University of Pernambuco - Engineering School/ Editorial System Journals
Not a member yet
37197 research outputs found
Sort by
Gamificação na Engenharia: Ensino de Energias Renováveis com Apoio de Tecnologias Educacionais Interativas
No full text
A formação de profissionais nas áreas de ciência, tecnologia, engenharia e matemática (STEM, do inglês, Science, Technology, Engineering, and Mathematics) enfrenta desafios desde o ensino básico, especialmente no que se refere à atratividade de disciplinas como Física e Matemática (Rocha; Lima; Andriola, 2021, p. 6). A pouca familiaridade dos estudantes com esses conteúdos impacta negativamente sua escolha por cursos superiores nas áreas tecnológicas (Pontes et al., 2022). Para enfrentar esse cenário, estratégias pedagógicas baseadas em metodologias ativas têm sido incentivadas como forma de tornar o aprendizado mais dinâmico, significativo e acessível (Feitosa et al., 2024). Entre essas estratégias, destaca-se a gamificação, que utiliza elementos lúdicos e mecânicas de jogos para engajar os estudantes e favorecer o desenvolvimento de habilidades cognitivas e socioemocionais (Ortiz-Rojas et al., 2025). De acordo com Moral-Sánchez, Sánchez-Compaña e Romero (2022), o termo “jogos sérios” se refere a jogos projetados com finalidade educacional, voltados ao desenvolvimento de habilidades específicas e ao ensino de diversas disciplinas por meio de abordagens interativas e gamificadas. O uso de jogos sérios no contexto educacional, especialmente aqueles com foco em sustentabilidade, contribui para o cumprimento de Objetivos de Desenvolvimento Sustentável (ODS) anunciados pela Organização das Nações Unidas (ONU, 2015), como a promoção de uma educação de qualidade (ODS 4) e o acesso à energia limpa e acessível (ODS 7). Nesse sentido, o presente trabalho apresenta o desenvolvimento do jogo STEM Renô, um jogo sério de tabuleiro com foco em energias renováveis e com pedido de patente submetido (BR 10 2024 024807 4), elaborado para o uso em aulas de Ciências do Ensino Fundamental, com aplicação experimental no Ensino Superior. O STEM Renô pode ser jogado individualmente ou em grupo e combina elementos lúdicos e desafios educativos para promover o aprendizado ativo sobre fontes de energia limpa: solar, eólica, hídrica, oceânica, biomassa e hidrogênio verde. Sua mecânica envolve o avanço em um tabuleiro por meio da resolução de desafios e cartas especiais, estimulando o raciocínio lógico, a pesquisa, a colaboração entre os participantes e a compreensão dos conteúdos de forma interativa. Composto por tabuleiro, cartas de perfil, cartas de desafio, cartas especiais, dado, cronômetro e marcadores, o STEM Renô apresenta uma proposta alinhada à educação STEM e aos Objetivos de Desenvolvimento Sustentável, buscando aproximar os alunos de temas científicos por meio de uma experiência envolvente, criativa e acessível. A metodologia consistiu na aplicação do protótipo do jogo com 12 alunos de Engenharia da Escola Politécnica da Universidade de Pernambuco, divididos em grupos e submetidos a duas sessões de jogo. Ao final, os participantes responderam a um questionário avaliativo. O objetivo da aplicação foi testar a jogabilidade, a abordagem pedagógica e a percepção dos alunos sobre o potencial do jogo como ferramenta de ensino. Os resultados indicaram alta aceitação entre os estudantes, que consideraram o jogo motivador, interativo e relevante para o aprendizado sobre energias renováveis. Embora tenham surgido sugestões de melhoria relacionadas à diversidade de desafios e à estrutura visual do tabuleiro, a maioria dos participantes afirmou que a atividade favoreceu o engajamento e o trabalho em equipe, com destaque para o estímulo à pesquisa e à discussão dos conteúdos. A experiência mostrou que o STEM Renô promove um ambiente de aprendizagem mais atrativo e colaborativo, capaz de transformar conteúdos técnicos em vivências interativas, auxiliando no desenvolvimento de competências transversais, como pensamento crítico, tomada de decisão e resolução de problemas. Como continuidade deste trabalho, prevê-se a aplicação do jogo com estudantes do sétimo ano do Ensino Fundamental, a fim de validar sua proposta junto ao público-alvo original. A versatilidade do jogo permite sua adaptação para diferentes níveis de ensino e outras áreas do conhecimento, consolidando-o como ferramenta pedagógica para o ensino de ciências com foco na sustentabilidade e na formação integral dos estudantes.
