University of Pernambuco - Engineering School/ Editorial System Journals
Not a member yet
37197 research outputs found
Sort by
A Importância do programa de extensão Carranca na formação de engenheiros e na redução da evasão escolar
No full textO programa de extensão de Carranca, composto pela equipe de robótica Carranca, NEAR (Núcleo de Engenharia em Automação e Robótica) e a ação Semana Carranca, desenvolvido na Escola Politécnica de Pernambuco (POLI), tem desempenhado um papel crucial na formação dos estudantes, oferecendo oportunidades práticas e teóricas que complementam o currículo acadêmico dos cursos de engenharia. De acordo com o Mapa do Ensino Superior no Brasil 2024, o índice de evasão nas universidades brasileiras chegou a 57,2%, abrangendo tanto instituições públicas quanto privadas, em modalidades presenciais e a distância (GIUSTI, 2024). A maioria dos estudantes buscam agregar conhecimento à sua formação profissional (CANON, 2019). A extensão universitária oferece aos alunos a oportunidade de vivenciar a conexão entre o aprendizado adquirido em sala de aula e sua aplicação prática na sociedade, proporcionando uma visão realista da profissão (MANCHUR, 2013). Essa experiência permite que os alunos expandam seu entendimento além do conteúdo acadêmico, enriquecendo sua compreensão teórica com vivências práticas (SANTOS, 2016). Este estudo tem como objetivo avaliar o impacto do programa de extensão de robótica no desenvolvimento acadêmico e profissional dos alunos, além de sua eficácia em manter os discentes engajados nos cursos de engenharia, contribuindo assim para a redução da evasão escolar. Para isso, foi elaborado um formulário de avaliação destinado a ex-participantes do projeto, abordando questões relacionadas às atividades desenvolvidas, habilidades adquiridas, impacto na vida profissional e na permanência no curso. O estudo analisou as experiências e os impactos do programa na formação acadêmica e na carreira dos engenheiros envolvidos. No total, 12 ex-membros do programa, provenientes dos cursos de Engenharia Eletrotécnica, Eletrônica, Mecânica e Controle e Automação, que participaram do projeto entre os anos de 2015 e 2024, responderam à pesquisa. As principais atividades desenvolvidas pelos ex-participantes foram nas áreas de Eletrônica (75%), Mecânica (25%), Programação e Administração (16,7%). A maioria (91,7%) decidiu participar do projeto por interesse em robótica e desenvolvimento profissional. As experiências no projeto, como integração com outros membros, aprendizado técnico, desenvolvimento de habilidades de gestão, participação em competições, contribuição para o desenvolvimento acadêmico e profissional, foram consideradas muito satisfatórias por 75%, 50%, 58,3%, 50%, 66,7% e 83,3% dos respondentes, respectivamente, e satisfatórias por 25%, 41,7%, 33,3%, 25%, 33,3% e 16,7%. As habilidades técnicas mais desenvolvidas durante o projeto incluíram projetos eletrônicos (83,3%), programação e projetos mecânicos (33,3%), e gestão de pessoas e projetos (8,3%). Todos os respondentes destacaram que o programa de robótica contribuiu para a melhoria de suas habilidades técnicas e de trabalho em equipe. Além disso, 100% relataram que a participação no projeto ajudou a manter seu interesse no curso de engenharia e acreditam que programas de extensão podem contribuir para a redução da evasão escolar. Os ex-participantes também relataram que o programa de robótica teve um impacto positivo em suas carreiras, com exemplos como a criação de startups de robótica e empregos em outras startups como projetistas mecânicos, desenhistas de automação e desenvolvedores de robôs. Dessa forma, fica claro que programas de extensão, como o de robótica, têm um papel significativo na formação acadêmica e profissional dos estudantes de engenharia, além de ajudar a manter o interesse no curso. O programa de robótica continua em atividade na Escola Politécnica da Universidade de Pernambuco, com a equipe Carranca desenvolvendo robôs em diversas áreas, participando de competições e oferecendo atividades educacionais, como a Semana Carranca, uma ação semestral que oferece uma variedade de cursos de capacitação, sendo acessível ao público em geral. O programa busca continuamente ajudar os estudantes a se desenvolverem academicamente, profissionalmente e pessoalmente. Entre as sugestões de melhorias dos ex membros que participaram da pesquisa, destacam-se investimentos em projetos com objetivos sociais, para solucionar problemas na universidade e além, tornando o projeto mais comercial. Eles também sugeriram maior apoio da universidade para a manutenção e aquisição de novas ferramentas, bem como a criação de relatórios para monitorar o desenvolvimento e as modificações nos projetos. Essas sugestões serão estudadas para promover o crescimento e o desenvolvimento contínuo do programa de extensão de robótica, beneficiando futuros membros que ingressarem no projeto
Caracterização de Resíduos de Cascas de Alimentos para a Produção de Combustíveis Sintéticos Líquidos
