Este trabalho introduz uma versão estendida da estrutura de Redes Neurais Informadas pela Física (PINNs) para resolver equações diferenciais parciais (EDPs) parametrizadas, incorporando uma dimensão adicional de entrada para um parâmetro variável 𝑚. Essa melhoria permite que o modelo generalize soluções ao longo de um intervalo específico de parâmetros sem a necessidade de retreinamento para cada valor. Notavelmente, o  modelo estendido manteve tempos de treinamento comparáveis ao método padrão ( 280 segundos), demonstrando eficiência computacional apesar da dimensão adicional. 

Inicialmente, o modelo foi validado em uma equação diferencial ordinária (EDO) de segunda ordem com  coeficientes variáveis, generalizando com eficácia soluções ao longo de intervalos de parâmetros. A investigação  proseguiu para a equação não linear de Korteweg-de Vries (KdV), demonstrando a capacidade do modelo em simular interações complexas de sólitons com dados iniciais limitados. Arquiteturas de rede ótimas foram identificadas para diferentes cenários, enfatizando a importância da escolha dos hiperparâmetros. Embora os vínculos físicos tenham sido facilmente implementados usando o DeepXDE, não foram observadas melhorias significativas na precisão, sugerindo que a equação e as condições iniciais já impõem restrições suficientes.

O foco principal foi a equação de Sine-Gordon, uma EDP não linear com soluções do tipo sóliton, para avaliar a capacidade do modelo em generalizar para o parâmetro variável 𝑚. Soluções precisas foram obtidas com dados mínimos, destacando a eficiência do modelo. Desafios surgiram quando 𝑚 ≈ 0, onde a equação se aproxima de uma forma de onda linear, reduzindo a capacidade de generalização do modelo. Apesar disso, a abordagem forneceu consistentemente soluções confiáveis na maior parte do intervalo de parâmetros, demonstrando seu potencial para resolver EDPs parametrizadas de forma eficiente. 

O avanço na tecnologia de saúde aumentou a necessidade de segurança, velocidade e confiabilidade
de grande volume de dados médicos. Bancos de dados relacionais tradicionais
apresentam limitações em cenários de big data e análise em tempo real, principalmente
devido aos seus requisitos de esquema rígidos e escalabilidade limitada. Os bancos NoSQL
podem servir como alternativa ao relacional em cenários de saúde quando a velocidade
de armazenamento e recuperação da informação é crucial. Entretanto, existem desafios
consideráveis em adaptar alguns dos bancos de dados NoSQL para padrões de interoperabilidade
de dados médicos como o FHIR. Este estudo explora a compatibilidade do padrão
FHIR com o banco de dados NoSQL Apache Cassandra para o gerenciamento de dados
de saúde em aplicações que exigem alta eficiência, como em ambientes da Internet das
Coisas Médicas (IoMT), análise estatística de dados e previsão em tempo real. Embora o
Cassandra seja altamente escalável, tolerante a falhas e eficiente em operações de leitura
e gravação, ele não oferece suporte adequado para buscas com todos os filtros definidos
pelo FHIR, devido a sua estrutura nativa apresentar dependência da chave primária de
uma tabela para realização de buscas eficientes. Para superar essa limitação, é proposto o
uso do indexador Apache Lucene em conjunto com uma biblioteca de implementação do
padrão FHIR chamada HAPI-FHIR para para criar um índice customizado automático
que faça buscas por texto completo. A solução foi validada em um protótipo usando
microbenchmarks, demonstrando que, com um índice customizado, o Cassandra pode
realizar consultas exigidas pelo FHIR com um impacto estatisticamente significativo no
desempenho, com um intervalo de 0,5 a 4 milissegundos de acréscimo em relação à ausência
do índice. Apesar desse aumento, a solução preservou total compatibilidade com o padrão
FHIR e permitiu consultas com as condições exigidas pelo padrão. Isso demonstra que
a busca em texto completo como índice para o FHIR é uma alternativa viável para o
gerenciamento de dados de saúde em sistemas NoSQL colunares sob condições específicas
que permitem latências dentro do intervalo definido.

Disjuntores de alta tensão são componentes cruciais no gerenciamento e proteção de sistemas elétricos. Dessa forma, garantir a saúde de seus componentes promove a segurança e eficiência de redes de alta tensão. O presente artigo propõe o desenvolvimento de um método de classificação, permitindo uma análise probabilística e comportamental, sem a necessidade de interrupções no sistema elétrico. O modelo proposto utiliza Sistemas de Inferência \emph{Fuzzy} em série para avaliar a integridade dos disjuntores SF6 por meio da análise dos sinais das bobinas de abertura e bobinas de fechamento. A abordagem desenvolvida foi submetida a diferentes entradas reais e simuladas, apresentando resultados promissores para a avaliação contínua e precisa dos disjuntores, contribuindo significativamente para a manutenção preditiva desses equipamentos.

A crescente necessidade de garantir a eficiência e a confiabilidade do Sistema Integrado Nacional (SIN), que representa a espinha dorsal da distribuição de energia do país é o que conduz este trabalho. Diante dos desafios impostos pela vastidão territorial e a complexidade da rede elétrica brasileira, a utilização de Unidade de Medição Fasorial (PMUs) emerge como uma solução promissora para monitorar a rede em tempo real. No entanto a eficácia deste monitoramento está ligada à capacidade de detectar e responder a anomalias de forma rápida e precisa, minimizando os riscos de falhas e interrupções no fornecimento. O estudo aborda o desafio de gerenciamento e avaliação da rede elétrica interligada do país onde a informação precisa é pertinente para ações preventivas e corretivas em um sistema de distribuição de extensão continental. O cerne desta pesquisa reside na exploração inovadora de técnicas avançadas de compressão de dados combinadas com algoritmos de aprendizado de máquina não supervisionado, com o intuito de otimizar a interpretação e análise dos grande volumes de dados gerados pelas PMUs. Essa abordagem aponta uma melhoria significativa na qualidade e na precisão das informações extraídas e oferece uma solução escalável para o desafio de processar e analisar os dados de um sistema de distribuição de grande escala. São avaliados a eficácia através da detecção de eventos significativos e anomalias na rede em pontos geograficamente distantes da origem do evento. Os resultados deste estudo validam a eficácia dos algoritmos propostos, evidenciando sua relevância prática e seu impacto substancial na melhoria dos padrões de qualidade e confiabilidade no fornecimento de energia elétrica. Demonstram a viabilidade de implementação dessas técnicas em cenários reais, evidenciando o potencial de transformação na prevenção de falhas e na gestão de eventos críticos, contribuindo para uma rede de distribuição de energia mais estável, eficaz e segura.