 
Aplicação de Redes Neurais para Evasão Escolar
No full textA evasão no ensino superior brasileiro representa um desafio significativo para instituições e estudantes. Para as universidades, resulta em salas vazias, ociosidade de docentes e subutilização da infraestrutura. Para os alunos, implica perda de tempo, recursos e, muitas vezes, dificuldades financeiras que contribuem para o abandono dos estudos. Segundo dados do ensino superior, entre 2018 e 2022, a taxa acumulada de evasão alcançou 57,2%, com apenas 25,6% dos estudantes concluindo a graduação (INSTITUTO SEMESP, 2024). Esses índices evidenciam a necessidade de medidas eficazes para previsão e prevenção da evasão, contribuindo para a melhoria da retenção e do planejamento acadêmico. Apesar da existência de programas voltados para a redução da evasão, suas causas são variadas, tornando a identificação precoce de alunos em risco de abandono, uma estratégia fundamental para mitigar o problema. Considerando isso, este estudo propõe o uso de redes neurais artificiais para a previsão da evasão de estudantes no ensino superior. Com o objetivo de aplicar modelos de redes neurais artificiais, especificamente Multilayer Perceptron (MLP) e Extreme Learning Machine (ELM), para prever a evasão de alunos no ensino superior, utilizando uma base de dados pública do Instituto Politécnico de Portalegre (Portugal), composta por informações demográficas, socioeconômicas e acadêmicas de 4.424 estudantes de 17 cursos de graduação da instituição (REALINHO et al., 2021). Neste trabalho foi utilizado uma metodologia inspirada na CRISP-DM (SHEARER, 2000) como base para o fluxo de pesquisa e desenvolvimento do projeto, desde a aquisição da base de dados até o a análise dos resultados da previsão das redes neurais. Primeiro, foi realizada uma busca por artigos que referenciam o trabalho de apresentação da base de dados do Instituto Politécnico de Portalegre, com o objetivo de identificar estudos que a utilizam, bem como artigos que abordam o tema da previsão de evasão escolar. Depois, a base de dados foi analisada, com foco na identificação de suas variáveis, na forma como os alunos foram classificados (graduados, matriculados ou evadidos) e no método utilizado para sua construção. Com base em trabalhos anteriores que utilizaram a base, além de testes preliminares utilizando as redes neurais MLP e ELM, foi realizado o pré-processamento dos dados, removendo os alunos classificados como "matriculados", escolhendo a proporção 80:20 para treino/teste, e mantendo todas as variáveis, entre outros ajustes. Assim, foram definidas as configurações dos modelos MLP e ELM, abrangendo desde o algoritmo de padronização dos dados e a divisão treino-teste, até a escolha dos hiperparâmetros, considerando as limitações e capacidades das bibliotecas utilizadas. Após os testes, os modelos MLP e ELM foram avaliados com base na especificidade, uma das poucas métricas que medem diretamente o desempenho na identificação da classe negativa (POWERS, 2020), sendo neste caso os alunos classificados como evadidos, e no tempo de execução da melhor métrica obtida, como indicador de custo computacional. Por fim, com base nos resultados, foram discutidas possíveis justificativas para o desempenho observado, bem como potenciais aplicações das redes neurais em instituições de ensino superior. Portanto, ambos os modelos testados apresentaram resultados satisfatórios no contexto da previsão de evasão escolar, considerando as métricas de especificidade e tempo de execução. A especificidade, que mede a capacidade de identificar corretamente os alunos evadidos (classe negativa), foi de 87,00% para o MLP, indicando maior precisão na detecção de casos reais de evasão. Já o ELM obteve uma especificidade de 81,59%, revelando uma leve tendência a classificar erroneamente alguns alunos evadidos como graduados. No que se refere ao tempo de execução das melhores configurações, observou-se uma diferença significativa entre os modelos. O MLP, mesmo utilizando GPU dedicada, levou 4,71 segundos para realizar a predição em sua configuração mais eficiente. Por outro lado, o ELM concluiu o mesmo processo em apenas 0,01477 segundos, executando totalmente em CPU. Essa discrepância evidencia a vantagem computacional do ELM, especialmente em contextos que demandam processamento rápido ou com infraestrutura limitada. Esses resultados demonstram que ambos os modelos são viáveis para aplicação prática, mas com características técnicas distintas: o MLP oferece maior precisão na identificação de alunos em risco de evasão, enquanto o ELM se destaca pela agilidade e eficiência computacional. A escolha entre os dois deve considerar o equilíbrio entre desempenho preditivo e recursos disponíveis, conforme a realidade e os objetivos de cada instituição. Considerando seu uso por instituições de ensino, o modelo MLP demonstrou ser uma rede extremamente versátil e configurável, permitindo sua adaptação a diferentes realidades e exigências institucionais. Sua flexibilidade técnica, no entanto, vem acompanhada de uma maior demanda computacional, exigindo ambiente especializado e, preferencialmente, suporte de hardware com aceleração via GPU. Dessa forma, sua utilização é mais adequada a instituições que possuam maior infraestrutura tecnológica e interesse em configurações customizadas e precisas. O modelo ELM, por outro lado, apresentou um desempenho satisfatório com baixo custo computacional, podendo ser executado integralmente em CPU, o que o torna acessível a instituições com recursos mais limitados. Ainda assim, sua eficácia depende fortemente da escolha dos hiperparâmetros e da sensibilidade à distribuição dos dados, além de sua estrutura não permitir ajustes dinâmicos de pesos, o que reduz sua adaptabilidade em relação ao MLP. Apesar disso, sua velocidade de execução e facilidade de implementação o tornam uma alternativa prática para sistemas de monitoramento e triagem rápida. Contudo, a escolha entre os modelos pode variar conforme a necessidade institucional: priorizar menos erros e aceitar um tempo de processamento mais elevado, quando se quer ser mais seletivo e criterioso (MLP), ou optar por uma solução muito mais rápida, com excelente detecção de evasão, mas com maior risco de classificar incorretamente alguns alunos que possuam chance de evadir (ELM), sendo que essa escolha deve ser feita sempre considerando a realidade dos alunos, da instituição e de outros fatores que possam contribuir para a evasão.