No full textA mitigação dos impactos ambientais causados pelo aumento de emissões da queima de combustíveis fósseis, indica a necessidade do desenvolvimento de novas tecnologias para a produção e uso de biocombustíveis. De acordo com o 2º Inventário de Gases de Efeito Estufa de Pernambuco, em 2019 foram emitidos 19.513.133,94 tCO2, sendo o principal emissor o setor de transporte, com 28% das emissões totais (SEMAS, 2022). A utilização de resíduos sólidos urbanos, tais como a FORSU (fração orgânica de resíduos sólidos urbanos), oriunda de restos de alimentos domiciliares, restaurantes e comércios ambulantes, para a produção de biocombustíveis,contribuirá significantemente para a redução de emissões e do passivo ambiental causado pelo descarte inapropriado.Nesse sentido, o objetivo dessa pesquisa é utilizar os resíduos de cascas de alimentos como matéria-prima para a produção de biogás. Foram usadas as cascas de abacaxi, batata e mandioca. Como metodologia, as biomassas foram coletadas, trituradas e caracterizadas em termo da: umidade (ABNT NBR 14929), Poder Calorífico Superior (PCS) (ABNT NBR 8633), Sólidos Totais (APHA; AWWA; WEF 2005), Densidade a Granel (ABNT NBR 6922) eTeor de Cinzas(ABNTNBR 16586).Os resultados indicaram maiores:umidade (m/m) para a casca do abacaxi (72,55%); PCS na base seca também para acasca de abacaxi (16,88MJ/kg);sólidos totaispara a casca de batata (35,76g/mL); Densidade a Granel para a casca de batata (0,74g/mL); e Teor de Cinzas para a casca de batata 8,92%. Devido aosaltos teores de umidade em relação as outras biomassas, a rota mais adequada segue as seguintes etapas: resíduos de biomassa com alto teor de umidade e PCSà produção de biogás através da digestão anaeróbia (~60% metano,~40% de dióxido de carbono e traços de contaminantes como o gás sulfídrico) àupgrade para biometano, teor de CH4> 90%, através da remoção do H2SeH2O à Produção de H2 e CO (gás de síntese), através da Reforma a vapor (MSR) à Síntese de Fischer Tropsch (FT) para a produção de combustíveis líquidos sintéticos através da destilação. Nesse caso, as cascas de abacaxi se apresentaram como a melhor opção. Agradecimento ao CNPq que através do projeto 407970/2022-3 (Chamada CNPq /MCTI/FNDCT Nº18/2022) fomentam esta pesquisa. E, a UPE – POLI pelo apoio fornecido ao longo deste trabalho.
Palavras-chave: biomassa, biocombustível, resíduos sólidos, combustíveis sintéticos
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 14929: Método por secagem em estufa. Determinação do teor de Umidade. Rio de Janeiro: ABNT, 2003.
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 8633: Método de Ensaio pela bomba calorimétrica. Determinação do Poder Calorífico. Rio de Janeiro: ABNT, 1984.
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 6922: Método de ensaio físico para determinação da massa especifica – Carvão Vegetal.Determinação da Densidade a Granel. Rio de Janeiro: ABNT, 1981.
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 16586: Método de ensaio.Determinação Teor de Cinzas – Carvão Mineral. Rio de Janeiro: ABNT, 2017.
APHA, A. P. H. A.; AWWA, A. W. W. A.; WEF, W. E. F. Standard methods for the examination of water e wastewater. (21, Ed.)Washington DC: 2005.
SEMAS – Secretaria de Meio Ambiente e Sustentabilidade.
 
Ações de acolhimento do estudante como estratégia de redução da evasão nas engenharias:
No full textA evasão universitária tem sido amplamente discutida por estudiosos que buscam identificar suas causas e propor estratégias de enfrentamento. Ao examinar suas características, observa-se que esse fenômeno não se limita a um perfil específico de curso, embora seja particularmente notável na área das ciências exatas (Silva et al., 2012). Segundo Coimbra, Silva e Costa (2021), a evasão pode ocorrer por diversas razões, que podem ser categorizadas da seguinte forma: (i) inserção, quando os estudantes mudam de curso e/ou instituição de ensino superior em busca de um redirecionamento em sua trajetória acadêmica; (ii) externalidades, quando fatores externos e involuntários levam à perda do vínculo entre o estudante e a instituição de ensino; e (iii) exclusão, quando a desconexão entre estudante e instituição ocorre devido a questões didáticas e/ou curriculares ou à ausência de políticas de acolhimento para estudantes em situação de vulnerabilidade. Além disso, deve-se considerar que, nos últimos anos, a implementação de políticas afirmativas tem ampliado o acesso ao ensino superior, incluindo um grande número de estudantes com perfis previamente excluídos, como aqueles de baixa renda e com deficiência. Essa expansão, embora benéfica em termos de inclusão, também tem contribuído para o aumento dos índices de evasão (Maciel; Cunha Júnior; Lima, 2019).
Neste cenário, a Escola Politécnica de Pernambuco conta com um órgão de apoio acadêmico diretamente vinculado à sua diretoria: o Núcleo de Apoio Psicopedagógico e Inclusivo (NAPSI). Este núcleo tem como objetivo promover o diálogo entre os diversos segmentos da comunidade acadêmica e oferecer suporte integral aos estudantes em todas as fases do curso, com especial atenção aos ingressantes, que frequentemente enfrentam desafios significativos associados a esta etapa de transição e aos desafios típicos da juventude.
A metodologia utilizada é de natureza qualitativa, focada em compreender as experiências subjetivas e os impactos percebidos pelos estudantes ao longo de sua participação nas atividades do núcleo. As ferramentas utilizadas pelo NAPSI para desempenhar seu papel foram organizadas em cinco pontos principais: (i) suporte à matrícula de egressos e acolhimento aos pais e responsáveis, prestando apoio durante o processo de matrícula e recepção dos familiares dos estudantes; (ii) ação de boas-vindas aos calouros no primeiro dia de aula, com a organização de eventos de recepção para os novos alunos no início do período letivo; (iii) coordenação pedagógica do curso de matemática básica, garantindo a qualidade pedagógica e a adaptação dos estudantes às exigências acadêmicas; (iv) realização de oficinas de diálogo com psicóloga especialista em jovens, para facilitar a comunicação e apoiar o bem-estar psicológico dos estudantes; e (v) definição de diretrizes junto aos docentes para ações especiais, estabelecendo orientações para os professores em caso de necessidade de intervenções específicas para grupos ou indivíduos, com especial atenção para estudantes que residem em áreas remotas ou enfrentam dificuldades de integração.