Esta dissertação apresenta uma metodologia inovadora para a otimização de projetos de antenas patch para as bandas de frequência ISM (industrial, científica e médica) e 5G, baseada no algoritmo de otimização por enxame de partículas (PSO). Métodos tradicionais de design dependem de equações para aproximar as dimensões das antenas com base na frequência de operação, frequentemente exigindo ajustes iterativos para alcançar as especificações de desempenho desejadas. Esta pesquisa demonstra que, ao utilizar o PSO para estimar os parâmetros de dimensão, o processo de ajustes finos, que consome muito tempo, pode ser significativamente reduzido. A abordagem proposta é validada através do design de antenas patch para as bandas ISM e 5G. Os resultados indicam melhorias substanciais na perda de retorno e na redução de tamanho, alcançando uma diminuição de 25% no tamanho da antena para aplicações ISM e uma redução de 12% para projetos de 5G. Esta pesquisa contribui para o avanço das metodologias de design de antenas, evidenciando o potencial do PSO para otimização eficiente e eficaz em diferentes bandas de frequência.

A Indústria 4.0, caracterizada pela integração de tecnologias digitais aos processos industriais, vem transformando e impactando também o setor de capacitação e treinamento para operadores de caminhão fora-de-estrada na área da mineração. Dentre os desafios existentes, a integração de um software web para supervisionar simuladores 3D de caminhão fora-de-estrada constitui uma necessidade para o setor. Busca-se uma solução que proporcione maior flexibilidade e acessibilidade para as plataformas de hardware e software que executam o sistema de simulação em diferentes regiões. Neste sentido, o presente trabalho apresenta o desenvolvimento de um sistema supervisório web para gerenciar um sistema de simulação. O supervisório será responsável pela persistência dos dados em banco de dados e comunicará com o simulador em tempo de execução. A abordagem se deu utilizando uma camada de back-end que oferece uma API e uma camada de front-end que oferece a interface do usuário. A integração com o simulador se deu através do framework ROS2. Como resultados, o trabalho apresenta uma interface amigável, correta troca de mensagens entre os subsistemas supervisório e simulador, bem como o armazenamento dos dados de simulação dos operadores para acompanhamento de desempenho e aprendizado.

Esta dissertação apresenta a metodologia utilizada para a criação de um digital
twin para parte do campus da UNIFEI - Itabira. Para uma melhor compreensão
deste processo também é apresentada uma breve explicação sobre os conceitos e
processos necessários para a criação de modelos 3D até a etapa texturização. O
cenário 3D e todos os projetos desenvolvidos durante a execução deste trabalho
foram disponibilizados a fim de que sirvam tanto como um instrumento de estudo
para aqueles interessados em modelagem 3D, quanto como um ponto de partida
para pesquisas futuras relacionadas ao campus Itabira. Além disso, foi realizado
o treinamento da rede cyclegan para fazer a transferência de estilo das imagens
capturadas no campus virtual para se assemelharem ainda mais às imagens capturadas
no campus real. O modelo obtido cumpriu o seu papel em representar
virtualmente a região desejada do campus e o treinamento da cyclegan apresentou
bons resultados deixando o caminho aberto para pesquisas futuras relacionadas ao
treinamento de veículos autônomos neste ambiente virtual.

Cada dia mais a inteligência artificial é encontrada em diferentes atividades do cotidiano, gerando ferramentas e soluções cada vez mais robustas, melhorando resultados e potencializando habilidades humanas. Os modelos de aprendizado supervisionado mais complexos, chamados de “caixa preta”, tais como Redes Neurais, são poderosos, mas deixam a desejar em interpretabilidade para soluções que tratam de dados sensíveis em contextos como finanças, saúde, jurídico ou mesmo acadêmico. Neste sentido, modelos de “caixa branca”, como Árvores de Decisão se mostram soluções robustas e mais adequadas devido ao seu alto grau de
interpretabilidade. Além de modelos de aprendizado de máquina já consolidados, como Árvore de Classificação e Regressão - CART, estudos recentes também trouxeram novos modelos como Árvore de Classificação Ótima usando Classificação Inteira Mista - OCT-MIO, capaz de se ajustar ainda mais aos dados de treinamento e alcançar maior acurácia em alguns casos. Este trabalho traz a modelagem, implementação e comparação destes dois modelos, tanto em treinamento, quanto em teste usando validação cruzada (K-Fold), além de uma análise da interpretabilidade das árvores e da utilização do OCT-MIO como heurística. Os experimentos utilizam dados reais e sensíveis como para diagnóstico de nível de estresse, predição para aprovação de crédito e predição de sucesso acadêmico. Apesar do CART ser um bom modelo de classificação, foi possível observar que o modelo OCT-MIO é uma alternativa capaz de obter resultados próximos, iguais ou ainda melhores, especialmente para árvores de classificação de menor altura, ideais em cenários onde a interpretabilidade é necessária. Desta forma, o modelo OCT-MIO é capaz classificar dados mais corretamente que o CART em árvores de altura mínima o suficiente para classificar todas as classes de um problema, sem abrir mão da interpretabilidade.

Este trabalho aborda o desenvolvimento de modelos de Redes Neurais Convolucionais (CNNs) otimizados para a predição do ângulo do joelho em sistemas embarcados, visando aplicações em próteses de membros inferiores. Utilizando Unidades de Medida Inercial (IMUs) de baixo custo e técnicas de otimização multiobjetivo, foram desenvolvidos modelos especializados para diferentes tipos de marcha (curta, natural e longa), associados a um classificador capaz de identificar o padrão de marcha em tempo real. Os resultados demonstram que os modelos especializados superam significativamente um modelo combinado, alcançando um erro médio quadrático (RMSE) de 2, 050◦, uma melhoria de mais de 48% com relação a este último. Além disso, a implementação em um microcontrolador Kendryte K210 validou a viabilidade de implantação em hardware acessível, mantendo a eficiência computacional necessária para aplicações em tempo real. Este estudo contribui para o avanço das tecnologias  assistivas, indicando que modelos eficientes de aprendizado profundo podem ser efetivamente implementados em sistemas embarcados, melhorando a qualidade de vida de indivíduos com amputações de membros inferiores. Essa abordagem aumenta ainda a acessibilidade financeira de soluções protéticas avançadas, tornando-as mais viáveis para indivíduos em regiões economicamente desfavorecidas.

