University of Pernambuco - Engineering School/ Editorial System Journals
Not a member yet
37197 research outputs found
Sort by
Análise de Séries Temporais de Acidentes nas Rodovias Federais de Pernambuco
No full textThe research on traffic accidents in Brazil, with an emphasis on federal highways in Pernambuco, aims to analyze and investigate accidents through data analysis. The central purpose is to predict future events on different types of lanes—single, double, and multiple—based on historical data from 2017 to February 2024. The study aims to support the development of strategies and inform metric-based decision-making, using an experimental protocol that utilizes data analysis techniques and models such as Isolated Forest, Prophet, and SARIMAX. Each step involves smoothing the data with moving average and median techniques to generate new metrics, identifying the best configuration for each lane type.A pesquisa sobre acidentes de trânsito no Brasil, com ênfase nas rodovias federais de Pernambuco, tem como objetivo analisar e investigar acidentes por meio de análise de dados. O propósito central é prever eventos futuros em diferentes tipos de pistas — simples, duplas e múltiplas — com base em dados históricos de 2017 até fevereiro de 2024. O estudo busca apoiar o desenvolvimento de estratégias e fundamentar a tomada de decisões baseadas em métricas, utilizando um protocolo experimental com o uso de técnicas e modelos de análise de dados, como Isolated Forest, Prophet e SARIMAX. Cada etapa envolve a suavização dos dados com técnicas de média e mediana móvel para gerar novas métricas, identificando a melhor configuração para cada tipo de pista
Ciência de Dados em Pré-diagnóstico para Auxílio na Tomada de Decisões em Teleconsultas no CISAM
No full textThe overburdened healthcare systems and the difficulty of accessing care are global challenges. Telehealth, supported by Data Science, emerges as a viable solution, facilitating assistance. This work, developed in partnership with NUTES/CISAM, proposes an integrated Data Mining solution to optimize the flow of teleconsultations. The central objective is to develop a unified platform for the secure storage of patient data and the creation of a dashboard to support strategic decision-making. The methodology combined CRISP-DM for data flow and SCRUM/Kanban for project management. Data were extracted from heterogeneous sources (spreadsheets, medical records, and imaging exams) and centralized in a PostgreSQL database with MinIO. The main results are an interactive dashboard that reveals metrics and bottlenecks in care, and a web interface for exam management, aiming to improve the efficiency and assertiveness of medical decision-making.A sobrecarga dos sistemas de saúde e a dificuldade de acesso ao atendimento são desafios globais. A telessaúde, apoiada pela Ciência de Dados, surge como uma solução viável, facilitando a assistência. Este trabalho, desenvolvido em parceria com o NUTES/CISAM, propõe uma solução integrada de Mineração de Dados para otimizar o fluxo de teleconsultas. O objetivo central é desenvolver uma plataforma unificada para armazenamento seguro de dados de pacientes e a criação de um dashboard de apoio à decisão estratégica. A metodologia combinou o CRISP-DM, para o fluxo de dados, e o SCRUM/Kanban, para a gestão do projeto. Os dados foram extraídos de fontes heterogêneas (planilhas, prontuários e exames em imagem) e centralizados em um banco PostgreSQL com MinIO. Os resultados principais são um dashboard interativo, que revela métricas e gargalos do atendimento, e uma interface web para a gestão de exames, visando melhorar a eficiência e a assertividade da tomada de decisão médica
A Data-Driven and Explainable Machine Learning Approach to Predict Prolonged Hospitalization in Brazilian SARS Patients
