CAPES

Nota 4

Teses e Dissertações

Ano:

Dissertações

  • Inteligência Artificial Aplicada à Inferência de Parâmetros Físicos da Soja

    Inteligência Artificial Aplicada à Inferência de Parâmetros Físicos da Soja

    Resumo:

    Dado a enorme variedade de benefícios que os grãos de soja trazem para nossa sociedade, sua produção e processamento são de suma importância, porém existem alguns problemas que podem fazer com que estas safras se percam, como ineficiências e problemas de qualidade no processo de secagem devido ao fluxo irregular de grãos no secador ou nos equipamentos de transporte de grãos, como esteiras e elevadores. Dessa forma, a obtenção de um modelo computacional que permita simular a movimentação dos grãos é muito
    importante, e para esse modelo é fundamental a obtenção de parâmetros físicos adequados.
    A obtenção destes parâmetros é um processo complexo e caro, contudo é possível replicar o problema em um ambiente de simulações computacionais. Com isto a pesquisa tem como objetivo desenvolver uma simulação para replicar um experimento físico e aplicar
    inteligência artificial para obter os parâmetros físicos adequados para o modelo. Foi desenvolvido um algoritmo genético e um modelo de redes neurais para a inferência dos parâmetros da soja na simulação computacional. O modelo de inteligência artificial foi eficaz na inferência de parâmetros físicos necessários ao método dos elementos discretos, fazendo com que a simulação apresentasse resultados muito próximos aos observados experimentalmente.

    Palavras-chaves: Soja; Inteligencia Artificial; MED; Python

    Participantes:
    • LUIZ ANTÔNIO RASIA - PPGMMC/UNIJUÍ (Co-orientador)
    • MAURÍCIO DE CAMPOS - PPGMMC/UNIJUÍ (Autor)
    • MANUEL OSORIO BINELO - PPGMMC/UNIJUÍ - JOÃO FERNANDO ZAMBERLAN/UNICRUZ - Avaliador Externo (Orientador)
    • MAURÍCIO DOS SANTOS DESSUY - (Autor)
    Arquivos:
  • Modelagem de Biodigestores de Dejetos Animais: da Digestão Anaeróbia à Análise de Viabilidade Econômica de Sistemas de Lagoa Coberta

    Modelagem de Biodigestores de Dejetos Animais: da Digestão Anaeróbia à Análise de Viabilidade Econômica de Sistemas de Lagoa Coberta

    Resumo:

    A modelagem matemática de biodigestores é comumente utilizada para estimar a quantidade e qualidade do biogás de acordo com o tipo de matéria orgânica de entrada ou estimar a energia de saída dos sistemas biodigestores a partir da quantidade de metano presente neste biogás.
    A pesquisa exposta neste trabalho propõe um modelo matemático e computacional unificado que avalie a geração de potência elétrica em um biodigestor anaeróbio de resíduos animais considerando as características destes resíduos e a viabilidade econômica do sistema. Foram revisados, adaptados e simulados computacionalmente quatro modelos denominados como Modelo Químico, Modelo Mecânico, Modelo Elétrico e a Avaliação de Viabilidade Econômica.
    As simulações foram realizadas a fim de comparar apenas as variáveis de saída de interesse: fluxo de biogás produzido, capacidade de produção diária de energia mecânica e elétrica e as análises econômicas a partir destas variáveis, supondo que o investimento inicial de implementação dos biodigestores fosse o mesmo. Os modelos simulados avaliam e relacionam a geração de potência elétrica em biodigestores anaeróbios de resíduos animais considerando as características químicas, físicas e biológicas destes resíduos e apresenta a viabilidade econômica dos três sistemas simulados, permitindo comparação entre os resultados. Este trabalho demonstra que é possível modelar matematicamente todo o processo de geração de bioenergia, desde a matéria prima até a energia elétrica e que os sistemas de biodigestores aqui discutidos apresentam
    viabilidade econômica no atual cenário energético e tarifário brasileiro, além de também serem benéficos ambientalmente, utilizando gases geradores de efeito estufa para produzir energia elétrica.