A evolução tecnológica proporcionada pela Internet das Coisas está em crescente
desenvolvimento e a demanda por profissionais aumenta proporcionalmente.
Paralelamente a essa realidade, a utilização de jogos como ferramenta de
aprendizado é um método propício principalmente para o público mais jovem, por
apresentar elementos de diversão e engajamento. Jogos sérios podem auxiliar os
jogadores na aquisição de novas experiências e conhecimentos complexos, que são
obtidos por meio da resolução de desafios. Nesse contexto, o jogo sério proposto
neste trabalho, Desafio IoT, visa oferecer uma visão geral sobre alguns problemas e
soluções no desenvolvimento de software embarcado para casas inteligentes. Além
de um propósito sério, o jogo proposto busca despertar o interesse dos estudantes no
assunto, disseminando a ideia e a motivação em atuar na área de desenvolvimento.
A implementação do jogo foi realizada segundo o modelo de especificação Learning
Mechanics – Game Mechanics (LM-GM). Visando investigar o impacto educacional
proporcionado pela experiência de uso do jogo proposto, além de questionários de
utilização e de conhecimento técnico, foi usado o questionário MEEGA+ para a
avaliação do jogo. A partir dos resultados, pode-se concluir que o jogo foi capaz de
introduzir os estudantes à área de Internet das Coisas e motivá-los a aprofundar seus
conhecimentos sobre o tema. A avaliação do jogo pelos estudantes apresentou
resultado geral positivo, bem como aprovação em sete das oito dimensões utilizadas
na análise.

Essa dissertação busca o uso da ciência dos dados, por meio de análise exploratória não supervisionada, comprovar o que a literatura já sabe e/ou apresentar novas descobertas sobre a influência da infraestrutura sobre a educação básica brasileira. A infraestrutura escolar não se resume apenas à questão arquitetônica das escolas, mas também ao ambiente educativo e administrativo, equipamentos, recursos educacionais, práticas, currículos e processo de ensino e aprendizagem. A coleta de dados foi realizada sobre os dados abertos do Censo Escolar 2019 (Educação Básica) e do Índice de Desenvolvimento da Educação Básica (Ideb), relativos aos anos 2005-2019. A escolha do ano de 2019 foi por se tratar do último ano que as escolas apresentaram resultados antes da influência da pandemia COVID-19. Após vários tratamentos nos dados e a escolha de atendimento apenas do segmento inicial do ensino fundamental, aplicou-se duas metodologias de análise: Correlograma e Análise Fatorial (FA). Para uma clareza nos resultados, criou-se novos atributos referentes aos entes federativos que permitiu identificar quais estados e perfis de escolas estão melhores relacionados ao crescimento e aos bons resultados do Ideb. Para essas correlações optou-se pela Sigma da Cópula Gaussiana que leva em consideração os dados categóricos e contínuos e, ainda, gerou uma matriz positiva definida. O Correlograma gerou uma matriz quadrada que apresentou os relacionamentos dos atributos em um dendrograma de heatmap. Dividido em 4 grandes grupos, cada um apresentou características específicas e relações com os entes federativos. O primeiro grupo apresentou forte relacionamento com as infraestruturas básicas; o segundo grupo, com o Ideb e as infraestruturas mais sofisticadas; o terceiro grupo, apresentou poucas relações entre os atributos; e último grupo forte correlações negativas e conteve maior precariedade nas infraestruturas. Após averiguação de compatibilidade da base de dados para aplicação do FA, foram estimados que 10 fatores seriam adequados a esse estudo. Quatro fatores apresentaram associação com os atributos do Ideb, o foco deste trabalho. Observou-se também três padrões nos atributos que elencaram bons resultados no Ideb com diferentes infraestruturas, políticas e/ou propostas educacionais: o primeiro grupo, norteado por SP, apresentou saneamentos básicos ofertados pelo serviço público, internet de qualidade com uso na aprendizagem e órgãos escolares; o segundo grupo, encabeçado por MG, indica associação a flexibilização no ensino tradicional, com ciclos escolares e salas não seriadas; o terceiro grupo ficou marcado pelas atividades complementares e atendimento especializado, representado pelo CE. Em contradição a esses parâmetros, escolas com a modalidade EJA, principalmente do nordeste, tendem a ter menores resultados no Ideb. Os outros 6 fatores agregaram muitas informações relevantes, inclusive relacionadas às correlações e anti correlações dos entes federativos e atributos específicos. Como visto, a ciência dos dados tem muito a agregar à área da educação. Espera-se com trabalhos futuros acrescentar ainda mais dados, como estudos longitudinais sobre o Ideb e agregar outros índices educacionais como o Ioeb e o nível socioeconômico da população.

Esta dissertação apresenta a arquitetura de amplificador de transcondutância diferencial de diferenças (FDDTA) baseada em inversores CMOS. Projetado em um processo CMOS de 130 nm, opera em inversão fraca quando alimentado com 0,25 V. Além disso, o FDDTA não requer circuito de calibração externa suplementar, como fontes de corrente ou tensão de polarização, uma vez que depende da técnica de layout distribuído que casa intrinsecamente aos inversores CMOS. Para fins analíticos, realizamos uma investigação detalhada que descreve todos os conceitos e todo o funcionamento da arquitetura do FDDTA.

Os veículos estão se tornando mais inteligentes e conectados devido à demanda por transporte mais rápido, eficiente e seguro. Para essa transformação, foi necessário aumentar a quantidade de dados transferidos entre os módulos eletrônicos na rede veicular, pois isso é fundamental para o processo de tomada de decisão de um sistema inteligente. Centenas de mensagens trafegam o tempo todo em um veículo, criando oportunidades para análise e desenvolvimento de novas funções para auxiliar a tomada de decisão do motorista. Diante desse cenário, a dissertação apresenta os resultados de uma pesquisa para caracterizar os estilos de direção dos motoristas utilizando as informações disponíveis na rede de comunicação veicular.

Esta dissertação de mestrado concentra-se no processo de extração de informações de uma rede veicular, análise das características extraídas e classificação do motorista com base nos dados extraídos. O estudo tem como objetivo identificar comportamentos de direção agressivos usando dados do mundo real coletados de cinco caminhões diferentes durante um período de três meses. O método de pontuação do motorista utilizado neste estudo identifica dinamicamente comportamentos de direção agressivos durante janelas de tempo pré-definidas, calculando a aceleração instantânea derivada dos dados adquiridos. Além disso, a técnica de agrupamento K-Means foi explorada para agrupar diferentes comportamentos em conjuntos de dados.

O Capítulo 2 fornece uma visão geral abrangente do referencial teórico necessário para o desenvolvimento bem-sucedido desta dissertação. O Capítulo 3 detalha o processo de extração de dados de ambientes reais e não controlados, incluindo as etapas realizadas para extrair e refinar os dados. O Capítulo 4 concentra-se no estudo das características extraídas dos dados pré-processados, e o Capítulo 5 apresenta dois métodos para identificar ou agrupar os dados em conjuntos.