Os resultados qualitativos coletados através de entrevistas com os alunos que participam das atividades do NAPSI ilustram a importância das ações promovidas pelo núcleo. Um dos depoimentos mais representativos é o seguinte: "A adaptação aos estudos foi um desafio considerável para mim. As oficinas de diálogo com a psicóloga especialista em jovens, promovidas pelo NAPSI, foram fundamentais para superar esse período difícil. Além disso, acredito que a implementação de programas de monitoria e o aumento da oferta de atividades de apoio psicológico poderiam beneficiar ainda mais os estudantes." (depoimento do estudante que participa das atividades do NAPSI, 2024).
Esse depoimento evidencia o impacto positivo das ações do NAPSI na vida acadêmica dos estudantes, demonstrando como o apoio oferecido pelo núcleo pode ser crucial para a superação de desafios acadêmicos e pessoais, bem como para a promoção de um ambiente universitário mais inclusivo e acolhedor.
Ao longo dos anos, o NAPSI esteve presente na vida acadêmica de diversas gerações de estudantes, que foram impactados e transformados, sejam eles parte ativa desse projeto ou meramente beneficiados por suas ações. Conclui-se que cada estudante que opta por ingressar no NAPSI, independentemente da atividade que desenvolve, contribui para a transformação da Escola Politécnica de Pernambuco em um ambiente cada vez mais acolhedor e agradável. Essa contribuição é fundamental para a redução dos índices de evasão e retenção ao longo do curso.
Portanto, ser membro do NAPSI não é apenas uma oportunidade de engajamento acadêmico, mas também uma forma de atuar como agente de transformação. Desse modo, é seguro afirmar que a maior contribuição do NAPSI é seu papel na formação de engenheiros e cidadãos com uma visão mais humanizada e comprometida com o bem-estar coletivo
Detecção de anomalias na análise de logs utilizando técnicas de machine learning
No full textEste estudo trata do desafio de analisar grandes volumes de logs de sistema, que fornecem informações valiosas sobre o comportamento dos softwares, mas cuja quantidade e complexidade tornam a verificação manual ineficiente (XU et al., 2009; YADAV et al., 2020). A identificação automática de anomalias nesses registros é essencial para detectar problemas operacionais de grande escala (CHEN et al., 2022). Neste contexto, o objetivo principal deste estudo é avaliar e comparar a eficácia de diversos algoritmos de aprendizado de máquina na identificação de anomalias em arquivos de log, com o intuito de automatizar a detecção de padrões incomuns para aumentar a segurança e a confiabilidade do sistema. Para atingir esse objetivo, foram estabelecidos os seguintes objetivos específicos: aplicar a análise em um banco de dados público e reconhecido, utilizando para isso o conjunto de dados HDFS_v1 da coleção loghub, amplamente usado para benchmarking de tarefas de análise de logs (ZHU et al., 2023); realizar o pré-processamento dos logs brutos do HDFS, convertendo os dados de texto não estruturado em vetores de características numéricas que possam ser processados por algoritmos de aprendizado de máquina (XU et al., 2009; LANDAUER et al., 2020); implementar e avaliar um conjunto de algoritmos, incluindo algoritmos supervisionados e não supervisionados; e analisar e comparar o desempenho de cada algoritmo. A base de dados HDFS_v1 serviu como ponto de partida para a metodologia, na qual foi realizado um pré-processamento, uma etapa fundamental para a análise automatizada (XU et al., 2009; ZHU et al., 2023). Neste estudo, as sequências de log foram geradas a partir do identificador block_id, e as características foram tratadas como variáveis categóricas. Empregaram-se algoritmos supervisionados e não supervisionados para a detecção de anomalias. Entre os supervisionados, utilizou-se a Árvore de Decisão (Decision Tree), uma técnica amplamente reconhecida para classificação (SHALEV-SHWARTZ; BEN-DAVID, 2014). Também foi empregado o Random Forest, um método de ensemble que produz várias árvores de decisão. No contexto não supervisionado, empregou-se o Isolation Forest, conhecido por sua eficácia na detecção de outliers (YADAV; KUMAR; DHAVALE, 2020). Ao mesmo tempo, utilizaram-se técnicas de clusterização para reconhecer perfis de comportamento nos logs (OLIVEIRA et al., 2020). Foi implementado o K-Means, um algoritmo de particionamento que visa agrupar dados para reduzir ao máximo a distância intra-cluster (PONTES JÚNIOR; SANTANA JUNIOR; BASTOS-FILHO, 2018). A variante K-Modes, apropriada para variáveis categóricas, também foi empregada. Os resultados obtidos indicaram que, em média, cerca de 10% das sequências de logs no conjunto de dados foram classificadas como anômalas. A análise comparativa demonstrou uma variação de desempenho entre os algoritmos: enquanto técnicas como mostraram-se altamente eficazes na identificação dessas anomalias, outros modelos não atingiram a performance esperada para esta finalidade. Um resultado notável dos métodos supervisionados foi a redução da dimensionalidade, onde, das 14 características iniciais, os modelos indicaram que apenas 8 foram determinantes para a classificação, otimizando a análise. Nos algoritmos não supervisionados, a clusterização identificou, em média, cinco perfis (clusters) distintos de comportamento. Diante desses resultados, conclui-se que a aplicação de aprendizado de máquina para análise de logs é uma abordagem promissora e viável, com a escolha do algoritmo sendo um fator crítico para o sucesso da detecção. Os métodos de pré-processamento e extração de características, em especial o tratamento das variáveis como categóricas, mostraram-se adequados e supriram as necessidades da pesquisa, permitindo que os modelos mais robustos identificassem padrões relevantes com sucesso. Como trabalhos futuros, pretende-se expandir a análise para outros datasets da coleção loghub, bem como explorar o uso de técnicas de deep learning, como redes neurais LSTM, que têm demonstrado resultados promissores na literatura para capturar dependências sequenciais em logs (CHEN et al., 2022; YADAV; KUMAR; DHAVALE, 2020)
