Navegando por Autor "Santos, Mailson Ribeiro"
Agora exibindo 1 - 7 de 7
- Resultados por página
- Opções de Ordenação
Tese Abordagens com aprendizagem on-line e off-line para detecção, classificação e estimação de falhas em sistemas dinâmicos(Universidade Federal do Rio Grande do Norte, 2024-08-20) Santos, Mailson Ribeiro; Oliveira, Luiz Affonso Henderson Guedes de; https://orcid.org/0000-0003-2690-1563; http://lattes.cnpq.br/7987212907837941; http://lattes.cnpq.br/7242148883405512; Silva, Ivanovitch Medeiros Dantas da; Fernandes, Marcelo Augusto Costa; Munaro, Celso José; Gendriz, Ignacio SanchezEste estudo aborda métodos para detecção, classificação e avaliação da severidade de falhas em sistemas dinâmicos, em resposta à necessidade de monitoramento eficaz em ambientes industriais complexos. Com o objetivo de mitigar erros humanos e identificar falhas em tempo real, utilizam-se abordagens de aprendizado de máquina, tanto off-line quanto on-line. A primeira parte do trabalho utiliza uma metodologia com aprendizado off-line, empregando características selecionadas por sua relevância com base em informações extraídas de uma técnica de Inteligência Artificial Explicável (XAI), com o objetivo de desenvolver modelos eficazes. A Máquina de Vetor de Suporte (SVM) foi utilizada em todas as etapas dessa abordagem. A segunda parte do estudo enfocou uma abordagem com aprendizado on-line, utilizando algoritmos evolutivos em todas as fases. Foram testadas duas abordagens de pré-processamento de dados: uma baseada na relevância das características obtida off-line e a outra usando janelamento temporal nos dados dos sensores. Além disso, uma modificação no algoritmo Typicality and Eccentricity Data Analysis (TEDA) foi proposta para a detecção e classificação de falhas, comparando duas versões do algoritmo para identificar a mais eficaz. Na última fase on-line, o algoritmo AutoCloud foi empregado para identificar a gravidade das falhas. Um aspecto compartilhado entre as abordagens de aprendizado off-line e on-line é o critério sequencial, no qual dados previamente identificados como falhos são empregados na classificação de falhas, enquanto os dados de cada tipo de falha são utilizados separadamente na identificação da gravidade. Para validação das propostas, foi utilizado o benchmark da Case Western Reserve University (CWRU) para falhas em rolamentos. Na abordagem de aprendizado off-line, obtivemos resultados satisfatórios com um número reduzido de características, demonstrando a eficiência e eficácia do modelo proposto. Os resultados da abordagem de aprendizado on-line demonstraram que o algoritmo TEDA Modificado obteve métricas de avaliação superiores em relação ao TEDA Original na detecção de falhas, independentemente da abordagem de pré-processamento adotada. No entanto, a capacidade de classificação foi mais satisfatória quando se utilizou a abordagem de pré-processamento com dados janelados em conjunto com o TEDA Original. Quanto à identificação da gravidade das falhas, a primeira abordagem apresentou resultados satisfatórios, especialmente para falhas de um tipo específico, enquanto a segunda abordagem enfrentou dificuldades, resultando em métricas de avaliação baixas. Comparando as abordagens de aprendizado on-line e off-line, ambas mostraram eficácia semelhante na detecção e classificação de falhas, porém a identificação da gravidade foi mais precisa na abordagem com aprendizado off-line. Conclui-se que ambas as propostas são promissoras.TCC Análise de dados de eletroencefalograma para diminuição do número de canais(Universidade Federal do Rio Grande do Norte, 2022-12-09) Oliveira, Julia Costa Corrêa de; Oliveira, Luiz Affonso Henderson Guedes de; Vieira, Jusciaane Chacon; Santos, Mailson RibeiroNos dias atuais o número de pessoas que sofrem de epilepsia gira em torno de 50 milhões. Dessas pessoas, aproximadamente 70% consegue viver sem convulsões, as controlando a partir de medicamentos. Porém, pensando nos 30% restantes que ainda não conseguem controlar as crises, é preciso encontrar um método de diminuir o número de eletrodos necessários para identificar o início de uma crise epiléptica, a fim de tornar possível o uso de um equipamento de uso diário que avise ao indivíduo quando uma crise estiver por vir. Levando isto em consideração, este trabalho tem por objetivo verificar o impacto da diminuição de eletrodos na inferência do momento de crise. Para esse estudo, utilizou-se um dataset do centro médico da Universidade Americana de Beirute com dados das ondas eletromagnéticas, geradas pelo cérebro de um paciente epiléptico, captadas por um eletroencefalograma. Os seus dados foram, então, adaptados