Palavras-chave: Evasão Escolar; Redes Neurais; Multilayer Perceptron; Extreme Learning Machine.
Referências
INSTITUTO SEMESP. 14ª edição do Mapa do Ensino Superior no Brasil. São Paulo, 2024
REALINHO, Valentim; VIEIRA MARTINS, Mónica; MACHADO, Jorge; BAPTISTA, Luís. Predict Students' Dropout and Academic Success. UCI Machine Learning Repository, 2021.
SHEARER, Colin. The CRISP-DM model: the new blueprint for data mining. Journal of Data Warehousing, v. 5, p. 13–22, 2000.
POWERS, David M. W. Evaluation: from precision, recall and F-measure to ROC, informedness, markedness and correlation. Journal of Machine Learning Technologies, v. 2, n. 1, p. 37–63, 2020
Análise de Padrões em Casos Jurídicos com Mineração de Processos e Machine Learning
No full textA morosidade na tramitação de processos judiciais é um desafio global que impacta a eficiência e a percepção de justiça, sendo um problema acentuado no Brasil, com mais de 81 milhões de processos em andamento e um tempo médio de conclusão de 5 anos e 8 meses na Justiça Comum Estadual (CNJ, 2023). Isso impõe a necessidade de identificar e otimizar os complexos fluxos processuais, que exibem alta heterogeneidade. O objetivo do trabalho foi apresentar uma metodologia que integra a Mineração de Processos (Process Mining, técnica que visa extrair modelos de comportamento a partir de registros de atividades executadas) e a Aprendizagem de Máquina (Machine Learning, área da inteligência artificial que permite que algoritmos aprendam padrões a partir de dados) para analisar o tempo de duração de casos jurídicos. A metodologia utilizada envolveu o uso de dados públicos da Justiça Comum brasileira, especificamente de processos oriundos dos Tribunais de Justiça Estaduais, disponibilizados pelo CNJ. A fase inicial incluiu pré-processamento e criação de um log de eventos robusto, incluindo limpeza de dados, validação com o glossário oficial do CNJ, filtragem temporal, ordenação cronológica das atividades, remoção de processos sem a atividade final de arquivamento definitivo ou com apenas uma atividade, e generalização de atividades. O foco foi em processos da classe de execução fiscal. Ao final, foram obtidos 40.471 traços de processos, com aproximadamente 76% sendo sequências únicas. Para lidar com essa heterogeneidade, foi aplicada a técnica de clusterização (agrupamento de dados semelhantes por características comuns) com o algoritmo K-means, utilizando uma representação do tipo bag of activities, que transforma cada traço em um vetor de frequência das atividades, ignorando a ordem. Os melhores resultados obtidos foram alcançados com 70 clusters e o algoritmo de Elkan. Para reduzir a sensibilidade a dados extremos, traços nos percentis 5 e 95 de tempo de execução foram removidos, revelando grupos com padrões distintos. Os clusters foram subdivididos temporalmente em três categorias: processos rápidos (25% com menor tempo), médios (50% centrais) e lentos (25% mais demorados). Essa segmentação permitiu uma análise mais refinada dos perfis de casos e a identificação de padrões recorrentes. A etapa final foi a aplicação do algoritmo PrefixSpan (algoritmo de Mineração de Padrões Sequenciais que identifica sequências frequentes sem gerar candidatos explicitamente), aplicado separadamente em cada grupo. A mineração de padrões com PrefixSpan revelou sequências específicas para cada categoria de tempo: os processos rápidos (tempo médio: 2143,43 dias) apresentaram fluxos diretos, com padrões como “Distribuição, Conclusão, Expedição de documento, Arquivamento” (50,8% de suporte); os processos médios (tempo médio: 3527,68 dias) apresentaram repetição de atos de “Conclusão” e “Juntada”, com padrões como “Juntada, Conclusão, Conclusão, Arquivamento” (60,9%); e os processos lentos (tempo médio: 6363,10 dias) predominaram eventos ligados a ações de cartório, como “Recebimento Pelo Escrivão, Arquivamento” (85,9%). Em conclusão, a análise permitiu revelar comportamentos processuais característicos e sequências predominantes em diferentes perfis de duração. Os resultados fornecem subsídios para aprimorar os fluxos de trabalho no sistema judiciário, apoiar intervenções direcionadas e embasar a formulação de políticas públicas mais eficazes, representando um avanço significativo na aplicação da mineração de processos ao domínio jurídico
Estratégias de Inclusão em Plataformas LMS e LXP para Estudantes Neurodivergentes na Graduação em Ciência da Computação
