Divulgação - Defesa Nº 275

Aluno: Adelson Santos da Silva Júnior

Título: "Gêmeos Digitais Interpretáveis e Adaptáveis Para Máquinas Industriais".

Orientador: Fernando Buarque de Lima Neto

Examinador Externo: Nuno Miguel Fonseca Ferreira (IPC)

Examinador Interno: José Paulo Gonçalves de Oliveira (PPGEC)

Data-hora: 01 de Agosto de 2023 às 10:30h.
Local: Formato Remoto

---

Resumo:

         Esta dissertação se dedica ao desenvolvimento de uma metodologia robusta para a criação e implementação de Gêmeos Digitais interpretáveis e adaptáveis, focalizando aplicações industriais. Com o avanço tecnológico, o conceito de Gêmeos Digitais tem sido cada vez mais empregado como ferramenta para melhorar o desempenho e a eficiência de sistemas industriais. No entanto, o desenvolvimento de um Gêmeo Digital adaptativo e interpretável ainda é um desafio, especialmente quando se trata de sua aplicação em tempo real. A pesquisa começa com uma extensa fundamentação teórica, onde são abordados conceitos chave, como Gêmeos Digitais, Inteligência de Enxame, Automação Industrial e Máquinas Autoconscientes. A meto dologia proposta é então introduzida, combinando a modelagem analítica com a Otimização por Enxame de Partículas, para gerar um Gêmeo Digital que pode aprender e adaptar-se às mudanças no sistema físico correspondente. A metodologia proposta é dividida em três etapas principais: modelagem do sistema físico, que envolve a formulação de equações matemáticas representando os componentes físicos do sistema; estimação de parâmetros, onde o modelo é ajustado para refletir precisamente o estado atual do sistema; e finalmente a descoberta de componentes desconhecidos, que busca identificar e integrar qualquer componente ou interação não capturada durante a modelagem inicial. Dois estudos de caso - um motor DC industrial e um atuador hidráulico - são desenvolvidos e avaliados em um ambiente de simulação para validar a metodologia proposta. Os Gêmeos Digitais desenvolvidos são submetidos a diferentes cenários operacionais, fornecendo uma avaliação abrangente de suas performances, interpretabilidades e adaptabilidades. Os resultados obtidos reforçam que os gêmeos digitais, juntamente com algoritmos PSO, têm o potencial de melhorar significativamente a eficiência e o desempenho de diversas aplicações industriais. No entanto, é preciso levar em conta os desafios associados à implementação dos gêmeos digitais, como a necessidade de dados de alta qualidade e a utilização de algoritmos de otimização em tempo real. A dissertação conclui enfatizando a contribuição significativa desta pesquisa para o campo das máquinas autoconscientes, ao mesmo tempo em que destaca a necessidade de futuras pesquisas. Tais investigações devem explorar a detecção de falhas, a tomada de decisões baseada em gêmeos digitais, a extensão da seleção de modelos e a validação da metodologia proposta em aplicações físicas em tempo real.

Divulgação - Defesa Nº 274

Aluno: João Paulo Martins Alcântara

Título: "Handling Constraints in FSS – Enhanced Fish School Search Algorithm for Constrained Optimization (e-rwFSS)".

Orientador: Fernando Buarque de Lima Neto

Coorientador: Marcelo Gomes Pereira de Lacerda

Examinador Externo: Hugo Valadares Siqueira (UTFPR)

Examinador Interno: Bruno José Torres Fernandes (PPGEC)

Data-hora: 31 de Julho de 2023 às 09:00h.
Local: Formato Remoto

---

Resumo:

         Metaheuristics can be used to find a good set of parameters values in optimization problems in them industry. However, hazardous or unfeasible values combinations can arise throughout the search process, which can affect productivity and safety. One way to mitigate this problem is to make metaheuristic approaches incorporate constraints to prevent unsafe behaviour. In this work, we propose modifications on the restricted niching version of Fish School Search algorithm (rwFSS) to create a new version capable of better tackling constrained optimizations, referred as Enhanced Restricted Weight-Based Fish School Search (e-rwFSS). This algorithm exploits the search space in terms of fitness and feasibility and provide multiple solutions. e-rwFSS enables the constraints to be tackled gradually using adjustable tolerances and favours feasible individuals on sub swarm leader’s selection to enhance algorithm’s convergence. The proposed approach was compared to rwFSS and to other state-of-the-art algorithms with proven capabilities on solving constrained optimization problems (COPs). The benchmark functions for the CEC 2020 competition on real-world constrained optimization were used to evaluate the algorithms. Tests proved that e-rwFSS enhanced feasibility capabilities regarding equality constraints, but it still struggles to show competitiveness with other consolidated state-of-the-art algorithms on highly constrained search spaces.

Divulgação - Defesa Nº 273

Aluno: Ailton de Souza Leite

Título: “Processamento, reconhecimento e classificação de fala disártrica através do processamento de espectrogramas utilizando modelos híbridos inteligentes”.

Orientador: Sérgio Murilo Maciel Fernandes

Coorientador: Rodrigo de Paula Monteiro

Examinador Externo: Paulo Salgado G. de Mattos Neto (UFPE)

Examinador Interno: Alexandre Magno Andrade Maciel (PPGEC)

Data-hora: 28 de Julho de 2023 às 13:30h.
Local: Formato Remoto

---

Resumo:

         Este trabalho apresenta quatro dos modelos híbridos inteligentes mais utilizados na literatura capazes de processar, reconhecer e classificar a fala disártrica, condição que afeta a produção articulatória e a inteligibilidade da fala, por meio da análise de seus respectivos espectrogramas. Os modelos visam dar suporte aos profissionais de saúde na análise e diagnóstico da fala disártrica, contribuindo para um prognóstico mais preciso e auxiliando na definição do estado de saúde dos indivíduos acometidos por essa condição. Para apoiar os experimentos e validar as aplicações dos modelos, foi utilizada a base de dados de articulação distártrica TORGO, disponibilizada pelo departamento de Ciência da Computação da Universidade de Toronto. O intuito deste trabalho é criar modelos híbridos capazes de distinguir um áudio sem alteração de fala de um áudio com alteração de fala e, também, indicar o sexo do individuo que se expressa. Foi realizado um pré-processamento inicial nos áudios das falas disponíveis na base de dados TORGO para extração dos seus respectivos espectrogramas, que serviram de entrada para os modelos apresentados. Os modelos utilizaram a extração das características dos espectrogramas que geraram características nomeadas para um processamento supervisionado. Essas características foram extraídas utilizando uma Convolutional Neural Network (CNN), com o apoio de técnicas de transferência de aprendizagem e ajustes finos em sua arquitetura e seus hiperparâmetros. Os resultados do processamento da CNN foram entregues a outros algoritmos inteligentes para realização da etapa de reconhecimento e classificação da fala. O primeiro modelo criado utilizou o algoritmo Support Vector Machine (SVM) para reconhecimento e classificação das características extraídas pela CNN e obteve uma acurácia de 98,22%. O segundo modelo utilizou o algoritmo K-Nearest Neighbors (KNN), obtendo uma acurácia de 97,51%. O terceiro modelo utilizou o algoritmo Random Forest (RF), e obteve uma acurácia de 97,16%. O último modelo utilizou o algoritmo Naive Bayes (NB), e alcançou uma acurácia de 89,71%.