Poliestireno expandido e conchas marinhas como argamassa isolante para habitações sociais
No full textO rápido ritmo de urbanização, devido à migração rural-urbana e ao aumento do crescimento populacional, tem levado a um aumento no número de casas construídas. No entanto, essa pressão foi ainda mais intensificada pela pandemia da COVID-19 e pela recessão econômica, que afetaram profundamente as famílias de baixa renda (Ascione et al., 2024). Em resposta, muitos governos, particularmente em economias em desenvolvimento e emergentes, implementaram programas com subsídio habitacional objetivando atender a essa demanda, principalmente por meio de iniciativas de habitação social (Buckley et al., 2016). No entanto, essas construções têm enfrentado críticas devido à baixa qualidade das obras, o que compromete a eficiência energética e contribui para o aumento do consumo de energia causado por pontes térmicas e condensação no interior do edifício. O setor da construção civil é atualmente responsável por aproximadamente 40% da demanda global de energia (Ingrao et al., 2019) e por cerca de 56,7% das emissões de dióxido de carbono (Benchouia et al., 2024). Esses desafios destacaram a necessidade de estratégias que reduzam o uso de energia e as emissões, particularmente por meio da adoção de materiais de construção sustentáveis. Nesse contexto, a integração de materiais reciclados está ganhando atenção por promover os princípios da economia circular e melhorar a eficiência energética. Com isso em mente, esta pesquisa tem como objetivo avaliar a viabilidade da utilização de poliestireno expandido e conchas marinhas como materiais reciclados na produção de argamassa de isolamento térmico para habitações sociais sob uma abordagem de avaliação do ciclo de vida. Esta pesquisa foi conduzida por meio de uma revisão sistemática da literatura (SRL), com fontes obtidas de três grandes bases de dados: ScienceDirect, Web of Science e Engineering Village. As sequências de pesquisa utilizadas são ("Expanded polystyrene" OR "EPS") OR ("Seashells" OR "Mollusk shells" OR "Bivalve shells" OR "Aquaculture waste") AND ("Insulation material" OR "Thermal insulation") AND ("Social housing" OR "Affordable housing") AND ("Life cycle assessment" OR "LCA") AND "Energy efficiency" para cada base de dados. Os critérios de inclusão foram artigos publicados em inglês, revisados por pares e de acesso aberto, publicados entre 2015 e 2024 na área de engenharia. Artigos não relacionados aos objetivos do estudo ou aqueles com inconsistências metodológicas também foram excluídos. Um total de 63 artigos foram selecionados para síntese. Os dados desses artigos foram analisados para responder a três questões de pesquisa, juntamente com uma análise de correlação para compreender as várias relações; quais são as propriedades físicas e mecânicas do poliestireno expandido e das conchas marinhas que os tornam adequados para uso como argamassa de isolamento; quais são as proporções ideais de mistura de conchas marinhas e poliestireno expandido como materiais reciclados para a produção de uma argamassa isolante composta que apresente melhor desempenho térmico; e qual é a comparação entre o desempenho térmico e os impactos ambientais do poliestireno expandido e das conchas marinhas utilizados na argamassa isolante térmica em comparação com os materiais isolantes tradicionais? O poliestireno expandido, conhecido por sua leveza e capacidade de isolamento térmico, demonstrou excelentes resultados em vários estudos. Apesar da redução na resistência à compressão e à flexão devido ao seu alto nível de substituição, a argamassa à base de EPS ainda atende aos requisitos para aplicações estruturais e não estruturais. Foi identificada uma forte correlação entre o teor de EPS e a condutividade térmica; quando a concentração de EPS aumenta, a condutividade térmica tende a diminuir, reforçando assim o seu papel no aumento das propriedades de isolamento térmico. No entanto, aspectos relacionados à sua inflamabilidade e propriedades acústicas deficientes, além de questões ambientais decorrentes do processo de fabricação e descarte em aterros sanitários, ainda suscitam sérias preocupações. Por outro lado, as conchas marinhas compostas por carbonato de cálcio demonstraram algumas propriedades favoráveis no que diz respeito às propriedades mecânicas e térmicas, incluindo aspectos como resistência ao fogo e propriedades acústicas. Com seu alto nível de porosidade, causando uma redução na condutividade térmica. A morfologia irregular foi documentada na literatura como causadora de uma queda na densidade e um aumento na trabalhabilidade das argamassas em níveis de substituição mais baixos, mas um aumento nos níveis de substituição normalmente resulta em uma diminuição da trabalhabilidade. No entanto, verificou-se que a alta incorporação de conchas marinhas reduz a resistência à compressão e à flexão da argamassa, com vários estudos propondo um nível ideal de substituição de (10-30% em massa) para atingir