No full textAtualmente, observa-se um crescimento significativo na identificação de estudantes neurodivergentes no ensino superior, incluindo aqueles com Transtorno do Espectro Autista (TEA), Transtorno do Déficit de Atenção com Hiperatividade (TDAH), dislexia e outras condições que envolvem variações cognitivas e neurológicas. No Brasil, segundo o Censo da Educação Superior (INEP, 2022), aproximadamente 52 mil estudantes com algum tipo de deficiência, transtorno global do desenvolvimento ou altas habilidades/superdotação estavam matriculadas em cursos de graduação, sendo que muitos deles se enquadram no espectro da neurodivergência. Esse número representa um aumento de mais de 45% em relação a 2018, refletindo tanto o avanço nas políticas de inclusão quanto a ampliação dos critérios diagnósticos e do reconhecimento institucional dessas condições. Nesse contexto, torna-se importante que as instituições de ensino superior (presencial ou online), adotem práticas pedagógicas e tecnológicas que considerem as necessidades específicas desse público. As plataformas digitais de aprendizagem, como os sistemas LMS (Learning Management System) e LXP (Learning Experience Platform), passaram a ocupar papel central nesse processo, especialmente em cursos de áreas técnicas, tais como a Ciência da Computação, onde a complexidade dos conteúdos pode acentuar as barreiras para estudantes neurodivergentes. No entanto, apesar do marco legal garantido pela Lei Brasileira de Inclusão (Lei nº 13.146/2015), ainda são frequentes os relatos de exclusão, evasão e dificuldades de adaptação a esses ambientes digitais. Diante desse cenário, o objetivo deste trabalho foi identificar e analisar, por meio de uma revisão sistemática da literatura, as principais estratégias de inclusão aplicadas em plataformas LMS e LXP que impactam diretamente o engajamento, o desempenho acadêmico e a permanência de estudantes neurodivergentes matriculados em cursos superiores de Ciência da Computação. A metodologia adotada foi uma Revisão Sistemática da Literatura (RSL), de natureza qualitativa, desenvolvida a partir do protocolo PRISMA e executada com auxílio da ferramenta Parsifal. Foram analisadas publicações indexadas em inglês nas bases IEEE Xplore, Scopus e Google Scholar, com delimitação temporal de 2010 a 2024. O processo envolveu cinco etapas principais: definição do protocolo (usando a estratégia PICO), busca nas bases, triagem por critérios de inclusão/exclusão, extração dos dados relevantes e síntese dos resultados. Foram inicialmente identificados 171 estudos primários, sendo 26 selecionados para leitura aprofundada e 15 utilizados na análise final. Os resultados revelaram que plataformas LMS e LXP vêm incorporando estratégias como personalização adaptativa, fragmentação de conteúdo, uso de inteligência artificial, design universal para aprendizagem (UDL), análise de engajamento e recursos de acessibilidade (GARCÍA et al., 2016; MITTAL et al., 2024). Tais abordagens resultaram em ganhos concretos: aumento de até 20% na precisão de resolução de problemas em estudantes autistas, melhora no desempenho acadêmico de alunos com TDAH e redução de 30% nas taxas de evasão em cursos de Ciência da Computação (SHARABI; SHELACH INBAR, 2024; LEVENBERG; REESH, 2023). No entanto, ainda persistem barreiras que limitam a efetividade dessas soluções, como a falta de interoperabilidade entre plataformas, a ausência de formação docente específica e o receio de estigmatização, que dificulta a autorrevelação dos estudantes (LIPMAN, 2022; PIERRES et al., 2025). Também foram identificadas lacunas na literatura, como a escassez de pesquisas quantitativas robustas, baixa representatividade de cursos técnicos como Ciência da Computação e ausência de diretrizes integradas de acessibilidade digital. A conclusão aponta que, embora haja avanços importantes, a construção de AVAs verdadeiramente inclusivos requer ações intersetoriais, que unam inovação tecnológica, formação pedagógica, políticas públicas e participação ativa dos sujeitos neurodivergentes. As contribuições do presente estudo fornecem subsídios para o desenvolvimento de ecossistemas educacionais mais equitativos, promovendo a valorização da diversidade neurocognitiva e a democratização do ensino superior no contexto da transformação digital da educação.
 
Análise e Otimização de Constelações de Satélites Estudo sobre Mecânica Orbital e Impacto de Falhas
No full textEste trabalho apresenta o desenvolvimento de uma constelação de pequenos satélites do tipo CubeSats voltada ao monitoramento ambiental, considerando sua aplicabilidade diante do cenário atual de intensificação das mudanças climáticas e eventos extremos. O objetivo principal foi estabelecer uma configuração padronizada de constelação que atenda às necessidades específicas do território brasileiro, promovendo eficiência e interoperabilidade entre missões. O problema central identificado foi a inexistência, no Brasil, de um modelo consolidado para uso de CubeSats nesse tipo de monitoramento, o que dificulta a continuidade operacional e o aproveitamento de sinergias entre diferentes missões espaciais. A metodologia adotada baseouse em simulações de órbitas realizadas no software STK 11 (Systems Tool Kit), considerando diversos parâmetros como altitude, inclinação, RAAN (ascensão reta do nó ascendente) e massa dos satélites. Foram aplicados dois modelos de propagação orbital: o modelo simplificado de dois corpos, baseado na gravitação universal de Newton, e o modelo HPOP (High Precision Orbit Propagator), que inclui perturbações causadas por corpos celestes como a Lua e o Sol, além de arrasto