Os resultados obtidos neste estudo avançaram o estado da arte da classificação do comportamento do motorista e provaram ser satisfatórios. A dissertação aborda a lacuna na literatura ao utilizar dados de ambientes reais e não controlados, que exigiram pré-processamento antes da análise. Além disso, o estudo representa um dos primeiros realizados em veículos comerciais em um ambiente não controlado.

Em conclusão, esta dissertação oferece insights para o desenvolvimento de modelos de classificação do comportamento do motorista usando dados do mundo real. Pesquisas futuras podem basear-se nas técnicas apresentadas neste estudo e aprimorar ainda mais os modelos de classificação. A dissertação também aborda as ameaças à validade que foram mitigadas e fornece recomendações para pesquisas futuras.

Uma das metas existentes na Agenda 2030 para o Desenvolvimento Sustentável é o aumento da urbanização inclusiva e sustentável. Alcançar esse objetivo já é considerado um desafio, visto que no Brasil muitas cidades já passaram e, ainda passam, por um processo de expansão e urbanização. Nesse contexto, emerge o conceito de planejamento urbano, entendido como uma das formas de sistematizar esse processo, uma vez que permite uma melhor alocação de recursos financeiros e humanos, além de definir ações e objetivos em prol da resolução de problemas que sejam coletivos. Para isso, são definidos os instrumentos de política urbana, intimamente relacionados ao planejamento urbano, uma vez que os instrumentos de política urbana são as ferramentas e mecanismos utilizados para implementar o planejamento e alcançar as metas estabelecidas para a cidade. O objetivo da pesquisa apresentada nesta dissertação de mestrado é investigar soluções que apoiem a tomada de decisão no contexto de planejamento urbano. Para isso, foram analisados dados coletados em projetos de elaboração e atualização de instrumentos de política urbana de forma que esses dados pudessem ser utilizados na elaboração de uma solução. A metodologia utilizada foi a Design Science Research Methodology (DSRM), o artefato proposto e desenvolvido foi um sistema de apoio à decisão na forma de um painel de visualização de informações sobre a composição espacial de um município no interior de Minas Gerais. Para isso, foram usados conceitos de análise de dados geográficos e de visualização de informações. O painel foi avaliado por um grupo de potenciais usuários e a hipótese de que o uso dos dados gerados pelos instrumentos de política urbana podem auxiliar o planejamento urbano municipal foi corroborada pelas respostas obtidas. Com o estudo, foi possível evidenciar a importância dos dados considerados, o potencial do artefato proposto, além de permitir identificar oportunidades para trabalhos futuros.

A pandemia de COVID-19 evidenciou a alta demanda por sistemas computacionais que
acelerem a indicação de novos fármacos. Nesse sentido, compreender o comportamento
dinâmico de complexos biomoleculares é algo fundamental. As técnicas que envolvem
simulações de dinâmica molecular desses complexos vêm sendo crescentemente
utilizadas como forma de agilizar a indicação de melhores candidatos à fármacos. No
entanto, a preparação de tais simulações é de grande complexidade, e seus inúmeros
detalhes nem sempre são suficientemente destacados, comprometendo sua
reprodutibilidade e reusabilidade. Para tanto, foi proposta a ferramenta ProtCool – um
gerador de protocolos, focado na integração entre ancoragem e dinâmica molecular de
complexos proteína-ligantes. Em sua primeira versão, essa ferramenta era de uso restrito
ao ambiente local do usuário. Este trabalho apresenta a versão 2.0 do ProtCool,
desenvolvida sob um modelo cliente-servidor com interface WEB. O objetivo é preencher
as lacunas deixadas pela versão anterior, aprimorando o software em três aspectos
fundamentais: torná-lo multiplataforma, possibilitar o acesso a múltiplos usuários e tornar
a ferramenta mais intuitiva. O desenvolvimento de uma interface amigável permite que
essa nova versão expanda o domínio de uso também para pesquisadores inexperientes ou
novatos em química computacional. O ProtCool 2.0 não executa as dinâmicas após
preparação nem opera análises dos resultados, ele é construído para ser um expert na
preparação baseado em workflows, percorrendo o workflow que lhe foi programado,
gerando todos os arquivos de configuração necessários para uma execução confiável da
dinâmica molecular no aparato computacional do usuário. Como todo o processo fica
devidamente registrado, isso permite maior reprodutibilidade e reusabilidade das
preparações. Boa parte de suas funcionalidades estão fundamentadas na adaptação das
ferramentas mais conhecidas pela literatura no campo de simulações de dinâmica
molecular. O ProtCool 2.0 foi desenvolvido utilizando as melhores práticas e processos
de engenharia de software. Sua arquitetura cliente-servidor implementada sob o padrão
web permite que ele seja multiplataforma e multiusuário, característica que traz ganhos
em disponibilidade e desempenho. Ele possui uma interface gráfica minimalista que
oferece recursos interativos que concedem segurança ao usuário para o correto
preenchimento de seus parâmetros de estudo, evitando erros. Para demostrar seu uso, o
ProtCool 2.0 foi submetido a um estudo de caso na simulação da interação entre
acetilcolinesterase e galantamina, usada no tratamento do Alzheimer, o que possibilitou
uma validação por replicação de uma simulação certificada por pares em publicação
internacional. Foi possível demonstrar ao final que a preparação da simulação de fato
permitiu a execução de dinâmicas moleculares confiáveis, reproduzindo os resultados
esperados. Espera-se que esta ferramenta possa não somente trazer maior agilidade,
reprodutibilidade e reusabilidade às preparações de dinâmica molecular, como contribuir
para suavizar a curva de aprendizagem dessas simulações em química computacional.

Na última década a Internet mudou o modo como as pessoas trabalham, fazem compras
e se socializam. Essas mudanças resultaram em um aumento no Conteúdo Gerado pelos
Usuários (CGU) como, por exemplo: avaliações, notas, artigos e vídeos. Os CGUs possuem
informações relevantes para a tomada de decisão, especialmente no que se refere à aquisição de bens e serviços. Entretanto, o grande volume e dispersão deste conteúdo torna difícil a obtenção de informações relevantes. Neste contexto, a sumarização de textos é apresentada como um modo de tornar este conteúdo mais acessível às pessoas.
Um dado sumário A pode ser considerado melhor que um outro sumário B se o primeiro
for mais curto que o segundo com o mesmo conteúdo, ou quando mesmo sendo mais longo, possui mais informações relevantes. Analisando a literatura disponível, foi constatado que é possível produzir sumários de melhor qualidade do que aqueles que correspondem ao estado da arte em sumarização de textos. Neste trabalho, apresentamos um sumarizador automático multilingual que combina e expande os algoritmos Latent Dirichlet Allocation (LDA) e TextRank. Em comparação com o estado da arte, este trabalho gerou sumários melhores em termos de tamanho e conteúdo.