o equilíbrio necessário entre integridade mecânica e desempenho térmico. As conchas marinhas têm menos impacto ambiental quando obtidas da indústria da aquicultura, alinhando-se com o princípio da economia circular. A literatura sobre as proporções ideais para a produção de argamassa, utilizando EPS e conchas marinhas de forma independente, indica uma variação entre os estudos, com proporções que variam entre 20% e 50%. Estas misturas apresentam uma trabalhabilidade, propriedades mecânicas e condutividade térmica superiores. Comparando o EPS em argamassa com materiais convencionais, como a cortiça, estudos relataram um aumento no potencial de aquecimento global e na energia incorporada por meio do uso da cortiça. Isso sugere que a cortiça tende a elevar o impacto ambiental em relação ao EPS. Enquanto a fase de pré-tratamento das conchas marinhas foi relatada como o principal contribuinte para vários impactos. Consequentemente, a análise de correlação demonstrou uma forte relação linear envolvendo densidade, absorção de água e condutividade térmica no estabelecimento da estratégia certa para uma argamassa térmica aprimorada. No entanto, embora existam estudos extensivos independentemente sobre o poliestireno expandido e as conchas marinhas, ainda existe uma lacuna significativa na pesquisa sobre o uso combinado de ambos os materiais através de uma perspectiva de avaliação do ciclo de vida. No entanto, ao comparar ambos os materiais com materiais de isolamento convencionais, a argamassa de EPS e conchas marinhas demonstrou melhor desempenho térmico e ambiental. A sustentabilidade de tais materiais não apenas depende do desempenho térmico, mas também da avaliação completa do ciclo de vida para extração, uso e fim de vida. Isso justifica a incorporação de avaliações do ciclo de vida em pesquisas e práticas futuras, abrangendo os três aspectos da sustentabilidade: implicações sociais, econômicas e ambientais.
Palavras-chave: Materiais sustentáveis; Economia circular; Argamassa de isolamento térmico; Poliestireno expandido; Conchas marinhas
Protótipo de CLP Modular Baseado em Raspberry Pi e ESP32-S2 Utilizando Comunicação Modbus TCP/IP
No full textEste trabalho tem como objetivo a descrição da construção e testes de um protótipo de um Controlador Lógico Programável (CLP) modular, baseado em tecnologias de código aberto e menor custo. A proposta consiste na utilização de um Raspberry Pi 3 Model B como unidade central de controle (mestre) e um ou mais microcontroladores ESP32-S2 atuando como módulos de entrada e saída (escravos). O sistema é interligado via o protocolo de comunicação industrial Modbus TCP/IP, permitindo uma estrutura modular e escalável, aplicável a diferentes contextos educacionais e experimentais. O ambiente CODESYS é utilizado como plataforma de programação da lógica de controle, oferecendo compatibilidade com linguagens da norma IEC 61131-3, como Ladder e Blocos de Função. Durante os testes, o sistema demonstrou estabilidade na comunicação, boa responsividade e versatilidade na aplicação de lógica industrial. Este projeto contribui significativamente para a democratização do ensino de automação, além de apresentar um modelo funcional de CLP construído com ferramentas acessíveis para a expansão do conhecimento acerca da automação industrial no ambiente acadêmico. A metodologia considerou um Raspberry Pi configurado com o sistema operacional Raspberry Pi OS e com o runtime do CODESYS em sua versão gratuita, transformando-o em um CLP programável com suporte a linguagens industriais como Ladder. Scripts personalizados permitiram a criação de um Access Point local, facilitando a conexão automática dos módulos ESP32 à rede. Os ESP32-S2 foram programados em C++, utilizando bibliotecas para Modbus, controle Wi-Fi e sinalização com LED RGB. Os módulos foram configurados com registradores Modbus para leitura e escrita de sinais digitais e analógicos, utilizando técnicas de filtragem (deadband) e geração de PWM. Toda a estrutura foi organizada fisicamente em uma caixa 3D projetada em Autodesk Inventor, com bornes de conexão e acesso simplificado aos componentes. Como resultado, os testes comprovaram a funcionalidade do sistema. A comunicação Modbus TCP/IP mostrou-se estável, com respostas rápidas e sem perdas de dados. Entradas digitais foram lidas com precisão e ruído minimizado por filtragem lógica e resistores. Entradas analógicas apresentaram boa linearidade após tratamento de ruídos leves. Saídas digitais acionaram relés, cargas e saídas analógicas foram simuladas por sinais PWM com controle de intensidade. O sistema demonstrou modularidade, permitindo a adição de novos módulos ESP32 facilmente. A integração com o ambiente CODESYS facilitou o mapeamento de variáveis e o monitoramento em tempo real, tornando o CLPi uma solução para aprendizado e experimentação em automação industrial no ambiente, também, acadêmico
Avaliação de técnicas de caracterização aplicados em alvenarias históricas com umidade ascensional: uma revisão sistemática da literatura