No full textSevere Acute Respiratory Syndrome (SARS) continues to pose a substantial public health challenge in Brazil, with prolonged hospitalizations increasing pressure on healthcare resources. This study utilized Brazil’s national SIVEP-Gripe surveillance system, a comprehensive repository of anonymized, individual-level records for SARS cases including influenza and other respiratory viruses, to develop and evaluate machine learning models. Using data from 2024, we constructed a preprocessed dataset consisting of 64,238 hospitalized patient records. This dataset was built using 32 independent variables, all of which are available at the time of patient admission. The focus of this dataset is to predict prolonged hospital length of stay (PLOS > 7 days). Three ensemble tree-based algorithms—Random Forest, XGBoost, and CatBoost—were trained after data preprocessing and robust imputation, using stratified 5-fold cross-validation with AUC maximization. The models exhibited moderate but consistent predictive performance, with AUC values around 0.65. XGBoost achieved the best balance between sensitivity and specificity, while Random Forest achieved higher recall for prolonged-stay cases. Explainable AI analysis using SHAP values revealed asthma, age, oxygen saturation, and geographic region as the most influential predictors. These findings underscore the potential of explainable machine learning approaches to support early hospital resource planning using routinely collected surveillance data. Future research should incorporate dynamic and clinical progression variables to further enhance predictive performance and real-world applicability. Severe Acute Respiratory Syndrome (SARS) continues to pose a substantial public health challenge in Brazil, with prolonged hospitalizations increasing pressure on healthcare resources. This study utilized Brazil’s national SIVEP-Gripe surveillance system, a comprehensive repository of anonymized, individual-level records for SARS cases including influenza and other respiratory viruses, to develop and evaluate machine learning models. Using data from 2024, we constructed a preprocessed dataset consisting of 64,238 hospitalized patient records. This dataset was built using 32 independent variables, all of which are available at the time of patient admission. The focus of this dataset is to predict prolonged hospital length of stay (PLOS > 7 days). Three ensemble tree-based algorithms—Random Forest, XGBoost, and CatBoost—were trained after data preprocessing and robust imputation, using stratified 5-fold cross-validation with AUC maximization. The models exhibited moderate but consistent predictive performance, with AUC values around 0.65. XGBoost achieved the best balance between sensitivity and specificity, while Random Forest achieved higher recall for prolonged-stay cases. Explainable AI analysis using SHAP values revealed asthma, age, oxygen saturation, and geographic region as the most influential predictors. These findings underscore the potential of explainable machine learning approaches to support early hospital resource planning using routinely collected surveillance data. Future research should incorporate dynamic and clinical progression variables to further enhance predictive performance and real-world applicability. 
Software Engineering and Open Innovation: Collaboration between Industry, Academia, and Government
No full textCollaboration between industry, academia, and government (IAC) has proven to be an effective model for promoting innovation, especially through open innovation. However, the integration of these sectors still faces challenges in its implementation, despite the numerous benefits it brings to all involved parties. This research analyzes the perceptions of undergraduate and graduate students involved in open innovation projects, focusing on the development of new products and Minimum Viable Products (MVPs) through Action Research (AR) in real-world projects. The study addresses the use of AR, turnover, and conflicts within software development teams, as well as the collaboration between industry and academia and perceptions of its application. The results show that, although the use of AR presented challenges for students, it led to positive outcomes, including the successful implementation of MVPs.Collaboration between industry, academia, and government (IAC) has proven to be an effective model for promoting innovation, especially through open innovation. However, the integration of these sectors still faces challenges in its implementation, despite the numerous benefits it brings to all involved parties. This research analyzes the perceptions of undergraduate and graduate students involved in open innovation projects, focusing on the development of new products and Minimum Viable Products (MVPs) through Action Research (AR) in real-world projects. The study addresses the use of AR, turnover, and conflicts within software development teams, as well as the collaboration between industry and academia and perceptions of its application. The results show that, although the use of AR presented challenges for students, it led to positive outcomes, including the successful implementation of MVPs
