Events
Divulgação - Defesa Nº 222
Aluno: Gerivan Clecio dos Santos Júnior
Título: “Segmentação de Fissuras em Cerâmicas com Aprendizagem Profunda para Inspeção de Fachadas”.
Orientador: Prof. Bruno José Torres Fernandes
Data-hora: 27/Novembro/2020 (9:00h)
Local: Escola Politécnica de Pernambuco – Formato Remoto (http://meet.google.com/cvt-trxp-dnu)
Resumo:
“Fissuras são patologias cujo aparecimento em cerâmicas de revestimento pode causar diversos riscos, a medida que o sistema de revestimento perde sua função de estanque e impermeabilidade. O desprendimento de uma placa cerâmica, além de expor a estrutura predial, pode acidentar pessoas que trafeguem em torno da edificação. A inspeção manual utilizada na inspeção de fachadas é o método mais comum para este problema, porém, depende de profissionais com experiência e conhecimento na área, além de demandar tempo para mapeamento de local a ser reparado e possuir custo elevado, pois, tais inspeções necessitam de equipamentos especiais visto que a maioria ocorre em locais elevados e expõe o profissional a riscos. Considerando isto, destaca-se a necessidade de uma inspeção óptica automatizada, com a finalidade de encontrar fissuras nas placas cerâmicas. Este projeto tem como foco a segmentação de fissuras em imagens de cerâmicas, utilizando a aprendizagem profunda para segmentar esses defeitos com poucas imagens. É Proposto uma arquitetura para segmentação de fissuras em fachadas com Deep Learning que inclui uma etapa de pré-processamento e uma rede neural profunda. Também foi proposto o Ceramic Crack Database, um conjunto de imagens para avaliar a segmentação de defeitos em revestimentos cerâmicos. Os resultados mostram que o método proposto alcança desempenho promissor. Há dificuldades para um modelo de rede aprender padrão de argamassa e diferenciá-lo da fissura, no entanto, o modelo pode identificar adequadamente a fissura, mesmo quando está perto ou dentro da argamassa.”
Divulgação - Defesa Nº 221
Aluno: Vinícius de Albuquerque Brito
Título: “Boas Práticas de Modelagem de Processos: uma avaliação cognitiva”.
Orientador: Prof. Denis Silva da Silveira
Data-hora: 27/Novembro/2020 (9:00h)
Local: Escola Politécnica de Pernambuco – Formato Remoto (http://meet.google.com/ead-airh-zvw)
Resumo:
“O gerenciamento de processos de negócio tem sido uma ferramenta amplamente adotada nas organizações devido a sua capacidade de oferecer melhorias no desempenho organizacional. Para descrever e melhorar a compreensão dos processos de negócio são utilizadas notações de modelagem de processo, sendo o BPMN, o mais aplicado nas organizações. No entanto, a compreensão de um modelo de processo pelos stakeholders não é garantida, pois a modelagem de processos não é uma tarefa trivial e depende da proficiência do modelador para evitar uma construção inadequada. Uma abordagem proposta na literatura para melhorar a qualidade dos modelos é recomendar para os projetistas a utilização de guias com diretrizes de boas práticas de modelagem. Entretanto, ainda é difícil encontrar um conjunto de boas práticas consolidado na literatura e principalmente, com sua eficácia validada quanta a melhora da compreensão dos modelos. O objetivo desta dissertação é verificar a eficácia cognitiva das diretrizes de boas práticas de modelagem. Para tal, foi proposto um conjunto de boas práticas após realizar uma revisão sistemática da literatura sobre a temática. O conjunto de diretrizes proposto foi aplicado em um modelo de processo e realizado um experimento, no qual os participantes analisaram modelos distintos e responderam questões sobre a eficácia do modelo. Além disso foi realizado um experimento preliminar com um rastreador ocular para obter métricas cognitivas dos participantes. Os resultados apontaram que o modelo de processo com conjunto de diretrizes obteve uma melhor eficácia em relação a exatidão, velocidade e facilidade, quando comparado ao modelo sem as diretrizes.”
Divulgação - Defesa Nº 220
Aluno: Eronita Maria Luizines Van Leijden
Título: “Desenvolvimento de uma Linguagem Específica de Domínio para Consumo de Dados Educacionais”.
Orientador: Prof. Alexandre Magno Andrade Maciel
Coorientadora: Andrêza Leite de Alencar
Data-hora: 23/Novembro/2020 (10:00h)
Local: Escola Politécnica de Pernambuco – Formato Remoto (https://meet.google.com/uia-bane-pwg)
Resumo:
“A seleção de dados para realizar projetos em Mineração de Dados Educacionais(EDM) é uma das etapas mais importantes e pode ser a mais complexa e cara de um projeto. Na técnica Model-Driven Development(MDD), encontramos uma alternativa para abstrair a complexidade desta etapa e, consequentemente, uma alternativa para que usuários com pouco conhecimento tecnológico também possam realizar suas análises educacionais. Neste trabalho, propomos uma linguagem de modelagem que irá, com base num metamodelo, compor uma arquitetura de referência para dar suporte ao desenvolvimento desse processo de seleção de dados. Esta linguagem, mais do que permitir construir o processo utilizando notações gráficas, ela foi de desenvolvida para abstrair dificuldades quanto a heterogeneidade de formato dos dados, realizara unificação de conjunto de dados e considerar o uso da catalogação do conhecimento. Visando mostrar a viabilidade da linguagem proposta, um protótipo para editar modelos é desenvolvido como prova de conceito. Além disso, de modo a apresentar evidências que o trabalho proposto avança o estado da arte, são especificados cenários de uso que exploram as principais necessidades para se fazer a seleção de dados e, a partir desses cenários, o trabalho proposto é comparado com os principais trabalhos relacionados. Como resultado das análises comparativas, pode-se constatar que o trabalho proposto tem as seguintes vantagens: metamodelo expressivo e notação gráfica simplificada, eficaz cognitivamente e representativa.”
O Programa