No full textA umidade ascensional é reconhecida como uma das principais causas de degradação em alvenarias históricas, promovendo manifestações patológicas como eflorescências, desagregações e fissuras, que comprometem tanto o desempenho funcional quanto o valor patrimonial dos edifícios. Frente a esse desafio, torna-se essencial adotar diagnósticos mais precisos e compatíveis com a complexidade construtiva dessas edificações, preservando a sua integridade durante todo o processo (Alexakis et al., 2018). Neste contexto, o presente estudo tem como objetivo identificar e analisar, por meio de uma revisão sistemática da literatura, as principais técnicas de caracterização avançada de materiais aplicadas ao diagnóstico da umidade ascensional em alvenarias históricas, bem como avaliar as contribuições dessas técnicas para a conservação do patrimônio edificado. A metodologia da revisão foi conduzida com base no protocolo PRISMA, utilizando oito bases de dados científicas e strings de busca específicos. Foram identificados 351 registros, dos quais 44 artigos foram incluídos na análise final após triagens por duplicidade, leitura de resumos e leitura integral com critérios de inclusão e exclusão previamente definidos. A análise dos estudos revelou o uso recorrente de técnicas como termografia infravermelha (IRT), cromatografia iônica (IC), difração de raios X (DRX), microscopia eletrônica de varredura (MEV), porosimetria por intrusão de mercúrio (MIP) e ensaios físico-hídricos, como absorção capilar. Verificou-se que muitas dessas técnicas são aplicadas de forma combinada nos estudos, visando diagnósticos mais abrangentes e precisos. Enquanto a IRT se destaca pelo mapeamento não invasivo da umidade superficial (Litti et al., 2015) técnicas como IC e DRX permitem a identificação e quantificação dos sais solúveis presentes nas alvenarias, fornecendo subsídios importantes sobre os mecanismos de degradação (Lopez-arce et al., 2009). A MEV, por sua vez, contribui com a visualização detalhada da microestrutura dos materiais, revelando fissuras e cristais de sais, enquanto a MIP quantifica a distribuição e o volume de poros, auxiliando na compreensão do comportamento higroscópico (Fragata e Velosa, 2021; Pavlík et al., 2022). A revisão também identificou técnicas emergentes, como tomografia de resistividade elétrica (ERT), espectroscopia de emissão ótica induzida por laser (LIBS) e sensores baseados em micro-ondas, que têm se mostrado promissoras no monitoramento não destrutivo e contínuo da umidade em profundidade. Apesar das contribuições relevantes, foram observadas limitações operacionais em várias técnicas, como necessidade de extração de amostras, sensibilidade a variáveis ambientais e necessidade de operadores especializados, o que reforça a importância de uma escolha criteriosa conforme o contexto da edificação. Os resultados apontam ainda para a carência de estudos em países da América Latina e África, bem como para a necessidade de integração entre técnicas laboratoriais e simulações computacionais. Conclui-se que a utilização integrada de técnicas de caracterização avançada amplia significativamente a capacidade diagnóstica e contribui para intervenções mais eficazes e compatíveis com os princípios da conservação preventiva. A principal contribuição deste estudo está na sistematização crítica das técnicas utilizadas, no esclarecimento de suas finalidades, limitações e aplicações, e na proposição de caminhos para futuras pesquisas voltadas ao aprimoramento das metodologias empregadas no diagnóstico da umidade ascensional em alvenarias históricas
A influência do detalhamento de instruções no prompt na acurácia de replicação de diagramas de classes UML pelo ChatGPT4: um Experimento Controlado
No full textA integração da Inteligência Artificial (IA), particularmente de Modelos de Linguagem de Grande Escala (LLMs) como o ChatGPT, representa um avanço promissor para a Engenharia de Software (ES). Entretanto, é necessário compreender dentro de um fluxo de processo de trabalho padronizado e reprodutível como o nível de detalhamento de instruções nos prompts e informações sobre o contexto afetam a acurácia utilizando como exemplo uma replicação de classes UML isolando o fator de conhecimento de domínio (CÁMARA et al., 2023). Torna-se, portanto, fundamental quantificar o impacto do detalhamento dos prompts para estabelecer diretrizes que aprimorem a aplicação da IA na ES. Este trabalho aborda a necessidade de uma avaliação metodológica rigorosa sobre a aplicabilidade do ChatGPT em atividades específicas, como a replicação de diagramas, e a influência dos prompts na efetividade de suas respostas (DJABER; HADJADJ, 2023). O objetivo principal deste estudo foi avaliar o impacto que o detalhamento dos prompts exerce sobre o desempenho do ChatGPT4 na replicação de diagramas de classes UML. A investigação focou na relação de causa e efeito entre a especificidade das instruções e a acurácia dos diagramas gerados. É importante ressaltar que o propósito não era medir a capacidade do modelo de compreender a semântica de negócios, mas sim de analisar como variáveis no prompt influenciam a precisão sintática da replicação. Para isso, foi adotado um design de experimento controlado (WOHLIN et al, 2012). Prompts com níveis de detalhamento variados: genérico, moderadamente específico e altamente estruturado, foram submetidos ao ChatGPT-4. A precisão da replicação foi avaliada pela comparação com o diagrama original, contabilizando a presença ou ausência de seus elementos. Para minimizar o aprendizado contextual e garantir a independência de cada teste, uma nova sessão de conversa foi iniciada para cada prompt. O diagrama UML de referência, selecionado aleatoriamente de um projeto de código aberto, continha 6 classes, 3 interfaces, 4 relações de associação unidirecional, 2 relações de composição e 2 cardinalidades. As variáveis dependentes foram o percentual de acertos na reprodução e a contagem de erros sintáticos no código PlantUML. A análise estatística foi realizada por meio dos testes de Shapiro-Wilk, Kruskal-Wallis e