida útil de rebolos de lapidação, correspondendo uma redução de 927 kg de aço por ano, e 41,7% de redução no consumo de pedras de dressagem, contabilizando uma redução total de 17.200 pedras por ano.
  • ItemDissertação de mestrado
    Desenvolvimento de um sistema de classificação e diagnóstico automático de células em redes de telefonia móvel de quarta geração
    (Universidade Estadual Paulista (Unesp), 2024-01-25) Lopes Neto, Pedro Nunes; Tuna, Celso Eduardo [UNESP]; Freire Junior, José Celso [UNESP]
    O aumento expressivo da demanda por serviços de qualidade nas redes de telefonia móvel, impulsionado pela disseminação generalizada de dispositivos móveis e pela vasta quantidade de aparelhos ativos globalmente, tem incentivado avanços constantes nas tecnologias de telecomunicações. O desenvolvimento contínuo das redes de quarta geração e a implementação da tecnologia de quinta geração são respostas a essa demanda crescente. A adoção dessas tecnologias trouxe consigo a geração de uma enorme quantidade de dados estatísticos relacionados ao desempenho das células das estações rádio-base, os quais podem ser analisados para aumentar a eficiência do sistema. Nesse contexto, este trabalho apresenta um processo inovador para lidar com dados estatísticos referentes ao desempenho das células em redes de telefonia móvel de quarta geração. O objetivo é automatizar a classificação das células de uma rede, com a identificação e categorização dos problemas dessas células, visando a redução de custos operacionais e o aumento da eficiência na correção de falhas. Para alcançar esse propósito, foi desenvolvido um processo computacional baseado em métodos de decisão multicritério e algoritmos de aprendizado de máquina. O processo proposto classifica as células com base em seu desempenho, identificando de forma eficaz as falhas existentes por meio de técnicas avançadas de inteligência artificial. Especificamente, a análise massiva de dados é utilizada para o reconhecimento automático de padrões estatísticos e operacionais das células, substituindo a análise manual custosa e demorada. Esse enfoque inovador promove uma abordagem mais ágil e eficiente na gestão do desempenho da rede, contribuindo para a otimização operacional e aprimoramento contínuo dos serviços de telefonia móvel.
  • ItemDissertação de mestrado
    Avaliação da viabilidade do aproveitamento de termiteiros na produção de tijolos ecológicos
    (Universidade Estadual Paulista (Unesp), 2024-01-17) Silva, Jaqueline Arice Gaudencio da; Souza, Teófilo Miguel de [UNESP]; Trannin, Isabel Cristina de Barros [UNESP]
    O tijolo solo-cimento, também conhecido comercialmente por tijolo ecológico, surgiu como uma alternativa ao tradicional tijolo queimado, embora utilize cimento em sua composição, cuja produção gera impactos ambientais. O uso de termiteiros como matéria-prima apresenta potencial como alternativa de material para construção, sendo renovável, disponível localmente sem custo e mais ecológico que os materiais convencionais. Assim, este estudo teve como objetivo principal a avaliação da viabilidade da utilização de termiteiros para a produção de tijolos ecológicos, por meio da análise de tijolos com diferentes proporções das matérias-primas bases: solo natural, solo de termiteiro e areia da região da Zona da Mata Mineira. As matérias-primas foram caracterizadas fisicamente por meio de ensaios de granulometria, limite de liquidez e limite de plasticidade, e química e mineralogicamente por análises de difratometria de raios X (DRX), de Fluorescência de raios X (FRX), Microscopia Eletrônica de Varredura (MEV) associada à Espectrometria de Energia Dispersiva (EDS) e teor de matéria orgânica. Os tijolos produzidos foram analisados quanto à absorção de água e à resistência à compressão simples, visando o atendimento das normas vigentes. O emprego do solo de termiteiro em substituição parcial do cimento (em 20% e 50%), resultou em diminuição da resistência dos tijolos e aumento de absorção de água. Por sua vez, seu emprego em substituição total do solo natural, resultou em aumento da resistência à compressão e redução da absorção de água, tendo o tijolo apresentado as melhores propriedades físico-mecânicas de 2,62 MPa para resistência à compressão e de 8,9 % para absorção de água.
  • ItemDissertação de mestrado
    Aplicação de técnicas de aprendizado de máquina para a identificação de mães com risco de parto prematuro na cidade de São Paulo
    (Universidade Estadual Paulista (Unesp), 2023-11-09) Aguirre Rodríguez, Elias Carlos; Marins, Fernando Augusto Silva; Nascimento, Luiz Fernando Costa; da Silva, Aneirson Francisco
    O parto prematuro ocorre antes da 37a semana de gestação, apresentando um risco elevado de complicações físicas e neuropsicomotoras nos recém-nascidos, sendo considerado a principal causa de mortalidade neonatal. Em consonância com um dos Objetivos de Desenvolvimento Sustentável (ODS) voltados à Saúde e Bem-Estar, que visa reduzir a mortalidade neonatal até 2030, a aplicação de ferramentas tecnológicas, como o Aprendizado de Máquina, pode oferecer suporte na assistência médica e na tomada de decisões. Dessa forma, esta pesquisa tem como objetivo aplicar técnicas de aprendizado de máquina para identificar mães com risco de parto prematuro, utilizando dados do município de São Paulo no período de 2015 a 2019. Este trabalho pode ser classificado como uma pesquisa aplicada com objetivos empírico-normativos, sua abordagem é quantitativa, utilizando o método de pesquisa de modelagem e simulação. Foram utilizados dados do Departamento de Informática do Sistema Único de Saúde – DATASUS, especificamente registros da declaração de nascidos vivos. A análise baseou-se na abordagem de regressão para estimar a duração da gestação (idade gestacional), considerando informações maternas e da gestação atual ou anterior e utilizando métodos como Regressão Linear, Árvore de Decisão, Floresta Aleatória, Gradient Bossting, e Extreme Gradient Boosting. Os modelos foram validados internamente com validação cruzada de 10-Fold e foi utilizada técnica Random Search para encontrar a melhor combinação de hiperparâmetros. Como resultado, o modelo de Gradient Boosting destacou-se como o melhor, apresentando bons resultados nas diferentes métricas de desempenho, com valores de EMA = 1,186, EQM = 2,833, REQM = 1,683, e EPAM = 3,182. Concluindo, o modelo de regressão demonstrou bom desempenho, evidenciando que as técnicas de aprendizado de máquina são ferramentas eficazes na área da saúde. Elas permitem que os especialistas tomem decisões oportunas em relação à identificação de nascimentos prematuros, contribuindo para a implementação de medidas de controle e, consequentemente, para a redução das taxas de mortalidade neonatal, em conformidade com os ODS.