atmosférico e pressão de radiação solar. A análise de dados orbitais foi realizada com apoio de rotinas programadas em Python, permitindo a identificação de excedentes nos tempos de revisita e a organização desses dados em períodos de 90 dias. A configuração final da constelação considerou as latitudes de cidades-alvo como Macapá (0°), Natal (-5,79°) e Uruguaiana (29°), além de Alcântara e Cuiabá como plataformas de coleta de dados. Foram definidos três grupos de satélites, organizados em planos orbitais distintos: dois satélites em dois planos para Macapá, seis satélites para Natal e dez para Uruguaiana, totalizando 18 satélites, com o objetivo de garantir revisitas com intervalo inferior a 60 minutos. Os resultados demonstraram que, em um cenário ideal, os requisitos foram atendidos; no entanto, ao introduzir perturbações reais, observou-se o agrupamento dos satélites em determinadas regiões do globo após 180 dias de operação, causado principalmente pelo arrasto atmosférico, o que aumentou o tempo entre revisitas e comprometeu a cobertura contínua. Simulações de falhas operacionais evidenciaram que a perda de satélites, especialmente de um plano orbital completo, ampliava significativamente os tempos de revisita. A solução proposta foi a inclusão de 1 a 2 satélites intermediários após o período crítico, posicionados estrategicamente para restaurar a cobertura, evitando missões de lançamento exclusivas. Conclui-se que a constelação proposta é funcional e robusta, apresentando desempenho satisfatório frente às condições reais de operação e com soluções viáveis para mitigar falhas. O trabalho contribui com a padronização de futuras constelações nacionais e reforça o potencial do uso de CubeSats como ferramenta de vigilância ambiental. Entre as próximas etapas estão o desenvolvimento de modelos matemáticos preditivos que dispensem novas simulações, a ampliação da cobertura para a região amazônica e a submissão do projeto a congressos internacionais
Produção de Hidrogênio Verde a partir do Lodo de Esgoto: Uma Revisão Sistemática da Literatura
No full textEste estudo tem como objetivo realizar uma Revisão Sistemática da Literatura (RSL) sobre a produção de hidrogênio verde a partir do lodo de esgoto, considerando seu potencial energético e papel na transição para fontes renováveis (LI et al., 2022; HASSAN et al., 2020). A metodologia foi baseada no modelo SPIDER (COOKE; SMITH; BOOTH, 2012), com busca estruturada em bases de dados, utilização da ferramenta Catchii e seleção final de 31 estudos relevantes. As tecnologias identificadas incluem digestão anaeróbia (GUERRERO et al., 2020), pirólise (PAPADAKIS et al., 2021), gaseificação (CHEN et al., 2021) e rotas emergentes como a liquefação hidrotérmica (SILVA et al., 2022). Os resultados mostram que a digestão anaeróbia com reforma do biogás é a opção mais consolidada, embora processos termoquímicos apresentem maior eficiência energética em alguns contextos (ZHANG et al., 2022). Conclui-se que, apesar do avanço tecnológico, persistem barreiras regulatórias, incertezas econômicas e lacunas na integração com políticas públicas (KUMAR; JHA; SINGH, 2021; CASTRO et al., 2020), o que reforça a necessidade de avaliação mais ampla da sustentabilidade dessas rotas em escala real.
Palavras-chave: Hidrogênio verde; lodo de esgoto; energia renovável; digestão anaeróbia.
Referências
CASTRO, L. S. et al. Políticas públicas e transição energética: desafios da sustentabilidade. Revista Brasileira de Políticas Energéticas, v. 12, n. 3, p. 45–61, 2020.
CHEN, Y. et al. Thermochemical conversion of sewage sludge for hydrogen-rich gas production. Energy Conversion and Management, v. 234, p. 113952, 2021.
COOKE, A.; SMITH, D.; BOOTH, A. Beyond PICO: the SPIDER tool for qualitative evidence synthesis. Qualitative Health Research, v. 22, n. 10, p. 1435–1443, 2012.
GUERRERO, J. E. et al. Anaerobic digestion as a viable technology for hydrogen production from sludge. International Journal of Hydrogen Energy, v. 45, n. 12, p. 7890–7903, 2020
HASSAN, S. Z. et al. Energy recovery from sewage sludge: a sustainable approach. Renewable and Sustainable Energy Reviews, v. 131, p. 110007, 2020.
KUMAR, A.; JHA, R.; SINGH, R. Barriers to the implementation of hydrogen economy in developing countries. Energy Policy, v. 156, p. 112423, 2021.
LI, H. et al. Hydrogen as a clean fuel: current status and future perspective. Renewable and Sustainable Energy Reviews, v. 154, p. 111789, 2022.
PAPADAKIS, K. et al. Pyrolysis of sewage sludge for hydrogen production: influence of process parameters. Journal of Cleaner Production, v. 278, p. 123965, 2021.
RIBEIRO, M. G. et al. Reforming biogas from sewage sludge: technical and economic aspects. Renewable Energy, v. 181, p. 45–55, 2023.
SILVA, F. J. et al. Hydrothermal liquefaction of biosolids: opportunities for hydrogen production. Bioresource Technology, v. 344, p. 126221, 2022.
ZHANG, Y. et al. Comparative analysis of hydrogen yield from different thermochemical processes. Energy, v. 237, p. 121541, 2022.