Esta pesquisa multidisciplinar realizada em Minas Gerais investigou a dinâmica tempo-
ral e espacial dos roubos de rua, analisando os períodos anterior e durante a pandemia.
Através da utilização de dados da Polícia Militar, foram examinadas séries temporais em
várias escalas, incluindo por hora, por dia, por intervalos de 10 dias e por mês, empregando
métodos estatísticos avançados, como análise de frequência espectral, autocorrelações e
técnicas de decomposição.

Este trabalho destaca uma pesquisa abrangente sobre a aplicação da Inteligência Artificial (I.A.) na gestão de recursos humanos, com um foco específico na identificação da insatisfação dos funcionários por meio de abordagens de aprendizado de máquina. A investigação incluiu uma revisão de artigos científicos que discutiam tanto a implementação da I.A. no contexto de recursos humanos quanto o uso de técnicas de aprendizado de máquina para detectar casos de turnover/attrition, além da relação de insatisfação e os casos de turnover/attrition.
Para avaliar essas abordagens, foram selecionadas quatro bases de dados públicas validadas. Três delas continham dados fictícios de funcionários e uma continha dados reais de turnover de funcionários. Cada base de dados passou por um processo de fatorização de campos textuais, seguido por análises para destacar as distribuições dos dados em cada conjunto.
Na condução da pesquisa, diferentes abordagens de aprendizado de máquina foram aplicadas a cada uma das bases, com o objetivo de verificar a viabilidade de identificar a insatisfação por meio da I.A. As técnicas utilizadas incluíram detecção de anomalias ou novidades, classificadores e conjuntos de classificadores otimizados. Os resultados foram quantificados, revelando pontuações promissoras, com desempenhos superiores a 90%. Esses resultados destacam a eficácia geral do aprendizado de máquina na identificação da insatisfação dos funcionários, demonstrando seu potencial para aplicações práticas no ambiente de recursos humanos.

A consulta pública é um dispositivo de democracia direta que tem como objetivo permitir que a população participe da tomada de decisão em diversas áreas de políticas públicas. No Brasil, a Lei de Responsabilidade Fiscal estabelece que uma consulta pública deve preceder a elaboração do orçamento público, que tem como objetivo regrar as atividades financeiras de receita e despesa do estado por um ano. Esse exemplo de consulta pública é denominado Orçamento Participativo. Contudo, o engajamento da população ainda é um problema por diversas razões. Desta forma, é importante investigar estratégias que aumentem a participação dos cidadãos. Em alguns cenários, a teoria de Nudges pode ser usada. Nudges são modificações pequenas e de pouco investimento feitas no ambiente de uma pessoa para modificar seu comportamento. A aplicação do Nudge nessa pesquisa tem como objetivo estimular o cidadão a participar em um contexto de consulta pública. Para permitir análise, fez parte do escopo dessa pesquisa propor e desenvolver uma ferramenta. A aplicação foi analisada em um cenário real que permitiu concluir que os resultados com a aplicação do Nudge foi adequado.

Periodicamente as linhas de alta tensão precisam ser inspecionadas para evitar problemas
futuros, ou até mesmo, para resolver problemas que vão sendo notados. Para realizar essas
inspeções as empresas vêm tentando fazer do modo mais seguro possível para que não
haja um gasto muito alto e nem colocar nenhuma pessoa em risco. Para isso, profissionais
dessas empresas vêm cada vez mais utilizando drones para inspecionar essas estruturas,
porém esses drones necessitam de duas pessoas próximas, uma é o piloto controlando
manualmente o drone e outra, um observador (também piloto) munido de binóculos e
rádio para comunicação. As imagens geradas pelo drone são analisadas por um técnico
que avaliará se e necessário tomar alguma medida para manter a Linha em funcionamento.
Para descobrir possíveis problemas na linha e estrutura essa pesquisa vem apresentar
uma solução utilizando três drones realizando voo em conjunto de forma autônoma, que
fará o processamento da imagem em tempo real de detecção dos possíveis problemas. O
primeiro drone inicialmente irá se deslocar até a primeira torre com uma câmera, para
que então utilizando uma rede neural convolucional, consiga detectar a torre e qualquer
possível problema que se encontrar nela, além de gravar a localização da torre para que o
especialista posteriormente efetue a manutenção, o segundo drone ficará responsável por
verificar os fios que conduzem a energia elétrica e o terceiro drone ficará responsável por
detectar invasões na área da linha que venha apresentar riscos ou vir a causar futuros
problemas.
A implementação da solução foi realizada no simulador Airsim, onde foi desenvolvido um
ambiente de código aberto disponibilizado para testes de navegação autônoma com uma
linha de alta tensão. A navegação dos drones foi realizada a partir do posicionamento das
torres onde já se sabe a localização da latitude e longitude de cada uma delas.

Modelagem de software é considerado um dos temas mais importantes no ensino da engenharia de software. Atualmente, a Unified Modeling Language (UML) é a linguagem de modelagem de software mais difundida e utilizada na indústria da engenharia de software. Embora a UML seja constantemente aprimorada e estudada, muitos trabalhos mostram que há dificuldade no ensino-aprendizagem do tema, devido à complexidade de seus conceitos e às dificuldades cognitivas dos discentes com a abstração. Ainda, os estudantes enfrentam dificuldades para compreender a semântica e a sintaxe dos modelos, bem como estruturar as informações nesses modelos. Além disso, há dificuldades para os docentes em encontrar diferentes estratégias pedagógicas, com o objetivo de ensinar a modelagem. Nesse sentido, algumas pesquisas apresentam uma busca por novas ferramentas, técnicas ou metodologias que auxiliem os professores e motivem os estudantes no que tange ao estudo da UML. Este trabalho propôs o desenvolvimento de uma plataforma web para apoio ao estudo da modelagem de software com a UML, usando recursos de gamificação. A plataforma proposta permitiu aos estudantes complementarem seus conhecimentos da UML em um ambiente com elementos de jogos. Visando investigar o impacto do uso da plataforma gamificada desenvolvida foi realizado um estudo de caso para avaliar a experiência de uso e a satisfação na perspectiva discente. A partir dos resultados obtidos, pode-se concluir que a plataforma obteve uma ótima aceitação e satisfação de uso. A maioria dos discentes participantes da pesquisa se sentiu satisfeita no quesito usabilidade da plataforma, relatando um sentimento de contribuição da ferramenta no estudo do conteúdo, além de apontar a satisfação do uso da gamificação como estratégia pedagógica. Como resultado, a plataforma foi eficaz quanto ao engajamento e motivação dos discentes, sendo um complemento ao método tradicional de ensino.