e repartidos em dados de treino e teste para serem utilizados por uma máquina de aprendizagem, chamada de floresta aleatória, na linguagem Pyhton. Nela foram colocados os dados com todos os 19 eletrodos e a partir do resultado obtido, selecionou-se apenas os 9 eletrodos mais relevantes para serem novamente aplicados na máquina. Os resultados encontrados em ambos os testes mostraram que a diferença de acurácia entre eles foi de 3.47% e as matrizes de confusão geradas foram similares entre si. Separou-se, então, janelas de 1 segundo (500 linhas) dos dados e tirou-se suas médias; em seguida, o mesmo procedimento foi feito com os novos dados obtidos. Como resultado, não só a acurácia aumentou em relação ao primeiro teste (com dados originais e 19 canais), como o resultado obtido com menos canais foi o maior já obtido, uma acurácia de 91.32%, contrariando as expectativas iniciais do trabalho. Em princípio, espera-se que a precisão do sistema seja maior com o uso de uma maior quantidade de eletrodos, dado que este aumento corresponde a uma maior quantidade de informações, porém, deve-se observar o objetivo do que se quer alcançar e realizar compromissos, se for necessário. Sabia-se de antemão que a acurácia seria prejudicada; todavia, não se esperava que com a média e poucos canais a acurácia fosse maior do que aquela obtida utilizando a média e todos os canais. No entanto, para o objetivo deste trabalho, ambos os resultados - de maior e menor precisão - foram satisfatórios e o objetivo alcançado.TCC Análise de dados sobre crimes violentos letais intencionais no Rio Grande do Norte(Universidade Federal do Rio Grande do Norte, 2022-02-11) Moura, Bruna Rêgo de; Oliveira, Luiz Affonso Henderson Guedes de; Nunes, Yuri Thomas Pinheiro; Santos, Mailson RibeiroDe acordo com o Anuário Brasileiro de Segurança Pública de 2021, constatou-se que a região Nordeste do país apresentou a maior taxa de Mortes Violentas Intencionais do Brasil, no ano de 2021. Frente a isso, este estudo tem como objetivo construir uma percepção dos Crimes Violentos Letais e Intencionais, ocorridos no Estado do Rio Grande do Norte - RN, no período de 2017 a 2021, a partir dos dados disponibilizados pelo Observatório da Violência do Rio Grande do Norte - OBVIO. Este estudo tem caráter descritivo e baseou-se em métodos qualitativos e quantitativos. Os objetivos específicos deste estudo são: verificar a intensidade desses crimes ao longo do período estudado; analisar o perfil das vítimas; analisar as características do fato criminoso; e como esses crimes estão distribuídos geograficamente no Estado do RN. Assim, a contribuição deste trabalho se caracteriza pela aplicação de conceitos de ciência de dados, por meio de métodos estatísticos e de visualização de dados. Os resultados foram obtidos utilizando-se técnicas de pré-processamento, análise exploratória e processamento de dados, com recursos de ciência de dados através dos pacotes Pandas e Plotly da linguagem Python.TCC Uma análise exploratória de dados e o uso de aprendizado de máquina para classificação de doenças cardiovasculares(Universidade Federal do Rio Grande do Norte, 2022-01-11) Santos, Bruno Bruno Silva dos; Oliveira, Luiz Affonso Henderson Guedes De; https://orcid.org/0000-0003-2690-1563; http://lattes.cnpq.br/7987212907837941; http://lattes.cnpq.br/6151311030175220; Santos, Mailson Ribeiro; http://lattes.cnpq.br/7242148883405512; Nunes, Yuri Thomas Pinheiro; https://orcid.org/0000-0003-0280-0346; http://lattes.cnpq.br/4965053749389598O objetivo deste trabalho é mostrar um estudo embasado na ciência de dados para a elaboração de uma análise a respeito de doenças cardiovasculares (DCV). Além disso, identificar os fatores que podem vir a influenciar um indivíduo a contrair esse tipo de enfermidade. A partir dos dados de pacientes e da análise preditiva, identificar a probabilidade de resultados futuros de pessoas com DCV, afim de ajudar ao sistema de saúde a obter um melhor prognóstico em relação aos seus pacientes. Utilizando para isso, dados anteriores para efetuar um estudo, através de uma inteligência artificial, para determinar se existe a DCV no paciente. Em particular, o trabalho fornece uma análise exploratória de dados (AED) buscando encontrar correlações entre os dados estudados e a DCV, assim como o uso da inteligência artificial (IA) com cinco algoritmos de classificação de casos de doenças cardiovasculares. Os algoritmos preveem o risco de obter uma doença cardiovascular com base nas informações anteriores de uma base de dados coletados de pacientes. O conjunto de dados usado foi obtido do repositório Kaggle, encontrado a partir da plataforma IEEEDataPort, no