Dunn. Os resultados, com base no teste de Kruskal-Wallis, indicaram que o detalhamento dos prompts influenciou significativamente a precisão da replicação (p-valor = 2.309e-06). Contrariando as expectativas iniciais, os diagramas gerados a partir de prompts mais detalhados ("Altamente Estruturado e Específico") apresentaram menor precisão (mediana = 57,81%) e maior variabilidade (IQR = 36,71). Em contraste, a categoria de prompts "Genéricos" obteve o desempenho mais consistente (IQR = 6,25) e elevado em termos de acertos (mediana = 92,18%). Os prompts "Moderadamente Específicos" demonstraram boa consistência, porém com medianas de acertos inferiores aos "Genéricos" (mediana = 87,5%). O teste de Dunn revelou uma diferença estatisticamente significativa entre os resultados dos prompts "Altamente Estruturados" e os grupos "Genérico" (p-valor ajustado = 1.26e-6) e "Moderadamente Específico" (p-valor ajustado = 6.85e-3). Contudo, não foi encontrada diferença significativa entre os grupos "Genéricos" e "Moderadamente Específicos" (p-valor ajustado = 1.34e-1). Esses achados revelam uma implicação prática e contraintuitiva para engenheiros de software: na tarefa de replicação de diagramas, a alta especificação de instruções é prejudicial à precisão. Na prática, um engenheiro obterá resultados mais consistentes e acurados ao fornecer um objetivo claro e direto, como nos prompts "Genéricos", em vez de um roteiro detalhado passo a passo. Isso sugere que a ferramenta opera com maior eficácia quando possui autonomia para interpretar o objetivo geral. Como trabalhos futuros, sugere-se a construção de modelos preditivos para antecipar a precisão dos diagramas, a realização de estudos de caso e validações qualitativas com especialistas para avaliar a aplicabilidade prática da ferramenta em fluxos de trabalho reais, e a exploração de métodos de avaliação mais diversificados que incluam uma análise de custo-benefício aprofundada
Sistema Híbrido Baseado em Aprendizado de Máquina para Detecção e Classificação de Falhas em Placas de Circuito Impresso (PCIs)
No full textNo cenário da Indústria 4.0, onde a automação do controle de qualidade em Placas de Circuito Impresso (PCIs) é imperativa, são necessários sistemas capazes de detectar anomalias e diagnosticar a natureza das falhas (OLIVERIA, 2022), as quais podem se originar de falhas em hardware (HW) ou software (SW). Para superar as limitações de precisão e cobertura dos sistemas que utilizam apenas uma modalidade de assinatura, este projeto visa desenvolver um sistema de diagnóstico híbrido, baseado em aprendizado de máquina, capaz de detectar e classificar com alta acurácia diferentes tipos de falhas, utilizando a fusão de dados de assinaturas elétricas e termográficas (SCHWALBE, 2019). A metodologia proposta inicia-se com a etapa da construção de um dataset abrangente e rotulado, contendo os sinais de PCIs em múltiplos cenários de operação normal e falha. Para obtenção dos dados desse dataset, será necessário um circuito elétrico que irá verificar a tensão de operação do sistema e uma câmera térmica para observar o aquecimento dos componentes da PCI. Em seguida, a arquitetura de dois estágios é aplicada: primeiramente, um modelo utilizando autoencoder, que é treinado para processar os dados brutos, extraindo um vetor de características compacto, com o menor ruído possível e que faça a captura dos padrões elétricos e térmicos de cada estado operacional da placa. Em seguida, esses vetores de características servirão como entrada para um ensemble robusto de classificadores tradicionais, como: Random Forest, K-Nearest Neighbors (KNN) e Gradient Boosting. Desta forma, a condição final da PCI será determinada por um mecanismo de voto majoritário (SAQLAIN, 2019). A força desta abordagem reside na sua capacidade de aprender fronteiras de decisões complexas, permitindo não apenas a detecção de uma anomalia, mas a classificação precisa em categorias predefinidas (ex: "Normal", "Falha HW - Capacitor", "Falha SW - Loop"). Como resultado, espera-se obter um sistema híbrido com desempenho superior aos métodos tradicionais baseados em uma única fonte de dados – conforme métricas de acurácia, precisão e recall – capaz não apenas de identificar a presença de uma falha, mas de classificá-la corretamente quanto à sua natureza (hardware ou software). A conclusão deste trabalho representará um avanço prático e aplicável para o controle de qualidade inteligente, fornecendo uma solução robusta que aumenta a confiabilidade e eficiência nas modernas linhas de produção das indústrias 4.0
Aplicação de Machine Learning na Gestão de Dívida Técnica: um benchmark de ferramentas
No full textO termo conhecido como Dívida Técnica (DT) é uma metáfora apresentada por (CUNNINGHAM, 1992) para explicar o esforço ou custos adicionais de se utilizar soluções alternativas para alcançar os objetivos de curto prazo, muitas vezes, sem considerar a possibilidade de impactar negativamente o software a longo prazo. Semelhante a dívida financeira, DT pode ser acumulada ao longo do tempo e gerar "juros" na forma de custos adicionais de manutenção e retrabalho. Para manter a DT sob controle, os profissionais podem adotar diferentes estratégias e aplicar frameworks desenvolvidos para esse fim. Estes recursos apoiam as diferentes atividades de gestão de DT, que segundo (LI; AVGERIOU; LIANG, 2015), vão desde a identificação de um item, até a sua correção. No entanto, as estratégias que auxiliam no entendimento e gestão de DT, em sua maioria, são realizadas de forma manual, o que se torna um desafio