O Transtorno do Espectro Autista (TEA) é uma condição neurológica vitalícia relacionada à idade e ao sexo, caracterizada principalmente por disparidades sociais. A prevalência atual do TEA indica que uma em cada 59 crianças estão dentro do espectro. O Autism Diagnostic Observation Schedule, Second Edition (ADOS-2) é um processo de diagnóstico que classifica o TEA de acordo com a gravidade do transtorno. ADOS-2 classifica sintomas mais graves como casos de ``autismo'' e os que manifestam sintomas mais leves como casos de ``TEA não autista'' (TEA-NA). Muitos artigos objetivam criar algoritmos para diagnosticar TEA por meio de aprendizado de máquina (do inglês Machine Learning - ML) e imagens de ressonância magnética funcional (do Inglês Functional Magnetic Resonance Imaging - fMRI). Essas abordagens avaliam o fluxo de oxigênio no cérebro para classificar os indivíduos como TEA ou com desenvolvimento típico. No entanto, em geral, esses trabalhos não fornecem informações sobre a gravidade do transtorno.
Esse trabalho tem como objetivo a identificação de regiões do cérebro com diferença funcional entre indivíduos TEA-NA e autistas, como possível biomarcador para a severidade das características TEA. Para isso, o trabalho utilizou dados de fMRI de 202 indivíduos, e suas respectivas pontuações ADOS-2 disponíveis no consórcio ABIDE para determinar a subclasse de TEA correta para cada um. Esses dados foram utilizados para alimentar um algoritmo de ML, de aprendizado supervisionado, o Support Vector Machine (SVC), de forma a selecionar as regiões com maior diferença funcional para os indivíduos da amostra. Os resultados corroboram a hipótese inicial de diferenças funcionais entre as subclasses de TEA, com algumas regiões do cérebro onde a diferença funcional foi suficiente para criar 74% de precisão na classificação. Este trabalho apresenta limitações quanto ao número total de amostras. No entanto, a abordagem mostra-se promissora para o diagnóstico de severidade do TEA.

As linhas de transmissão de energia de alta potência são de grande importância para o funcionamento de todos os setores da sociedade. Para garantir a confiabilidade e disponibilidade do fornecimento de energia, são realizadas inspeções regulares e ocasionais, em geral, de forma manual. Essas inspeções procuram identificar anomalias na rede de transmissão e sinais de perigo às estruturas. Veículos aéreos não tripulados, popularmente conhecidos como drones, têm sido cada vez mais empregados em atividades repetitivas e tediosas, devido ao baixo custo e aumento na segurança, e podem ser aplicados ao rastreamento dessas estruturas. Contudo, a variedade de ambientes e torres, erro nas medições da localização, e alto custo são obstáculos difíceis de superar para realização com exatidão e qualidade da inspeção. Este trabalho tem como principal objetivo estudar, desenvolver e comparar técnicas de processamento de imagens em tempo real para determinar movimentos a serem executadas pelo drone na correção da trajetória, e assim, executar um rastreamento das linhas de transmissão com alta precisão e baixo custo. Diversas soluções são encontradas na literatura, e estão localizadas e revisadas de forma sistemática neste estudo. A respeito das análises na linha de hardware, foram comparadas placas controladoras e frameworks, além dos softwares de estações de solo e simuladores, com principal enfoque no processamento de imagens usando detector de bordas, aprendizado profundo e aprendizado por reforço profundo. Ademais, em relação ao treinamento das redes, foi confeccionado um dataset para identificação de linhas, e outro para ações a serem executadas. Outrossim, com o intuito de avaliar o desempenho da solução, um cenário virtual realista baseado em um percurso real foi produzido. Em suma, um sistema baseado em um protótipo aparelhado com dois drones quadricóptero equipados apenas com uma câmera e um computador, trabalhando em conjunto com um algoritmo cooperativo e processamento de imagem por aprendizado profundo, resultou em um breve rastreamento em linha de transmissão de energia, simulando uma inspeção em ambiente real.

O ensino e a aprendizagem de programação, de modo geral, têm se provado um desafio para discentes de cursos de informática e afins, pelo fato de apresentarem desafios e requererem habilidades complexas, como raciocínio lógico-matemático, para o seu bom desenvolvimento. Ademais, o modelo tradicional de ensino enfrenta dificuldades em motivar os alunos e despertar seu interesse pelo tema. Há, portanto, uma necessidade de os atores envolvidos na educação revisarem seu modo de ensinar, integrando as tecnologias da informação e comunicação na educação da mesma forma que estão presentes no cotidiano. Nesse sentido, o uso de um Recurso Educacional Aberto (REA) não só tem o potencial de contribuir para a modernização do atual modelo de ensino, mas também colaborar para a melhoria da qualidade da educação. A ferramenta proposta neste trabalho, o REA-LP, tem como objetivo facilitar o estudo e a retenção de conteúdos relacionados à disciplina de lógica de programação em nível técnico, ao apresentar seu conteúdo por meio de variados tipos de mídias, tais como, áudios, vídeos, textos e imagens estáticas e dinâmicas. Por conseguinte, a ferramenta permite que os discentes participem ativamente da construção de seu conhecimento, favorecendo o engajamento e a motivação, além de possibilitar a revisão de conteúdos considerados essenciais para um bom desenvolvimento da disciplina. Com o intuito de avaliar a percepção de uso por parte dos discentes e o seu impacto no estudo de algoritmos e lógica de programação, bem como avaliar o recurso pedagogicamente, foi realizado um estudo empírico com 39 estudantes de um curso técnico de informática integrado ao ensino médio. Na pesquisa foram aplicados alguns questionários, bem como foram realizadas entrevistas com grupos focais e um teste de desempenho. A partir dos resultados obtidos, pode-se concluir que a ferramenta obteve ótima aceitação, sendo eficaz em sua função de facilitar e auxiliar os alunos em seu aprendizado, motivação e interesse nas aulas, devido, principalmente, à forma pela qual o conteúdo é apresentado no REA-LP, com destaque para as mídias animadas e os módulos de revisão, superando suas expectativas.