    Palavras-chave: Biogás, Bioenergia, Modelagem matemática, Digestão anaeróbia, Biomassa.

    Participantes:
    • MAURÍCIO DE CAMPOS - PPGMMC/UNIJUÍ (Co-orientador)
    • AIRAM TERESA ZAGO ROMCY SAUSEN - PPGMMC/UNIJUÍ (Avaliador Interno)
    • LUANA OBREGON CARVALHO - (Autor)
    • JOÃO MANOEL LENZ VIANNA DA SILVA - PPGMMC/UNIJUÍ - MAURÍCIO BELTRÃO DE ROSSITER CORRÊA - AVALIADOR EXTERNO - UFCG (Orientador)
    Arquivos:
  • Modelagem Matemática da Dinâmica de Uso do Nitrogênio Fertilizante Com Espécies de Rápido Crescimento e Decomposição Anteriores à Semeadura da Aveia

    Modelagem Matemática da Dinâmica de Uso do Nitrogênio Fertilizante Com Espécies de Rápido Crescimento e Decomposição Anteriores à Semeadura da Aveia

    Resumo:

    O Brasil é uma das maiores potências mundiais na produção de alimentos e a forma de produzir deve estar conectada à promoção de processos limpos e sustentáveis. Entre os principais alimentos produzidos está a aveia-branca, espécie que faz parte do consumo humano e se destaca por ser um alimento funcional. Durante o ciclo da aveia, o nitrogênio (N) é o nutriente mais absorvido, responsável por diferentes funções no sistema vegetal e possuindo grande influência no desenvolvimento e na expressão da produtividade. Embora esteja no ambiente em diferentes fontes, o processo de liberação do nutriente às plantas é demorado, comprometendo a produtividade. Este fato leva à necessidade da suplementação com fertilizantes sintéticos nitrogenados para rápida
    absorção e aproveitamento. No entanto, o uso de N-fertilizante é facilmente perdido ao ambiente, refletindo em grandes problemas ambientais envolvendo a contaminação do solo, água e atmosfera. Durante o cultivo de verão no Brasil, as principais espécies de grande interesse comercial e que representam as culturas antecessoras à aveia são o milho e a soja. O milho, uma gramínea com alta relação C/N, é cultivado em grande parte para subsidiar a produção leiteira através do corte da planta inteira para elaboração de silagem, condição que deixa o solo descoberto, facilitando a erosão e perdas de nutrientes. A soja, é uma leguminosa de baixa relação C/N, que contém em suas raízes bactérias fixadoras do N do ar, apresenta atividade microbiana acelerada e rápida decomposição de seu tecido vegetal. No entanto, essa situação propicia que os nutrientes disponibilizados ao solo sejam aproveitados por plantas invasoras, que revigoram seu poder de crescimento e invadem ainda mais as lavouras de aveia, gerando maior uso de agrotóxicos para controle. A incorporação de espécies após
    cultivo de verão e anterior à semeadura da aveia com rápida cobertura vegetal para proteção do solo e controle de invasoras, bem como de reduzida relação C/N com alta capacidade de decomposição e liberação de nutrientes, representa uma possibilidade de também reduzir o uso de N-fertilizante. No que envolve o estudo de biossistemas complexos, a modelagem matemática e técnicas de inteligência artificial são decisivas para compreensão destes fenômenos e podem validar processos mais sustentáveis de cultivo da aveia. O objetivo desse estudo foi empregar modelos matemáticos e técnicas de inteligência artificial na simulação e otimização de uso de nitrogênio na cultura da aveia em sistemas de alta e reduzida relação C/N tradicionais e com uso de espécies de rápida cobertura vegetal no período de pousio momentâneo. O experimento foi realizado nos anos agrícolas de 2020 e 2021, no Instituto Regional de desenvolvimento Rural (IRDeR/UNIJUÍ), localizado em Augusto Pestana/RS. O delineamento experimental foi de blocos ao acaso, com oito repetições, em um arranjo fatorial 4x6 para doses de nitrogênio (0, 60, 120 e 180 kg ha-1) e sistemas de sucessão (soja/pousio, soja/nabo, soja/sarraceno, milho/pousio, milho/nabo e milho/sarraceno). A análise de variância e teste de médias por Scott&Knott comprovaram a influência do nitrogênio sobre os componentes da
    produtividade, qualidade industrial e química dos grãos de aveia. A pesquisa também evidenciou a dependência de ação do nitrogênio pelas condições meteorológicas. Os anos agrícolas em estudo foram desfavoráveis ao cultivo da aveia, mostrando a forte restrição ao aproveitamento do nitrogênio.
    Em todos os sistemas estudados se percebe a necessidade de um grande volume de N-fertilizante para atingir a máxima eficiência biológica. Há uma tendência de redução com a incorporação de nabo e sarraceno no pousio momentâneo. Os resultados de máxima eficiência econômica evidenciam redução significativa de uso de nitrogênio em comparação a eficiência biológica em todos os sistemas de sucessão testados. Embora tenha se constatado um cenário desfavorável de cultivo da aveia, a rede neural implementada é capaz de simular com grande eficiência a produtividade de grãos de aveia, trazendo os manejos de nitrogênio, indicadores biológicos e meteorológicos. A otimização via algoritmo genético foi eficiente, apontando a possibilidade de redução de doses de nitrogênio nos sistemas de cultivo, principalmente com a inserção de nabo e sarraceno no pousio momentâneo. Além disso, ainda há a possibilidade de melhorar a estrutura da rede e a otimização de nitrogênio com a inclusão de novos cenários agrícolas.

