Trabalho de Conclusão de Curso

Navegar

Submissões Recentes

Agora exibindo 1 - 5 de 7
  • Item
    Integração de um sistema de reconhecimento facial na assistência a pessoas com Alzheimer
    (2025-02-27) Cunha, Gustavo Canuto; Doutor Diego Henrique de Souza Chaves
    O presente trabalho teve como objetivo desenvolver um sistema de reconhecimento facial para auxiliar pessoas com Alzheimer no reconhecimento de familiares e cuidadores. A proposta busca oferecer uma ferramenta acessível que possa contribuir para a qualidade de vida dos pacientes, reduzindo a desorientação causada pela perda de memória. Para isso, foi criado um sistema capaz de identificar rostos em tempo real e anunciar verbalmente o nome da pessoa reconhecida, proporcionando um suporte auditivo que auxilia no reconhecimento. Além da identificação visual, foram realizados testes para avaliar o impacto de condições adversas, como imagens desfocadas, garantindo que o sistema pudesse funcionar mesmo em situações menos favoráveis. Também foram aplicadas medidas para evitar repetições excessivas das identificações, tornando o uso mais intuitivo e agradável para o usuário. Os dados obtidos demonstraram que o sistema é uma alternativa viável para auxiliar pessoas com Alzheimer, permitindo que reconheçam aqueles ao seu redor de maneira mais fácil e independente. A tecnologia utilizada mostrou-se eficiente e acessível, podendo ser aplicada em dispositivos simples, o que facilita sua adoção por famílias e instituições de cuidado.
  • Item
    INTEGRAÇÃO DA INTELIGÊNCIA ARTIFICIAL NA GESTÃO DE ATIVOS DE TECNOLOGIA DA AUTOMAÇÃO
    (2025-02-27) Medeiros, Victor Henrique de Mattos; Doutor Diego Henrique de Souza Chaves
    A gestão de ativos de tecnologia da automação é uma prática necessária na eficiência operacio- nal das indústrias. No entanto, um dos grandes desafios enfrentados pelas empresas é a falta de um sistema estruturado para gestão de ativos com base em fatores críticos e operacionais, como risco operacional, ciclo de vida, sobressalentes e impacto financeiro. Decisões tomadas sem um critério bem definido, pode levar a falhas inesperadas, desperdício de recursos e intervenções de manutenção ineficientes. Este trabalho propõe a integração da Inteligência Artificial (IA) para auxiliar na tomada de decisão na gestão de ativos, utilizando técnicas de aprendizado de má- quina e clusterização. A metodologia adotada incluiu a coleta e tratamento de dados de ativos de automação de uma planta industrial real, a definição de um critério de priorização baseado em múltiplas variáveis e a aplicação do algoritmo K-Means para segmentação dos ativos em clus- ters. A qualidade da clusterização foi avaliada por métricas como Silhouette Score, garantindo uma divisão dos ativos conforme sua criticidade e relevância operacional. Os resultados demons- traram que a abordagem proposta permite categorizar ativos de forma a identificar aqueles com maior impacto operacional e necessidade de atenção prioritária. Além disso, foi desenvolvida uma interface interativa para visualização dos clusters, facilitando a interpretação dos dados e auxiliando na tomada de decisão estratégica. Os resultados demonstram que a utilização de IA na gestão de ativos pode contribuir para a redução de custos, a mitigação de riscos e o aumento da confiabilidade operacional, representando um avanço significativo para a manutenção preditiva e gestão estratégica de ativos na indústria.
  • Item
    DESENVOLVIMENTO DE UM MODELO COMPUTACIONAL PARA SIMULAÇÃO E CONTROLE DE TORQUE EM VEÍCULO
    (2025-02-20) Mendes, Lorran Luciano Oliveira ; Doutor Diego Henrique de Souza Chaves