A tecnologia de Big Data está cada vez mais presente na indústria e em pesquisas acadêmicas por proporcionar valor à análise massiva de dados. O aprimoramento desta tecnologia faz-se necessário devido ao crescimento expressivo de informação provida por diversas fontes presentes no nosso dia a dia, tais como sensores de ambientes, câmeras, smartphones e redes sociais. Um grande desafio para aplicações Big Data é equilibrar seus desempenhos em relação a seus custos de operação. Dessa forma, o provedor da aplicação Big Data necessita monitorar continuamente seu sistema para identificar pontos de melhoria dentro de sua arquitetura. Nesse contexto, este trabalho desenvolve um método de referência para avaliação de desempenho para arquiteturas de Big Data, intitulado de (Optimization Model for Big Data Architectures - OMBDA) visando melhorar o desempenho da arquitetura elevando a qualidade do serviço prestado. Sua principal contribuição está direcionada às pequenas empresas e startups que possuem recursos financeiros limitados, portanto investir em soluções prontas existentes no mercado é inviável. O método proposto considera a relação de processos dentro de um fluxo de tratamento de dados para encontrar possíveis gargalos e pontos de otimização. Para tanto, o OMBDA coleta logs do sistema para compor métricas funcionais (por exemplo, tempo de processamento) e métricas não-funcionais (por exemplo, utilização de CPU e memória, e outros recursos de infraestrutura de computação em nuvem). Essas métricas são armazenadas em uma ferramenta externa de análise de dados que investiga a correlação de desempenho entre os processos. Neste trabalho, o modelo é aplicado na arquitetura de uma aplicação Big Data, que provê soluções em logística de frotas. Por meio da aplicação do OMBDA foi possível identificar gargalos de desempenho, possibilitando a reconfiguração da arquitetura para aumentar a qualidade de serviço com o menor custo possível.

Este trabalho investiga a implementa ̧c ̃ao de um sistema de controle autˆonomo para
drones, esse sistema ́e capaz de realizar o travessia de janelas em vˆoos por locais fechados,
atrav ́es do processamento de imagens e uso de redes neurais convolucionais. A estrat ́egia
utilizada ́e a detec ̧c ̃ao de objetos, por meio de sua localiza ̧c ̃ao na imagem capturada ́e
poss ́ıvel realizar um percurso program ́avel para o drone. Neste estudo, essa localiza ̧c ̃ao
do objeto foi estabelecida por caixas delimitadoras, que definem o quadril ́atero em torno
do objeto encontrado. O sistema foi baseado no uso de um piloto autom ́atico de c ́odigo
aberto, a Pixhawk, que possui um ambiente de controle e simula ̧c ̃ao capaz de realizar
o trabalho. Duas t ́ecnicas de detec ̧c ̃ao foram estudadas, a primeira baseada em filtros
de processamento de imagem, que capturavam pol ́ıgonos que representam uma passagem
dentro de uma janela. A outra abordagem foi estudada para um ambiente mais real,
implementada com o uso de redes neurais convolucionais de detec ̧c ̃ao de objetos, com
esse tipo de rede ́e poss ́ıvel detectar um grande n ́umero de janelas. O sistema tamb ́em
envolve a implementa ̧c ̃ao de um m ́etodo de controle, o qual ́e capaz de aplicar os dados
capturados pelos detectores e realizar o c ́alculo da velocidade de movimento adequada. O
estudo traz avalia ̧c ̃oes do sistema e demonstra ̧c ̃oes dos testes realizados para sua valida ̧c ̃ao.

A retroatividade em programação é um conceito que pode ser definido como o estudo da modificação da linha temporal em uma estrutura de dados, bem como a análise dos efeitos dessa modificação através de toda a sua existência. Em geral, essa análise e implementação tendem a serem mais custosas do ponto de vista computacional, observando-se que uma modificação no passado pode gerar um efeito cascata por toda a existência dessa estrutura. O conceito de retroatividade gera ferramentas e estruturas que otimizam as soluções para a natureza desses problemas temporais. Esse tipo de estrutura pode ser utilizada nas aplicações das mais diversas naturezas, desde em algoritmos de caminho mínimo, aplicações em segurança e até em aplicações geométricas. Nessa dissertação, tem-se os subsídios teóricos sobre essas estruturas, um material detalhado sobre a implementação das estruturas mais comuns utilizando o paradigma da retroatividade, e a implementação de alguns problemas que podem ser resolvidos utilizando técnicas de retroatividade, como, por exemplo, o algoritmo de árvore geradora mínima totalmente dinâmica. Para cada estrutura, foram executados testes práticos sobre as estruturas retroativas e seu desempenho foi comparado às outras implementações dessas mesmas estruturas. Os testes mostraram que as implementações retroativas propostas por Demaine et. al (2007) obtiveram os melhores resultados do ponto de vista temporal. Além disso, foram propostos dois algoritmos que utilizam os conceitos de retroatividade para sua construção: o algoritmo para o problema da árvore geradora mínima totalmente retroativa e o algoritmo do caminho mínimo a partir de um vértice inicial fixo em grafos dinâmicos. Seja m o tamanho da linha temporal em que a estrutura está implementada, V (G) e A(G) o conjunto de vértices e arestas de um grafo G respectivamente. Foi alcançada a complexidade de tempo amortizada de O( √m · lg |V (G)|) por operação de atualização ou consulta, para o problema da árvore geradora mínima totalmente retroativa. Para o algoritmo do caminho mínimo, a partir de um vértice inicial fixo em grafos dinâmicos, por meio do algoritmo
proposto por Sunita et. al [52], foi obtida a complexidade temporal de O(|A(G)| · lg |V (G)|) por modificação, utilizando filas de prioridade com retroatividade não-consistente.

As pesquisas de opinião com o passar dos anos se tornaram um meio prático e comum de se coletar dados com uso de software para as mais diversas finalidades. A participação em pesquisas de opinião pode ser considerada um fenômeno no qual os sistemas colaborativos podem ser aplicados, uma vez que, esses sistemas são projetados para permitirem que pessoas se comuniquem e trabalhem em conjunto em um espaço compartilhado. Nessa abordagem, a pesquisa de opinião pode ser considerada como um instrumento que operacionaliza a cooperação entre um requisitante da pesquisa e o respondente. No entanto, a participação em pesquisas de opinião, independente da modalidade, é muito influenciada pela falta de engajamento dos participantes. A gamificação, que é definida como o uso de elementos e características de jogos em contextos que não são de jogos, tem sido considerada uma abordagem para aumentar o engajamento e encorajar a participação em pesquisas de opinião. Dessa forma, o objetivo dessa dissertação foi investigar como a gamificação pode ser utilizada como fator motivacional para estimular o engajamento em pesquisas de opinião. A metodologia desse trabalho foi definida com base no paradigma epistemológico Design Science Research (DSR), que foi utilizado para a realização de duas investigações em que foram desenvolvidos dois artefatos: o Modelo de Engajamento Colaborativo (MEC) e o aplicativo Opina Aí. Os artefatos foram avaliados em dois experimentos nos quais foram comparadas duas versões do aplicativo, versão gamificada e não gamificada. Embora os resultados em relação ao impacto da gamificação no engajamento não tenham sido conclusivos, esse trabalho pode ampliar o conhecimento e fundamentar estudos futuros em contextos em que a participação pode ser exercida de forma colaborativa e possibilitar direcionamentos sobre o uso da gamificação em pesquisas de opinião.