    Palavras-chave: Avena sativa L., regressões, redes neurais artificiais, algoritmo genético, processos sustentáveis.

    Participantes:
    • MANUEL OSORIO BINELO - PPGMMC/UNIJUÍ (Co-orientador)
    • JOSÉ ANTONIO GONZALEZ DA SILVA - PPGMMC/UNIJUÍ DIEGO PASCOAL GOLLE/UNICRUZ - Avaliador Externo (Orientador)
    • MARCIA DE FATIMA BRONDANI BINELO - PPGMMC/UNIJUÍ (Avaliador Interno)
    • EDUARDA WARMBIER - (Autor)
    Arquivos:
  • Modelagem Matemática do Tempo de Vida de Baterias Por Meio de Um Modelo Híbrido Personalizado Considerando o Número de Ciclos

    Modelagem Matemática do Tempo de Vida de Baterias Por Meio de Um Modelo Híbrido Personalizado Considerando o Número de Ciclos

    Resumo:

    As baterias são responsáveis por fornecer energia para o funcionamento de dispositivos móveis e com isso têm sido objeto de estudos nos últimos anos. A utilização destes dispositivos, por parte do usuário, está condicionada ao estado de carga das baterias, então surge a necessidade de predizer o seu tempo de vida, ou seja, por quanto tempo o dispositivo poderá ficar operacional sem a necessidade de uma recarga. Uma das ferramentas para predizer o tempo de vida das baterias é a modelagem matemática. Para isso, são encontrados na literatura técnica diferentes modelos de baterias, tais como: os analíticos, os estocásticos, os via teoria de identificação de sistemas, os elétricos, os eletroquímicos e os híbridos. O foco deste estudo são os modelos híbridos, uma vez que agregam as vantagens dos modelos que fazem parte da sua constituição. Nesse sentido, o objetivo desta pesquisa é a proposição de um modelo matemático do tempo de vida de baterias por meio de um modelo híbrido, levando em consideração o número de ciclos de carga e descarga. Para isso, é realizado um estudo teórico acerca das baterias e sobre os diferentes modelos híbridos a partir de uma revisão bibliográfica da literatura técnica. O conjunto de dados experimentais de um processo de descarga de baterias, do tipo Lítio-Íon Polímero (Li-Po), é obtido de uma plataforma de testes, e os modelos são implementados na ferramenta computacional Matlab/Simulink.