    Este estudo propõe o desenvolvimento de um modelo computacional para simulação e controle de torque em um veículo equipado com câmbio automático de nove marchas, operando sob condições com motorista e quatro passageiros. Para atingir este objetivo, foram coletados da- dos veiculares por meio do sistema On-Board Diagnostics (OBD), permitindo a identificação e análise das variáveis para o controle do torque, tais como a rotação do motor, a posição do ace- lerador e os diferentes componentes do torque. Com base na análise dos dados, foi desenvolvido um modelo computacional que integra controladores PID em malha fechada e em modelo ARX para ajustar a aplicação do torque. As simulações realizadas, por meio do ambiente de modela- gem, evidenciaram que a combinação do controlador PID é eficaz para reduzir a discrepância entre o torque requisitado e o torque efetivamente aplicado. Em especial, a configuração de- nominada PIDARX6 demonstrou o melhor desempenho, apresentando um erro médio (RMSE) satisfatório em relação à curva de consumo mínimo, o que sugere um potencial significativo para a redução do consumo de combustível e a melhoria da eficiência energética do veículo. Dessa forma, o modelo desenvolvido contribui para o aprimoramento do desempenho dos veículos, oferecendo uma ferramenta promissora para a melhoria dos sistemas veiculares em condições reais de operação
  • Item
    Uso de Ensemble Learning para controle de qualidade de hortaliças
    (2024-09-24) Leite, André Nery Cruz; Carlos Dias da Silva Junior
    O desenvolvimento da tecnologia para a agricultura tem se mostrado essencial para aumentar a eficiência na detecção de doenças em plantas e, consequentemente, melhorar a produção agrícola. Nesse contexto, este trabalho apresenta uma proposta voltada para a implementação de um sistema de classificação de doenças em plantas, utilizando técnicas de aprendizado de máquina. O objetivo principal foi construir um modelo capaz de identificar doenças específicas em cultivos de batata, milho e tomate, auxiliando os agricultores. Foram implementados e testados diferentes modelos de classificação, como Decision Tree, Random Forest, Support Vector Classification (SVC), K-Nearest Neighbors (KNN), Gradient Boosting e Stacking Learning, a fim de selecionar o mais preciso para essa aplicação. O sistema foi desenvolvido em Python, utilizando a biblioteca Scikit-Learn, e os modelos foram avaliados com base em métricas como Erro Médio Absoluto (MAE), Erro Quadrático Médio (MSE), Raiz do Erro Quadrático Médio (RMSE) e acurácia. Os resultados indicaram que o modelo de Stacking Learning apresentou o melhor desempenho na classificação das doenças, destacando-se pela precisão superior. Adicionalmente, foi criada uma interface em React Native, facilitando o uso do sistema em dispositivos móveis. A partir da conclusão deste trabalho, foi possível propor uma ferramenta para o diagnóstico automatizado de doenças em plantas, oferecendo um apoio relevante para a agricultura e o manejo mais eficiente das culturas.
  • Item
    Protótipo de software simulador de rede multi-cliente
    (2024-09-24) Fonseca, Matheus Yago Silva ; Doutor Carlos Dias Da Silva Junior; Doutor Thiago Henrique Barbosa de Carvalho Tavares
    Este trabalho tem como objetivo o desenvolvimento de um simulador de rede focado no protocolo DHCP, utilizando a linguagem de programação Python, conhecida por sua simplicidade, clareza e pela vasta coleção de bibliotecas disponíveis. A escolha do Python se justifica pela sua versatilidade e facilidade de uso, características que o tornam uma excelente ferramenta tanto para iniciantes quanto para profissionais mais experientes. O simulador foi projetado para proporcionar um ambiente controlado e seguro, ideal para testar e validar diferentes configurações de rede, realizar testes de estresse e permitir a interação direta de usuários sem experiência prévia, sem comprometer a integridade de uma infraestrutura física real. Além disso, o simulador oferece uma grande flexibilidade, possibilitando a criação e experimentação de diversos cenários de rede, tornando-se uma ferramenta valiosa para o aprendizado prático e a análise técnica avançada de redes de computadores. O ambiente de desenvolvimento escolhido para este projeto é o Visual Studio Code (VS Code), devido à sua extensibilidade, suporte ao linting e integração robusta com Python, fatores que facilitam o processo de desenvolvimento, depuração e análise do sistema, assegurando maior eficiência e controle na implementação do simulador