Análise de Dados dos Estágios Obrigatórios da Escola Politécnica de Pernambuco (POLI)
No full textThis paper investigated the impact of mandatory internships on the academic performance of engineering students at the Polytechnic School of Pernambuco (POLI), applying data mining techniques, such as the K-Means algorithm, to identify patterns and associated variables. The analysis segmented students into clusters before and after the internship, enabling a detailed understanding of changes in performance, attendance, approvals, and ranking. The results demonstrated that the internship significantly influences academic trajectory, with some groups showing improvements and others facing challenges related to attendance and performance.Este artigo investigou o impacto do estágio obrigatório no desempenho acadêmico de alunos dos cursos de engenharia da Escola Politécnica de Pernambuco (POLI), aplicando técnicas de mineração de dados, como o algoritmo K-Means, para identificar padrões e variáveis associadas. A análise segmentou os estudantes em clusters antes e depois do estágio, possibilitando uma compreensão detalhada das mudanças no desempenho, frequência, aprovações e posicionamento no ranking. Os resultados demonstraram que o estágio influencia significativamente a trajetória acadêmica, com alguns grupos apresentando melhorias e outros enfrentando desafios relacionados à frequência e desempenho
Mineração de Dados para Auxiliar na Tomada de Decisões Estratégicas em Teleatendimentos do CISAM-UPE
No full textThis study aimed to enhance the quality of patient care at the Amaury de Medeiros University Health Center, part of the University of Pernambuco (CISAM-UPE). The initiative was based on analyzing patterns in historical telehealth data using Data Science tools and institution-defined parameters to support strategic decision-making, prioritizing care for patients in critical and urgent conditions. Initially, it was necessary to align business interests with data mining objectives and establish success criteria for the models to be developed. The CRISP-DM methodology (Cross Industry Standard Process for Data Mining) was selected as a guide for systematically executing data mining activities. As a result, models were created using specific data mining software and libraries. These models provide essential insights that enable the development of new care strategies, focusing on prioritizing the most critical and urgent cases.Este estudo teve como propósito aprimorar a qualidade do atendimento aos pacientes do Centro Universitário Integrado de Saúde Amaury de Medeiros da Universidade de Pernambuco (CISAM-UPE). A iniciativa foi baseada na análise de padrões presentes nos dados históricos de teleatendimento, com o uso de ferramentas de Ciência de Dados e parâmetros definidos pela instituição, para apoiar a tomada de decisões estratégicas, dando prioridade ao atendimento de pacientes em condições críticas e de urgência. Primeiramente, foi preciso alinhar os interesses do negócio com os objetivos da mineração de dados, além de definir critérios de sucesso para os modelos que seriam desenvolvidos. A metodologia CRISP-DM (Cross Industry Standard Process for Data Mining) foi escolhida como referência para a execução organizada das atividades de mineração de dados. Como resultado, modelos foram elaborados com o uso de softwares e bibliotecas específicos de mineração de dados. Esses modelos fornecem informações importantes que possibilitam o desenvolvimento de novas estratégias de atendimento, com foco na priorização dos casos mais críticos e urgentes
Uso do Aprendizado de Máquina para Avaliar a Aplicação de Recursos na Assistência de Internação Hospitalar