    Por fim, o modelo híbrido original (i.e., modelo híbrido de Kim) e o modelo híbrido personalizado, proposto nesse trabalho, são avaliados e validados, a partir da comparação dos seus resultados simulados com os dados experimentais obtidos da plataforma de testes. A partir dos resultados das imulações é considerado que o modelo híbrido personalizado se ajustou melhor aos dados quando comparado ao modelo híbrido de Kim, uma vez que o erro médio do modelo de Kim foi de 13, 61% e do modelo híbrido personalizado foi de apenas 5, 19%, considerando 850 ciclos de descarga.

    Palavras-chave: Modelagem Matemática; Baterias; Modelos Híbridos.

    Participantes:
    • AIRAM TERESA ZAGO ROMCY SAUSEN - PPGMMC/UNIJUÍ (Co-orientador)
    • FABRICIA CARNEIRO ROOS FRANTZ - PPGMMC/UNIJUÍ (Autor)
    • MARCIA DE FATIMA BRONDANI BINELO - PPGMMC/UNIJUÍ - ROBERTO DOS SANTOS RABELLO/UPF - Avaliador Externo (Orientador)
    • JULIA DAMMANN - (Autor)
    Arquivos:
  • Modelo Computacional para Recomendação de Potenciais Orientadores em Programas de Pós-Graduação Stricto Sensu : Um Estudo de Caso Dirigido ao Comung

    Modelo Computacional para Recomendação de Potenciais Orientadores em Programas de Pós-Graduação Stricto Sensu : Um Estudo de Caso Dirigido ao Comung

    Resumo:

    A escolha de um Programa de Pós-Graduação (PPG) por parte de um estudante pode ser considerada uma atividade exaustiva, devido à alta uantidade de programas disponíveis. Além disso, após escolher um PPG é necessário escolher um orientador para guiar os estudos. A escolha de um orientador ocorre, muitas vezes, a partir da escolha de uma linha de pesquisa do PPG e então de um professor dessa linha. Essa escolha também pode ser uma tarefa exaustiva, pois envolve, muitas vezes, um olhar em seus currículos acadêmicos para verificar os temas que o professor pesquisa. No Brasil, essas informações podem ser encontradas no currículo Lattes, que é considerada uma fonte rica de informações sobre os professores brasileiros. Para melhorar o processo de escolha de um orientador, este trabalho propõe um modelo computacional capaz de recomendar possíveis orientadores a partir de conversas do estudante junto a um Chatbot. Para realizar as recomendações foram coletados os currículos lattes de todos os professores que atuam em PPGs nas universidades do COMUNG e extraído informações relacionadas as publicações de cada professor visando clusterizar em grupos e então predizer com qual grupo melhor se identificam os interesses do estudante. Em cada grupo de professores é realizado um cálculo matemático para identificar um índice de recomendação, que utiliza variáveis qualitativas e quantitativas de suas atuações como professor pesquisador. Para verificação do modelo, se trabalhou com estudantes de diferentes áreas de atuação sendo solicitando-lhes a interação com um Chatbot, e por fim, solicitado uma nota (0 ou 1) em relação as recomendação dos possíveis orientadores. Com base nas notas atribuídas pelos estudantes, se calculou a assertividade do modelo e se chegou ao valor de 88%.

    Palavras-chave: Sistema de Recomendação; Processamento de Linguagem Natural; Currículo Lattes; Programa de Pós Graduação.

    Participantes:
    • GERSON BATTISTI - UNIJUÍ (Avaliador Interno)
    • RAFAEL ZANCAN FRANTZ - PPGMMC/UNIJUÍ - RAQUEL MAINARDI PILLAT BASSO/UFRJ - Avaliador Externo (Orientador)
    • SANDRO SAWICKI - UNIJUÍ (Avaliador Interno)
    • FABRICIA CARNEIRO ROOS FRANTZ - PPGMMC/UNIJUÍ (Co-orientador)
    • MATHEUS HENRIQUE REHBEIN - (Autor)
    • JOÃO MANOEL LENZ VIANNA DA SILVA - UNIJUÍ (Avaliador Interno)
    Arquivos:
  • Redes Neurais Artificiais Aplicadas a Modelagem Matemática de Ensaios Não Destrutivos para Determinação da Resistência à Compressão do Concreto