 
Revisão da Literatura Sobre Detecção de Anomalias em Dispositivos Industriais
No full textCom a automação industrial em alta e a chegada da Indústria 4.0, o setor de manufatura passou por uma transformação. A Inteligência Artificial (IA) desempenha um papel importante, otimizando a performance operacional, desde simples automações até insights e análises que auxiliam as indústrias na otimização de processos. Neste cenário, a detecção de falhas em dispositivos industriais surge como uma área da automação industrial a ser explorada, tendo a IA como uma das peças chaves para essa tarefa (LEITE, 2024). Este estudo tem como objetivo realizar uma revisão sistemática da literatura (KITCHENHAM, 2009) para identificar, analisar e sintetizar as principais técnicas baseadas em redes utilizadas na detecção de falhas em dispositivos industriais, e também suas métricas de desempenho e desafios de implementação. Para isso, foi conduzida uma Revisão Sistemática da Literatura (RSL), com buscas feitas nas bases de dados IEEE Xplore, Springer Nature Link, e ScienceDirect, com artigos publicados entre 2020 e 2025. A estratégia de busca utilizou termos como "fault detection", "industrial electromechanical devices", "multimodal" e "time series", resultando em 426 estudos. Os resultados dos artigos revelam a predominância de metodologias baseadas em redes neurais profundas para a detecção de falhas e anomalias em equipamentos industriais. Destacam-se o uso de Redes Neurais de Grafos (GNNs, na sigla em inglês Graph Neural Networks), incluindo Redes Convolucionais de Grafos (GCNs, Graph Convolutional Networks) e Redes de Atenção em Grafos (GATs, Graph Attention Networks), utilizadas para capturar correlações espaciais e temporais em séries temporais multivariadas (LANKO, 2024), e Transformers para extrair características temporais e dependências de longo alcance (KIM, 2025). Redes de Cápsulas (CapsNets, Capsule Networks) são também aplicadas por sua capacidade de preservar informações hierárquicas e melhorar a interpretabilidade (DALIAN, 2025). A fusão de dados multimodais (vibração, corrente, acústicos, imagens) é uma abordagem primordial para melhorar a precisão e robustez do diagnóstico, utilizando esquemas de fusão precoce ou tardia, ou modelagem de hipergrafos (YU, 2025). Modelos generativos como Redes Adversárias Generativas (GANs, Generative Adversarial Networks) e modelos de difusão são utilizados para aprender distribuições de dados normais e combinar amostras anômalas, moderando problemas de dados desbalanceados e escassos. As metodologias apresentam bons resultados, com vários estudos com altos índices de precisão e robustez em cenários reais e simulados. Concluiu-se que, apesar da alta eficácia demonstrada, os principais desafios residem na interpretabilidade (XAI, do inglês Explainable Artificial Intelligence) dos modelos de aprendizado profundo ("problema da caixa-preta"), importante para a confiança e ação dos operadores (KIM, 2025). Outro desafio persistente é a escassez de amostras anômalas rotuladas e o severo desbalanceamento entre classes, o que requer o contínuo desenvolvimento de métodos não supervisionados e semi-supervisionados. A complexidade computacional de algumas arquiteturas também pode dificultar a inferência em tempo real e a implantação em dispositivos com recursos limitados. As direções futuras de pesquisa apontam para aprofundamento em XAI e o desenvolvimento de modelos leves (lightweight models) para computação de borda, além de Aprendizado Federado (FL, Federated Learning) para ambientes distribuídos (KIM, 2025) (LI, 2025) (ZHAO, 2025). A utilização de Modelos de Base Industriais (IFMs, Industrial Foundation Models), baseados em grandes modelos visuo-linguísticos, também se apresenta como uma abordagem promissora para generalização e detecção de anomalias em ambientes industriais (ZHAO, 2025).
Palavras-chave: Detecção de Falhas; Aprendizado Profundo; Fusão de Dados Multimodais; Séries Temporais.
Referências
DALIAN, Yang; JUNJUN, Zou; HUI, Long. Capsule networks for intelligent fault diagnosis: a roadmap of recent advancements and challenges. Expert Systems with Applications, p. 128814, 2025.
KIM, Ka-Kyung; KIM, Joon-Seok; EUOM, Ieck-Chae. Explainable Anomaly Detection Based on Operational Sequences in Industrial Control Systems. IEEE Access, 2025.
KITCHENHAM, Barbara et al. Systematic literature reviews in software engineering–a systematic literature review. Information and software technology, v. 51, n. 1, p. 7-15, 2009.
LANKO, Vadim; MAKAROV, Ilya. Graph Attention Diffusion for Enhanced Multivariate Time Series Anomaly Detection. IEEE Open Journal of the Industrial Electronics Society, 2024.LEITE, Denis et al. Fault detection and diagnosis in industry 4.0: a review on challenges and opportunities. Sensors (Basel, Switzerland), v. 25, n. 1, p. 60, 2024.
LI, Zhuo et al. A survey of deep learning for industrial visual anomaly detection. Artificial Intelligence Review, v. 58, n. 9, p. 279, 2025.
YU, Yue. DMAC: Discovering Multi-Attribute Correlations of Deep Quality Features for Defect Detection in Mechanical Components. IEEE Access, 2025.