para a indústria, levando em consideração que grande parte dos processos são automatizados devido à agilidade e ao tempo de implementação (MELO et al., 2022). Dessa forma, identificar uma DT manualmente, por exemplo, torna-se uma atividade enviesada e custosa, uma vez que depende fortemente do julgamento de especialistas. De forma a reduzir essa subjetividade, pesquisadores estão construindo soluções que melhorem a gestão de DT baseando-se na aplicação de algoritmos de Machine Learning (ML). No entanto, a quantidade de estudos que propõem recursos desenvolvidos a partir desses algoritmos, torna-se limitada e preliminar (TSINTZIRA et al., 2020). Neste sentido, este trabalho tem como objetivo propor a construção de uma infraestrutura que auxilie na aplicação de técnicas de ML no gerenciamento de DT, visando a correção automatizada desses itens. Inicialmente, foi realizada uma Revisão Sistemática da Literatura (RSL) a fim de identificar evidências relacionadas a utilização de técnicas de ML na gestão de DT (KITCHENHAM; CHARTERS, 2007). Baseando-se nos resultados da RSL, foi possível perceber uma limitação de trabalhos que propõem ferramentas que possam automatizar o gerenciamento de DT, bem como a ausência de discussões sobre os requisitos essenciais para que esses recursos proporcionem uma gestão eficaz. Dessa forma, como segunda atividade conduzida neste projeto de doutorado, desenvolveu-se um benchmark com o objetivo de identificar e comparar características de ferramentas que possam auxiliar a automatizar a gestão de DT, as quais possam ser utilizadas por profissionais no desenvolvimento de software. Nesta pesquisa, o benchmark foi utilizado como uma metodologia de avaliação qualitativa, possibilitando analisar as ferramentas de gestão de DT e, foi executado em três etapas: Planejamento, Execução e Análise (PERIN; SILVA; VALENTIM, 2021). Na primeira etapa, as ferramentas foram selecionadas com base nos resultados da RSL conduzida anteriormente. Na sequência, as características analisadas nas ferramentas foram definidas. Estas particularidades foram escolhidas porque observou-se uma ausência desse tipo de análise na literatura, além de serem características que irão auxiliar na escolha de ferramentas ao problema abordado, sendo elas (i) Se as ferramentas possuem funcionalidades que facilitam a execução de uma ou mais etapas do processo de gestão de DT; (ii) Se as ferramentas são utilizadas de maneira específica no âmbito de DT ou contribuem para a gestão de tarefas de forma abrangente; (iii) Facilidade de uso na utilização e realização das tarefas; (iv) Se impactam positivamente na produtividade do projeto; (v) Se as ferramentas foram desenvolvidas utilizando inteligência artificial, ou especificamente ML. Na etapa de análise, seis ferramentas foram avaliadas individualmente em relação às características supracitadas. Vale ressaltar que, nem todas são utilizadas especificamente para gerenciar DT, mas no controle de tarefas durante o desenvolvimento de um projeto. Sendo elas: (i) Jenkins: servidor de automação de código aberto utilizado para processos de integração e entrega contínua; (ii) SonarQube: ferramenta de análise estática para manutenção de código-fonte; (iii) Jira: ferramenta popular de gerenciamento de projetos. Embora o JIRA não seja uma ferramenta específica para lidar com qualidade de código ou DT, ele oferece integrações que podem ajudar nessas áreas. Por exemplo, é possível criar um campo personalizado para acompanhar uma DT; (iv) FindBugs: analisador de código estático que detecta possíveis bugs e problemas de qualidade no código em projetos Java, incluindo DT; (v) Tracy-TD: ferramenta que considera a perspectiva do negócio para priorizar DT; e (vi) CodeScene: ferramenta de análise do comportamento do código, que combina dados de controle de versão com algoritmos de ML para identificar padrões sociais e riscos ocultos na base de código. Apenas duas das seis ferramentas foram desenvolvidas com a aplicação de ML. O Jira utiliza ML em aspectos para aprimorar a eficiência no gerenciamento de projetos, automatizar tarefas e auxiliar na tomada de decisões. Dentre alguns exemplos de como ML é utilizado no Jira, pode-se citar a análise de dados históricos de issues e do comportamento dos usuários, com isso, o Jira pode prever quanto tempo levará para resolver um novo issue, auxiliando na priorização de tarefas. O CodeScene utiliza diferentes algoritmos de ML para analisar o código-fonte do projeto e fornecer insights para os desenvolvedores sobre possíveis problemas de qualidade. Dentre as técnicas de ML, pode-se incluir: modelos de aprendizado supervisionado para identificar anomalias no código e Natural Processing Language para analisar comentários, documentação e outros textos associados ao código. As análises revelaram que as ferramentas atuais não são abrangentes o suficiente. Dessa forma, torna-se imperativo o desenvolvimento de uma ferramenta mais robusta, capaz de atender aos critérios estabelecidos, visando simplificar e tornar mais prático o processo de gestão de DT. Este estudo encontra-se atualmente em andamento, os resultados são preliminares mas está em evolução. O escopo futuro incluirá uma expansão das análises da RSL e do benchmarking, explorando a eficácia e limitações das ferramentas identificadas. Bem como, que estudos empíricos sejam realizados de forma a avaliar em projetos reais a eficácia das ferramentas. Ao final, espera-se apresentar à academia-indústria um corpo de conhecimento avaliado sobre recursos que possam automatizar a gestão de DT