    Redes Neurais Artificiais Aplicadas a Modelagem Matemática de Ensaios Não Destrutivos para Determinação da Resistência à Compressão do Concreto

    Resumo:

    A avaliação das estruturas de concreto é uma questão importante enfrentada na Engenharia Civil, e pode ser necessária devido ao surgimento de danos nas construções, mudança de uso ou ainda suspeita de má qualidade do material empregado. A resistência à compressão é a principal propriedade do concreto, responsável pela sua segurança estrutural. Nesse sentido, é ela que se investiga durante a avaliação de uma estrutura. Essa investigação normalmente é realizada através de ensaios destrutivos que envolvem a remoção de uma amostra de concreto do local para ser submetida ao ensaio em laboratório. Mesmo sendo a metodologia mais tradicional, esses ensaios nem sempre são viáveis pois envolvem um processo dispendioso e tecnicamente difícil, além de permitirem a extração de um pequeno número de amostras, a fim de não prejudicar a estrutura em análise. Uma alternativa a estes ensaios, são os chamados ensaios não destrutivos. Estes tipos de ensaios não causam danos significativos ao concreto, apresentam baixo custo, maior facilidade de execução e podem ser utilizados para avaliar um grande número de elementos de concreto. Apesar de suas vantagens, para utilizá-los com precisão na determinação da resistência à compressão do concreto, é necessário estabelecer uma relação entre a resistência e o resultado do ensaio não destrutivo, a qual pode ser realizada a partir da coleta de dados experimentais e sua posterior modelagem. Com base nestas considerações, desenvolveu-se neste trabalho um modelo matemático para determinação da resistência à compressão do concreto através de ensaios não destrutivos, formulado a partir de redes neurais artificiais. Isso foi possível por meio da elaboração de uma metodologia experimental, onde foram moldados blocos de concreto de diferentes resistências e submetidos aos ensaios não destrutivos de esclerometria e penetração de pinos. Foram realizados ainda ensaios destrutivos para a obtenção da resistência real do concreto a qual foi utilizada na formulação e na validação do modelo. A partir da coleta e posterior modelagem dos dados experimentais observou-se que os modelos de redes neurais artificiais gerados apresentaram resultados satisfatórios, com correlação próxima a 1. Além disso, o erro médio relativo para os modelos propostos foi inferior a 4% demonstrando o bom desempenho da metodologia proposta.

    Palavras-chave: Desempenho, Esclerometria, Penetração de pinos, Redes neurais artificiais.

    Participantes:
    • MAURÍCIO DE CAMPOS - PPGMMC/UNIJUÍ (Orientador)
    • PAULO SÉRGIO SAUSEN - PPGMMC/UNIJUÍ (Co-orientador)
    • LUCIANO PIVOTO SPECHT - UFSM (Avaliador Externo)
    • AIRAM TERESA ZAGO ROMCY SAUSEN - PPGMMC/UNIJUÍ (Co-orientador)
    • FLÁVIA IZABEL BANDEIRA KRUG - (Autor)
    Arquivos:

Teses

  • Desenvolvimento de Um Método para Ajustes de Salto de Vetor Aplicado em Geração Distribuída

    Desenvolvimento de Um Método para Ajustes de Salto de Vetor Aplicado em Geração Distribuída

    Resumo:

    O aumento da demanda por eletricidade tem incentivado os consumidores a investir em recursos energéticos distribuídos e, entre eles, estão os geradores síncronos alimentados a biogás. Uma das principais preocupações com isso é a possibilidade destas fontes alimentarem uma seção da rede durante uma falta, conhecida como operação ilhada. Para evitar tal condição, os geradores distribuídos devem possuir dispositivos de proteção que possam identificar essa perda de conexão. O relé de salto de vetor é uma das técnicas mais populares para detecção de ilhamento aplicada a geradores síncronos. No entanto, uma preocupação crescente com a falsa atuação desses
    relés levou, em 2021, o operador nacional do sistema elétrico brasileiro a solicitar à agência reguladora a realização de pesquisas ponderando quanto a continuidade do uso dessa proteção, além de, pesquisas para contornar a dificuldade na escolha dos seus valores de ajustes. No presente documento de Tese é descrita uma revisão bibliográfica demonstrando-se que, até o momento, havia uma carência por um procedimento a ser seguido para obtenção dos ajustesdo relé de salto de vetor. Na sequência é realizada a análise detalhada do seu princípio de funcionamento bem como do procedimento para a realização de simulações utilizando-se do MATLAB/SIMULINK. Como principal contribuição, é proposta uma equação para determinar o valor de ajuste do relé, considerando diferentes desbalanços entre carga e geração. Como contribuição adicional, uma análise é realizada demonstrando-se que este dispositivo de proteção é rápido para detectar ilhamento quando há um desequilíbrio de energia maior que 30%, mas pode apresentar falsos disparos se ajustado para valores de desbalanço inferiores a este limite. Apresenta-se ainda uma discussão para demonstrar que há problemas com o uso correto deste dispositivo em conformidade com os padrões atuais mostrando a necessidade da realização de investigações adicionais. Conclui-se o presente estudo exemplificando a aplicação da equação para obtenção dos ajustes do relé de salto de vetor.

    Palavras-chave: Detecção de ilhamento, Energias renováveis, Máquina síncrona, Relé de salto de vetor.

    Participantes:
    • MAURÍCIO DE CAMPOS - PPGMMC/UNIJUÍ (Co-orientador)
    • PAULO SÉRGIO SAUSEN - PPGMMC/UNIJUÍ - PAULO RICARDO DA SILVA PEREIRA/UNISINOS (Avaliador Externo) - DANIEL PINHEIRO BERNARDON/UFSM (Avaliador Externo) (Orientador)
    • SANDRO SAWICKI - PPGMMC/UNIJUÍ (Avaliador Interno)
    • ALCEDIR LUÍS FINKLER - (Autor)
    • JOÃO MANOEL LENZ VIANNA DA SILVA - PPGMMC/UNIJUÍ (Avaliador Interno)
    Arquivos:
  • Dmqueue: An Efficient Dynamic Heuristic: a Strategy For Task Scheduling In Application Integration Platforms To Handle Large Volume Of Data In Message-Based Application Integration

    Dmqueue: An Efficient Dynamic Heuristic: a Strategy For Task Scheduling In Application Integration Platforms To Handle Large Volume Of Data In Message-Based Application Integration

    Resumo:

    As plataformas de integração são ferramentas implantadas localmente ou na nuvem que os engenheiros de software usam para projetar, implementar, executar e monitorar processos de
    integração que processam dados recuperados remotamente de terceiros . Normalmente, no coração de uma plataforma de integração está um motor de execução que processa dados sob demanda, ou seja, à medida que chegam. Pequenas taxas de chegada da ordem de 1 mensagem/segundo podem ser processadas sem preocupações com eficiência ou esgotamento de
    recursos. No entanto, a contínua expansão e transformação tecnológica do ecossistema das empresas tem resultado na geração de grandes volumes de dados da ordem de 100 mensagens/segundo que os sistemas de tempo de execução não são capazes de processar eficientemente a menos que sejam assistidos por mecanismos de adaptação. Exemplos de fontes que produzem grande volume de dados são agentes de IoT e serviços web que coletam eventos, por exemplo, eventos de negócios. A eficiência computacional mede a relação entre o grau de desempenho e a quantidade de recursos computacionais consumidos. Neste documento de tese defendemos que os sistemas de tempo de execução precisam ser auxiliados por mecanismos de adaptação que lhes permitam processar grandes volumes de dados de forma eficiente e sem aumentar a quantidade de recursos computacionais consumidos. Para apoiar o nosso argumento, nós projetamos, implementamos e experimentamos com a heurística DMQueue. Implementamos o DMQueue em Java para auxiliar os motores de execução das plataformas de integração que seguem o modelo baseado em tarefas. Sua característica saliente é que ele calcula dinamicamente o número ideal de threads necessários para processar os dados de entrada considerando a quantidade de recursos de processamento computacional disponíveis. Também projetamos e implementamos uma nova arquitetura para o motor de execução da plataforma de integração, onde as tarefas das filas são executadas em paralelo por threads de pools de threads locais. Para validar nossa solução, realizamos experimentos com entradas de dados que exibem seis padrões de oscilação de carga diferentes. Os resultados estatísticos que coletamos demonstram que a heurística DMQueue proporciona maior eficiência aos motores de execução das plataformas de integração. A razão para isso é que o DMQueue tem um período de monitoramento frequente que ajusta o número de threads em reação à carga de trabalho que chega. A eficiência que o DMQueue alcança resulta da combinação de várias propriedades: nós o projetamos para operar com processadores multicore, configuração de pool de threads elástico e criação de
    pool de threads dinâmico. Implementamos o DMQueue para gerenciar o pool de threads por mapeamento, realizar análises de complexidade de tarefas e trabalhar com pools locais. Os resultados estatísticos confirmam nossa hipótese de pesquisa de que: O DMQueue é capaz de fornecer ao motor de execução da plataforma de integração Guaraná eficiência, desempenho e
    adaptação dinâmica ao crescente volume de entrada de dados. Também vale a pena notar que a heurística DMQueue pode ser implantada em plataformas de integração de modelo baseado em tarefas tanto no local quanto na nuvem.