ZHAO, Shuxuan et al. Industrial Foundation Models (IFMs) for intelligent manufacturing: A systematic review. Journal of Manufacturing Systems, v. 82, p. 420-448, 2025
Medição de Pressão aplicada por faixas compressivas em tratamento de Terapia Ocupacional em pessoas com Doença de Parkinson
No full textEste trabalho desenvolveu um sistema eletrônico acessível com o objetivo de auxiliar o tratamento da Doença de Parkinson, permitindo medir, em tempo real, a pressão aplicada por faixas elásticas terapêuticas durante atividades funcionais. Para isso, foram utilizados sensores de força, chamados células de carga, conectados a um pequeno microcontrolador chamado Arduino, que interpretou os dados com um programa escrito na linguagem C++. Os sensores foram instalados em caixas feitas com impressora 3D e utilizados por voluntários saudáveis em tarefas manuais simples, como forma de validar a viabilidade técnica do sistema. Os testes preliminares, realizados em pacientes saudáveis, demonstraram que o sistema é capaz de distinguir com clareza diferentes níveis de pressão (leve, intermediário e forte), fornecendo dados confiáveis para acompanhamento em tempo real. Com base nesses resultados iniciais, conclui-se que o protótipo é funcional e apresenta potencial para auxiliar profissionais da saúde no ajuste preciso de tratamentos com faixas elásticas. O sistema será utilizado futuramente em estudos clínicos de longo prazo, com pacientes reais, para avaliar sua efetividade na mensuração da pressão durante terapias de reabilitação voltadas à estabilização dos tremores causados pela Doença de Parkinson
Modelagem de Emoções Anômalas por Fusão Multicanal com Atenção Cruzada em Ambientes Não Controlados
No full textO reconhecimento de emoções anômalas definido como a identificação de estados afetivos que divergem dos padrões emocionais esperados em um contexto situacional específico tem emergido como componente crítico em sistemas inteligentes voltados à interpretação afetiva em ambientes não controlados (Tomaz et al., 2024). Tais anomalias podem manifestar-se como dissonâncias entre expressões faciais e respostas fisiológicas, sinalizando estados emocionais atípicos ou conflitantes. Thinh et al. (2021), já apontavam que aproximadamente 34% das expressões em vídeos naturais não se enquadram em categorias emocionais básicas, e Li et al. (2017) propuseram o conceito de microexpressões compostas, observadas em 18% dos casos analisados em situações de alto estresse emocional. No domínio fisiológico, estudos como os de Poh, McDuff e Picard (2010) e Sun et al. (2020) demonstraram que variações no sinal remote photoplethysmography (rPPG), mesmo em condições de baixa iluminação e sem sensores intrusivos, podem revelar alterações afetivas não evidentes na expressão facial, indicando dissociações entre canais visuais e fisiológicos. Essa incongruência intermodal tem sido explorada em trabalhos como os de Jaiswal et al. (2019), que apontam a complementaridade entre sinais periféricos e expressões faciais para detecção de estados emocionais encobertos, especialmente em contextos de dissimulação emocional ou estresse induzido. Esses achados reforçam a necessidade de arquiteturas capazes de modelar tais incongruências. Neste trabalho, propõe-se uma arquitetura de fusão intermodal com atenção cruzada baseada em Transformers (Tsai et al., 2020), que integra microexpressões faciais codificadas por Long Short-Term Memory (LSTMs) a partir de pontos dinâmicos extraídos via FaceMesh e sinais rPPG estimados com métodos Chrominance-based Remote Photoplethysmography (CHROM) e Independent Component Analysis (ICA) (Haan & Jeanne, 2014). Os mapas espectrotemporais extraídos da fisiologia são combinados a embeddings temporais da face, permitindo detectar padrões sutis de dissonância afetiva. A modelagem temporal de longo prazo é enfatizada, conforme evidenciado em análises de Kollias et al. (2021), onde arquiteturas sensíveis ao contexto superaram métodos tradicionais. A hipótese central sustenta que a divergência entre modalidades pode ser explorada como marcador robusto para a identificação de emoções emocionalmente incongruentes. Os experimentos conduzidos com a base CMU-MOSEI (Zadeh et al., 2018), reconhecida por sua anotação afetiva multimodal detalhada, evidenciaram que a abordagem proposta supera modelos unimodais e métodos de fusão clássicos (Soleymani et al., 2017). Estes resultados corroboram a aplicabilidade do modelo em ambientes de alto ruído emocional, com potencial impacto em robótica social, triagem psicológica automática e segurança digital. Ao captar padrões intermodais de incongruência afetiva, a arquitetura proposta avança o estado da arte na identificação de variações emocionais sutis em ambientes naturais, incluindo apatia, euforia disfuncional, tristeza intensa e estresse persistente. Tal capacidade confere ao modelo potencial para aplicações estratégicas em triagem psicológica automatizada, robótica social responsiva e plataformas de segurança digital orientadas por estados emocionais.
Keywords: Emoções Anômalas; Fusão Multimodal; Microexpressões Faciais; rPPG; Transformers Temporal.
References
Tomaz, M. S. L. S., Fernandes, B. J. T., & Sciutti, A. (2025). Identification of anomalous behavior through the observation of an individual's emotional variation: A systematic review. IEEE Access, 13, 32927-32943.
Thinh, P. T. D., Hung, H. M., Yang, H.-J., Kim, S.-H., & Lee, G.-S. (2021). Emotion recognition with sequential multi-task learning technique. In Proceedings of the IEEE International Conference on Computer Vision Workshops (ICCVW) (pp. 3586–3589).
Li, X.; Hong, X.; Moilanen, A.; Huang, X.; Pietikäinen, M. Towards reading hidden emotions: a comparative study of spontaneous micro-expression spotting and recognition methods. Neurocomputing, v. 217, p. 412–421, 2017.