Com a indústria 4.0, as abordagens baseadas em dados estão em voga. No entanto, extrair
as características importantes não é uma tarefa fácil e influencia muito o resultado final.
Também há a necessidade de um conhecimento especializado do sistema para monitorar
o ambiente e diagnosticar falhas. Neste contexto, o diagnóstico de falhas é significativo,
por exemplo, em um sistema de monitoramento de frotas de veículos, pois é possível
diagnosticar falhas antes mesmo que um cliente saiba da existência desta falha, além de
minimizar os custos de manutenção dos módulos. Neste trabalho são propostas duas abordagens,
“com informação” e “sem informação”, para exploração de um conjunto de dados,
empregando técnicas de Aprendizado de Máquina (AM) para geração de modelos classificadores
que auxiliem no processo de diagnóstico de falhas em módulos rastreadores de
frotas veiculares. A abordagem “com informação” realiza a extração de características de
forma manual, empregando os modelos de AM: Random Forest, Naive Bayes, Máquina de
vetor de suporte (SVM) e Perceptron de múltiplas camadas (MLP); e a abordagem “sem
informação” realiza a extração de características de forma automática, através de uma
rede neural convolucional (CNN). Os resultados obtidos demonstraram que as abordagens
propostas são promissoras. Os melhores modelos com extração de características manual
obtiveram uma precisão de 99,76% e 99,68% para detecção e detecção e identificação de
falhas, respectivamente, no conjunto de dados fornecido. Os melhores modelos fazendo
uma extração de características automática obtiveram respectivamente 88,43% e 54,98%
para detecção e detecção e identificação de falhas. Estes modelos podem servir como protótipos
para diagnosticar falhas remotamente e confirmam que as técnicas tradicionais
de AM com uma extração de características manual ainda são recursos eficazes para o
diagnóstico de falhas.

Esse trabalho apresenta uma extensão da técnica de Gerenciamento de Valor Agregado
(GVA), do inglês, Earned Value Management (EVM).
A extensão apresentada integra dados da qualidade, baseados em requisitos de qualidade,
para atualizar indicadores tradicionais da técnica de GVA.
A proposta tem como objetivo principal melhorar a previsibilidade do Indicador de Desempenho
de Custo (IDC) e Indicador de Desempenho de Prazo (IDP) e introduzir medidas
de qualidade a técnica de GVA.
A técnica proposta foi avaliada de acordo com uma metodologia baseada em evidência.
Os estudos conduzidos mostraram melhor exatidão na técnica proposta de extensão da
técnica de GVA em relação à técnica tradicional de GVA.

Blockchain é a tecnologia que permite a transação de dinheiro entre partes em uma forma
peer-to-peer sem a necessidade de um intermediador de confiança como os bancos. Esse
sistema é conhecido por suas atratentes características: (i) integridade dos dados e (ii)
segurança. Para tomar vantagem dessas características, existem redes blockchain onde o
foco não está em sua criptomoeda. Uma delas é a rede Ethereum, que é uma plataforma
para aplicações chamadas contratos inteligentes que firmam acordo entre partes mas o
fazem de maneira descentralizada. São algoritmos que são implantados no sistema e podem
ser acessadas globalmente. Essas aplicações são executados sem a possibilidade de censura,
fraude ou intervenção externa de terceiros. Uma de suas possíveis aplicações é o conceito
smart property que é transacionar a posse ou controle de propriedades nos moldes da
blockchain. Isso pode ser aplicado no contexto de alugueis de casas de veraneio e como
o uso de serviços similares ao AirBnB tem se tornado cada vez mais popular devido sua
atratividade financeira para os usuários há a necessidade de se desenvolver um sistema
capaz de solucionar problemas de segurança ao mesmo tempo que traz conforto. Essa
dissertação detalha o desenvolvimento de um projeto que estuda a viabilidade da aplicação
do conceito de smart property. Foi desenvolvido uma plataforma de reservas onde o usuário
faz sua reserva que quando aprovada é implantado um contrato inteligente na plataforma
Ethereum. Para acessar a propriedade o usuário usa uma aplicação desenvolvida para o
sistema Android que transfere as credenciais usando um protocolo de transferência de
dados por som. A fechadura verifica as credenciais acessando o contrato inteligente e
aciona o circuito da fechadura liberando o acesso a propriedade. Para verificar a viabilidade
da solução, foram realizados testes com supostos usuários do sistema que responderam
um questionário. Após análise do questionário, constatou-se que o projeto é viável, mais
atrativo que os modelos de contrato tradicionais, funcional e proporcionou conforto.

A rede de transmissão de energia elétrica brasileira requer inspeção e manutenção preventiva regular para garantir o seu fornecimento aos consumidores. As companhias transmissoras realizam inspeções regulares para identificar anomalias na rede de transmissão, como defeitos nos cabos, trincas nos isoladores e estruturas próximos da rede, como árvores, entre outros. Estas inspeções podem ser feitas por profissionais com uso de binóculos ou através de helicópteros tripulados contendo um conjunto de sensores, tais como câmeras infravermelho para detectar pontos de alto aquecimento, entre outros sensores. O interesse no uso de Veículos Aéreos Não Tripulados (VANTs) para realizar inspeções em linhas de transmissão têm crescido nos últimos anos, devido ao baixo custo e aumento na segurança, se comparado com as inspeções realizadas com helicópteros tripulados. Com essa tecnologia, o VANT pode ser controlado via rádio controle por um piloto ou de forma semi-automática, com uma missão pré-programada no piloto embarcado da aeronave. Uma das grandes dificuldades em se realizar vôos autônomos está na dependência do sistema GPS (Global Positioning System) para obtenção da posição do VANT. O erro na medida da posição informada pelo GPS pode afetar o desenvolvimento da missão. Este trabalho visa desenvolver uma técnica de processamento de imagens em tempo real para realizar a identificação e rastreamento das linhas de transmissão e desta forma determinar a sua posição relativa ao VANT. Sem conhecer exatamente a posição do VANT e das linhas de transmissão, mas sabendo a posição relativa entre os dois, pode ser possível corrigir a trajetória do VANT através de comandos enviados para o piloto automático da aeronave. O projeto foi desenvolvido sobre o framework ROS (Robot Operating System) e o processamento de imagens foi realizado utilizando a biblioteca OpenCV. Para avaliar o desempenho da solução, criou-se um cenário virtual no simulador de robôs Gazebo, onde foi possível processar as imagens geradas por um multirotor durante uma missão de inspeção.