    Palavras Chave: plataformas de integração; heurística; eficiência; pool de threads; motor de execução.

    Participantes:
    • PAULO SÉRGIO SAUSEN - PPGMMC/UNIJUÍ (Avaliador Interno)
    • RAFAEL ZANCAN FRANTZ - PPGMMC/UNIJUÍ - CARLOS AMARAL HÖLBIG/UPF (Avaliador Externo) CARLOS MOLINA JIMÉNEZ/Universidade de Cambridge (Avaliador Externo) (Orientador)
    • SANDRO SAWICKI - PPGMMC/UNIJUÍ (Co-orientador)
    • FABRICIA CARNEIRO ROOS FRANTZ - PPGMMC/UNIJUÍ (Avaliador Interno)
    • ÂNGELA MAZZONETTO - (Autor)
    Arquivos:
  • Modelagem do Progresso de Doenças Foliares e Produtividade em Cultivares de Aveia à Redução no Uso de Fungicida

    Modelagem do Progresso de Doenças Foliares e Produtividade em Cultivares de Aveia à Redução no Uso de Fungicida

    Resumo:

    A aveia branca (Avena sativa L.) é um cereal de grande importância agrícola. Durante o seu cultivo está sujeita ao ataque de doenças foliares, com destaque à ferrugem da folha e à helmintosporiose. A forma mais eficaz no controle destas doenças ocorre com a utilização de fungicidas. Entretanto, a concentração de aplicação do fungicida ocorre em estágios como a floração e enchimento de grãos, possibilitando à permanência de resíduos dos agrotóxicos nos grãos. Além disto, o uso indiscriminado
    do agente químico pode trazer graves prejuízos ao meio ambiente. No Brasil há uma grande quantidade de cultivares de aveia recomendadas para cultivo e a utilização de cultivares com maior resistência às doenças foliares e com maior eficiência em condições adversas de cultivo pode proporcionar a redução do uso de agrotóxicos. Desta forma, a modelagem matemática e computacional pode auxiliar na identificação de cultivares com maior resistência às doenças foliares e pode permitir a simulação do progresso destas doenças e da produtividade de grãos, auxiliando na redução do uso de fungicida, promovendo maior segurança alimentar. O objetivo do estudo é empregar a modelagem matemática e computacional na identificação de cultivares de aveia com maior resistência às doenças foliares e realizar a simulação do progresso das doenças foliares e produtividade de grãos de aveia, na identificação do manejo do fungicida que promova maior segurança alimentar. O experimento foi realizado nos anos de 2015 a 2020 no IRDeR, pertencente à UNIJUÍ. O delineamento experimental foi o de blocos casualizados, seguindo um esquema fatorial 22 x 5, para as 22 cultivares de aveia branca recomentada para o cultivo no Brasil e 5 condições de aplicações de fungicida, com três repetições. As condições de aplicação do fungicida foram: sem aplicação de fungicida; uma aplicação aos 60 dias após a emergência (DAE); duas aplicações (uma aos 60 e outra aos 75 DAE); três aplicações (uma aos 60, outra aos 75 e outra aos 90 DAE) e; quatro aplicações (uma aos 60, outra aos 75, outra aos 90 e outra aos 105 DAE). Na condição sem uso de fungicida as cultivares Corona, Brisasul, Afrodite, Farroupilha e Gaudéria apresentam as menores taxas de evolução de necrose foliar, com destaque à cultivar