No full textThe article addresses the use of machine learning to optimize resource allocation in Hospital Admission Assistance within Brazil’s Unified Health System (SUS), considering the management challenges posed by decentralization and demographic transitions. The main objective is To present a machine learning method to support managers in evaluating discrepancies between predictions and resource allocation in Hospital Admission Assistance. Data from Datasus (2022-2024) were preprocessed and used to train regression models, including Decision Tree, Random Forest, and MLP (Multi-Layer Perceptron), focusing on predicting average hospitalization costs per municipality. The MLP model stood out with the lowest errors (MAPE: 28.46% and MAE: 183.20). Results indicate that the model can support strategic decisions, enabling local and regional analyses for greater efficiency in public spending. It is concluded that the approach contributes to prioritizing resource allocations and suggests improvements in public policies based on artificial intelligence.O artigo aborda a utilização de aprendizado de máquina para otimizar a aplicação de recursos na Assistência de Internação Hospitalar no SUS, diante dos desafios de gestão impostos pela descentralização e transições demográficas. O objetivo principal é apresentar um método de aprendizagem de máquina que apoie os gestores na avaliação de divergências entre a predição e a aplicação de recursos na Assistência de Internação Hospitalar. Dados do Datasus (2022-2024) foram pré-processados e utilizados para treinar modelos de regressão, incluindo Decision Tree, Random Forest e MLP (Multi-Layer Perceptron), com foco na previsão de custos médios de internações por município. O MLP destacou-se com os menores erros (MAPE: 28,46% e MAE: 183,20). Os resultados indicam que o modelo pode apoiar decisões estratégicas, possibilitando análises locais e regionais para maior eficiência nos gastos públicos. Conclui-se que a abordagem contribui para priorizar alocações de recursos e sugere melhorias em políticas públicas baseadas em inteligência artificial
Análise da influência da geometria, pavimentação e sinalização em sinistros viários do trecho da BR-163
No full textAs operações de transportes oportunizam o deslocamento de mercadorias e pessoas, essenciais para promover o desenvolvimento econômico de uma região. Apesar da dependência do transporte rodoviário, o Brasil ainda é carente de boas estradas (DNIT, 2003). Apenas 12,4% das rodovias são pavimentadas, e mesmo assim, a qualidade está abaixo do razoável (CNT,2023). De acordo com dados do Programa de Redução de Acidentes nas Estradas, os acidentes de trânsito no Brasil representam o segundo maior problema de saúde pública do País, perdendo para a desnutrição e 62% dos leitos de traumatologia dos hospitais são ocupados por acidentados no trânsito (CNT, 2011). Baseado nesse contexto, voltou-se atenção à BR-163, a qual apresenta uma característica peculiar de possuir um trecho de 21 km em tangente, além de elevada estatística de ocorrência de acidentes. Este trabalho teve como objetivo estudar a acidentalidade na BR-163, entre os quilômetros 692 e 713, que liga as cidades de Lucas do Rio Verde a Sorriso, no estado de Mato Grosso. A partir de dados obtidos no anuário da Confederação Nacional de Transportes de 2022 e outras fontes, fez-se uma análise dos problemas observados nesse trecho, considerando aspectos de geometria (PONTES FILHO, 1998), pavimentação e sinalização. Utilizou-se o Software Google Earth para caracterizar o trecho analisado e o Software CIVIL3D, para apresentar a solução de uma nova geometria. Foram identificadas e apresentadas as causas e tipos de acidentes e estabelecidas medidas preventivas para minimizá-los, considerando a não conformidade na geometria, danos encontrados na pavimentação e sinalização horizontal precária
Inspeção de reservatórios elevados de água com veículo aéreo não tripulado (VANT)
No full textOs reservatórios elevados são estruturas fundamentais para o armazenamento da água, elemento essencial para a sobrevivência da vida na Terra. Inúmeras manifestações patológicas são observadas na estrutura de concreto, principal material constituinte dos reservatórios de água, muito em função da falta de manutenção desde a construção. A inspeção é um desafio no caso dos reservatórios elevados, em virtude da inerente complexidade dessas construções (altura, tamanho, dificuldades de acesso e condições de exposição). Nos últimos anos, a utilização do Veículo Aéreo Não Tripulado (VANT) na construção civil vem crescendo, sendo uma alternativa eficaz e inovadora para superar os desafios da inspeção. Este trabalho objetiva realizar o estudo exploratório do uso de VANT como ferramenta visual para inspeção de manifestações patológicas em reservatórios elevados de água. A metodologia contemplou duas etapas de pesquisa: a pesquisa exploratória, que abrangeu uma revisão sistemática da literatura (RSL), e a pesquisa experimental, na qual foram realizados dois estudos de caso em reservatórios