4.Poh, M. Z.; McDUFF, D. J.; PICARD, R. W. Non-contact, automated cardiac pulse measurements using video imaging and blind source separation. Optics Express, v. 18, n. 10, p. 10762–10774, 2010.
Sun, Y., Hu, S., & Bulter, D. (2020). Remote photoplethysmography with ambient light: characterizing performance via SNR analysis. Biomedical Optics Express.
Jaiswal, A., Valstar, M., & Pantic, M. (2019). Deep learning the dynamic appearance and shape of facial action units. IEEE Transactions on Affective Computing.
Haan, G.; Jeanne, V. Robust pulse rate from chrominance-based rPPG. IEEE Transactions on Biomedical Engineering, v. 60, n. 10, p. 2878–2886, 2013.
D. Kollias and S. Zafeiriou, "Analysing Affective Behavior in the second ABAW2 Competition," 2021 IEEE/CVF International Conference on Computer Vision Workshops (ICCVW), Montreal, BC, Canada, 2021, pp. 3645-3653
Zadeh, AmirAli et al. CMU-MOSEI: Multimodal Language Dataset for Sentiment and Emotion Analysis. In: Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics, 2018.
Soleymani, M.; Pantic, M.; Michel, P.; Pun, T. A multimodal database for affect recognition and implicit tagging. IEEE Transactions on Affective Computing, v. 3, n. 1, p. 42–55, 2017
Monitoramento em Tempo Real do Efeito Terapêutico de Pressão Aplicada por Faixas Compressivas para Tratamento da Doença de Parkinson
No full textA Doença de Parkinson (DP) é uma doença neurodegenerativa progressiva que atua principalmente na substância nigra do sistema extra-piramidal cerebral, comprometendo a motricidade do indivíduo, através de sintomas como tremores, bradicinesia, rigidez muscular e instabilidade postural. A base fisiopatológica da doença reside na degeneração de neurônios dopaminérgicos, essenciais para a transmissão de impulsos nervosos que controlam os movimentos (HELY, 2008). Com uma prevalência global estimada em 6,1 milhões de indivíduos em 2016 e que continua a crescer com o envelhecimento populacional, a DP representa um desafio clínico significativo, especialmente em idosos acima de 65 anos (GBD, 2016). Para quantificar a atual subjetividade e o empirismo presentes na avaliação terapêutica de pacientes com DP, o presente estudo descreve o desenvolvimento e a validação de um sistema eletrônico portátil e vestível. O objetivo central do trabalho é quantificar e monitorar em tempo real a pressão exercida por faixas elásticas compressivas denominadas Therabands, utilizadas pela Terapia Ocupacional como forma de tratamento para o aumento da autonomia dos pacientes acometidos pela DP (STURKENBOOM, 2014). A metodologia foi segmentada no projeto de um hardware (HW) embarcado para realizar a aquisição de dados em tempo real e no desenvolvimento de uma plataforma de software (SW) para monitoramento da leitura dos dados em tempo real, e a sua visualização. O sistema de hardware embarcado consiste principalmente em um dispositivo portátil fundamentado no microcontrolador Arduino Mega 2560 muito utilizado em prototipações (PEREIRA, 2013). Este, programado em C++, integra-se a três sensores de força FSR402 de alta sensibilidade (ORLACCHIO, 2011), colocados em invólucros fabricados por processos de manufatura aditiva em Impressoras 3D (VENTOLA, 2014). Os três sensores são então posicionados estrategicamente em um dos membros superiores do paciente, sendo dois no antebraço e um no braço, e capturam sinais analógicos de tensão, que são digitalizados pelos conversores analógico-digitais do microcontrolador. Após a coleta dos dados, os sinais brutos são processados para a sua conversão para pressão em Pascals (Pa) ou em Kilograma-Força por Centímetro Quadrado (KgF/cm2) conforme a necessidade do usuário e baseada em uma calibração realizada dentro do próprio software de interface, sendo transmitidos continuamente via comunicação serial a um computador. A plataforma de software, desenvolvida na linguagem de programação Python, atua como uma interface visual para o Terapeuta Ocupacional consiga organizar as leituras de uma forma interativa, que facilite a sua análise, de acordo com as respostas de cada paciente. O sistema foi adaptado para gerenciar a recepção, armazenamento e visualização dos dados em tempo real (VALERIANI, 2018). As informações são registradas em um banco de dados relacional modelado para o contexto de sessões clínicas e exibidas em tempo real para o terapeuta e o paciente por meio de gráficos dinâmicos. A validação do sistema desenvolvido foi realizada através da aplicação do Teste de Função Manual de Jebsen-Taylor (JEBSEN, 2005) utilizado atualmente no monitoramento do desempenho da função motora em um grupo de voluntários saudáveis, onde tiveram seus dados verificados para as métricas conforme os registros da literatura. Os resultados preliminares nesta etapa atestam a funcionalidade do protótipo, demonstrando sua capacidade de discriminar diferentes níveis de pressão (ARRUDA, 2023) e a intensidade de tremores (BARBOSA, 2022), permitindo assim, a geração de uma base de dados quantitativa e fidedigna ao valor real de acordo com a calibração. A plataforma já foi aprovada pelo comitê de ética em pesquisa, e está pronta para avançar para estudos clínicos longitudinais, visando avaliar sua eficácia na quantificação da reabilitação motora e determinação dos perfis neurais individuais dos pacientes acometidos pela doença neurodegenerativa