qual, com base no estudo, verificou-se que a pressão arterial, o colesterol, idade e o IMC têm uma maior correlação entre o risco de se obter uma doença cardiovascular. Os resultados no conjunto de dados usando a técnica de aprendizado de máquina obteve-se um melhor resultado para o método Floresta Aleatória com uma acurácia de 80%, F1-score de 82% e 78% para a possibilidade de não ter ou ter uma doença cardiovascular, respectivamente, usando cross-validation com k-fold igual a 5.TCC Aplicação de regras de associação para o desenvolvimento de sistemas de recomendação de materiais bibliográficos da UFRN(Universidade Federal do Rio Grande do Norte, 2022-02-11) Lopes Junior, Silvano Carlos; Oliveira, Luiz Affonso Henderson Guedes de; 0000-0003-2690-1563; http://lattes.cnpq.br/7987212907837941; http://lattes.cnpq.br/5967407683391820; Santos, Mailson Ribeiro; http://lattes.cnpq.br/7242148883405512; Nunes, Yuri Thomas Pinheiro; 0000-0003-0280-0346; http://lattes.cnpq.br/4965053749389598O objetivo desse trabalho é desenvolver um sistema de recomendação de livros do acervo regular da rede de bibliotecas da UFRN. O sistema de recomendação utilizou os dados de empréstimos realizados nos semestres anteriores e para a geração de regras de associação, foi utilizado o algoritmo FP-Growth para indicar possíveis referências que podem ser utilizadas em conjunto, de forma que facilite a assimilação do conhecimento por parte do discente. A metodologia utilizada é composta das seguintes etapas: análise exploratória de dados, treinamento, validação dos modelos de aprendizado de máquina e visualização dos dados. Para o desenvolvimento da solução foi utilizado o conjunto de bibliotecas de análise de dados da linguagem Python. Para validação da proposta se utilizou informações de empréstimo de livros nas bibliotecas da UFRN, obtidas a partir do portal de dados abertos da instituição. Em termos de resultados, foram analisados três combinações de variáveis que geraram entre dez a quarenta regras de associação.TCC Detecção e classificação de falhas em rolamentos de motores elétricos baseado em árvores de decisão(Universidade Federal do Rio Grande do Norte, 2022-02-11) Souza, Rafael Fernando Silva e; Oliveira, Luiz Affonso Henderson Guedes de; http://lattes.cnpq.br/7987212907837941; http://lattes.cnpq.br/6903215043196058; Santos, Mailson Ribeiro; Nunes, Yuri Thomas PinheiroEste trabalho propõe uma aplicação do algoritmo de árvore de decisão, desenvol- vido em linguagem Python, para identificar, detectar e classificar possı́veis falhas nos rolamentos de motores elétricos, que são as principais responsáveis pelo mau funciona- mento de motores. Foram utilizados dados de vibração do eixo de um motor elétrico de 1 cv (cavalo-vapor) em funcionamento normal e em falha nos rolamentos internos e ex- ternos, na velocidade de 1772 rpm, cuja gravidade da falha é estimada através diâmetro dos rolamentos em 7, 14 e 21 polegadas. Os resultados obtidos indicaram que a solução baseada em árvores de decisão se mostrou, no pior caso, uma acuracia de 0,99% e acertos de 98,89% ao classificar as amostras, adequada para a detecção e classificação de falhas em rolamentos de motores elétricos.Dissertação Uma metodologia baseada em sistemas evolutivos para detecção e identificação de falhas de sistemas dinâmicos(Universidade Federal do Rio Grande do Norte, 2021-01-07) Santos, Mailson Ribeiro; Oliveira, Luiz Affonso Henderson Guedes de; ; http://lattes.cnpq.br/7987212907837941; ; http://lattes.cnpq.br/7242148883405512; Silva, Ivanovitch Medeiros Dantas da; ; http://lattes.cnpq.br/3608440944832201; Bezerra, Clauber Gomes; ; http://lattes.cnpq.br/2442753555946120Este trabalho propõe uma metodologia para detecção e identificação de falhas em sistemas dinâmicos, através de uma abordagem on-line e evolutiva. A proposta é dividida em três estágios, na qual são realizados o pré-processamento e pós-processamento dos dados com o intuito de aumentar a robustez da metodologia na presença de outliers e ruídos, no pré-processamento é realizada a seleção de características, normalização dos dados, filtragem e adição de regressores, já no pós-processamento é realizada uma filtragem de tempo. No estágio de processamento é aplicada uma abordagem adaptável e não-supervisionado, por meio do algoritmo Auto-Cloud, que realiza o agrupamento e classificação de streams de dados. Para validação desta proposta foram utilizadas diferentes métricas de avaliação, como Adjusted Rand Index (ARI), homogeneidade, completude, precisão, f1_score, recall, sendo obtidos resultados satisfatórios. Por fim, é apresentada a conclusão deste trabalho, além de propostas para trabalhos futuros.