elevados de água. Os resultados da pesquisa exploratória exibiram evidência satisfatória que enfatiza as diferentes vantagens do uso desta aeronave como ferramenta eficiente e flexível para o levantamento de imagens, haja vista que através da RSL concluiu que, apesar do VANT não ser uma ferramenta muito utilizada para inspeção em reservatórios elevados de água, atualmente, os estudos que apresentam e abordam sobre o uso dessa ferramenta demonstram sua utilidade na área da construção civil e sua eficiência na obtenção de resultados de forma ágil, com menor custo e segura; enquanto, a pesquisa experimental comprovou a viabilidade técnica e eficácia da inspeção, demonstrando que as fotografias digitais geradas pela ferramenta foram mais efetivas para a identificação de manifestações patológicas, ao comparar-se com os modelos gerados pelos softwares AGISOFT Metashape e Pix4D Cloud. Ademais, dentre os softwares utilizados, o Metashape, da Agisoft, desempenhou um melhor papel em relação ao resultado das modelagens geradas através do processamento de imagens coletadas pela aeronave. Como contribuição principal deste trabalho, tem-se a elaboração das diretrizes para inspeção de reservatórios elevados de água, através do estruturamento do procedimento por meio da formulação do checklist pelo Google Forms, de forma a auxiliar nas etapas do voo com a aeronave. Além do mais, o estudo contribuiu para demonstrar o desempenho dos ativos visuais (modelagem 3D e fotografias digitais), em relação à identificação de manifestações patológicas presentes nas estruturas. Conclui-se que o VANT é uma ferramenta visual eficaz e eficiente para inspeção de manifestações patológicas de reservatórios elevados de água
Uso da difração de raio-x (DRX) para análise da erodibilidade do solo: Uma revisão sistemática de literatura.
No full textA erosão do solo é um fenômeno geológico de separação e transporte de partículas do solo de sua origem e seu acúmulo no local ou distante dele (Rehman et al., 2022). Tal fenômeno, quando induzido pela precipitação excessiva e o escoamento superficial junto com a interferência antropogênica, leva a degradação da terra, sedimentação dos rios e agrava perigos geológicos. O problema de erosão ocorre em todo mundo, sendo assim, países com climas tropicais, como o Brasil, são particularmente vulneráveis à erosão do solo. Sob essa óptica, estudos que abrangem técnicas que envolvam experimentos de laboratório que permitem verificar a erodibilidade do solo e suas respectivas propriedade físicas, químicas e mineralógicas, vem sendo muito difundidos (Santana; Guimarães; Marques, 2024; Rehman et al., 2024). A técnica de Difração de Raios-X (DRX) permite identificar as fases cristalinas dos constituintes de um material ou um composto, sendo essencial, principalmente, para o estudo da caracterização mineralógica dos solos, permitindo a identificação de constituintes mineralógicos como, por exemplo, as frações de argilas que são contribuintes para o processo de erosão (Esquerdo et al., 2020; Pereira et al., 2020). Com isso, esta pesquisa tem como objetivo analisar estudos sobre o uso da técnica de difratometria de raio-X (DRX) como ferramenta da auxílio na avaliação de solos erodíveis, por meio de uma revisão sistemática de literatura, contribuindo para a criação de um banco de dados de modo a permitir uma melhor compreensão dos componentes mineralógicos do solo e sua relação com o fator de erodibilidade. Como metodologia, trata-se de uma pesquisa aplicada por meio de uma RSL cujo recorte temporal está entre os anos de 2019 à 2024, os termos de busca consistem na erosão do solo e na técnica de DRX e as fases metodológicas do estudo foram: busca em base de dados, meta-análise, análise descritiva e bibliográfica. Quanto aos resultados, foi possível elaborar, uma análise descritiva e bibliográfica da temática em estudo, permitindo uma compreensão quanto a relação dos componentes químicos do solo e sua relação com o fator de erodibilidade. Concluiu-se que, o uso da técnica de DRX tem se mostrado bastante eficiente, haja vista, sua aplicação na caracterização mineralógica das finas parcelas do solo, permitindo, assim, por meio da interpretação dos difratogramas compreender os impactos da adição de materiais de reforço na composição química do solo, as melhorias das propriedades do solo observando suas fases cristalinas, como também, na identificação quanto a suscetibilidade do mesmo a erodibilidade