Farroupilha que possui Características de adaptabilidade ampla e de estabilidade sobre a área foliar necrosada. A cultivar Altiva apresenta maior expressão da produtividade de grãos na ausência de fungicida e menor dependência ao uso do agrotóxico. A produtividade de grãos mostra relação negativa com a área foliar necrosada e positiva com a massa do hectolitro e a produtividade industrial. Destaca-se que na ausência e nas condições de presença de fungicida se evidenciam relações de causa e efeito semelhantes entre as variáveis. A área foliar necrosada apresenta grande número de correlações significativas negativas com variáveis ligadas a produtividade e qualidade de grãos, principalmente a massa de mil grãos e do hectolitro e produtividade de grãos e de indústria. A condição de duas aplicações de fungicida, uma aos 60 DAE e outra aos 75 DAE, reduz a expressão da necrose foliar e permite a obtenção de produtividade de grãos satisfatória, com elevado intervalo entre a colheita e a última aplicação do agrotóxico. O modelo de simulação da área foliar necrosada via redes neurais artificiais é mais eficiente no processo de simulação em relação ao modelo de regressão linear múltipla A técnica de otimização por algoritmo genético identifica que a avaliação da área foliar necrosada aos 87 dias após a emergência permite a melhor análise da área foliar necrosada com melhor estimativa da produtividade de grãos de aveia.

    Palavras-chave: Avena sativa L., matemática aplicada, inteligência artificial, redução de agrotóxicos, sustentabilidade.

    Participantes:
    • MANUEL OSORIO BINELO - PPGMMC/UNIJUÍ (Avaliador Interno)
    • JOSÉ ANTONIO GONZALEZ DA SILVA - PPGMMC/UNIJUÍ - DIEGO PASCOAL GOLLE/UNICRUZ (Avaliador Externo) - GERI EDUARDO MENEGHELLO/UFPel (Avaliador Externo) - ANA PAULA BREZOLIN TRAUTMANN/IFRS (Avaliador Externo) (Orientador)
    • MARCIA DE FATIMA BRONDANI BINELO - PPGMMC/UNIJUÍ (Avaliador Interno)
    • ODENIS ALESSI - (Autor)
    Arquivos:
  • Modelagem Matemática dos Efeitos da Época de Semeadura da Aveia na Definição de Um Zoneamento de Escape Às Doenças Foliares

    Modelagem Matemática dos Efeitos da Época de Semeadura da Aveia na Definição de Um Zoneamento de Escape Às Doenças Foliares

    Resumo:

    A modelagem matemática, por meio de abordagens estatísticas e de inteligência artificial, permite descrever fenômenos naturais, podendo ser aplicada a diversas áreas do conhecimento. Por meio de modelos e métodos é possível retratar, caracterizar, quantificar, realizar previsões e otimizar processos, o que auxilia na tomada de decisões, configurando a modelagem matemática como um meio eficiente no estudo de sistemas complexos. Na agricultura, a aveia é um cereal que tem seu cultivo realizado em estação fria e possui múltiplos propósitos de uso. Entretanto, a ocorrência de doenças foliares, causadas por patógenos fúngicos, pode prejudicar significativamente a produtividade e a qualidade de grãos de aveia. Fatores como a temperatura e a umidade do ar influenciam na ocorrência destas doenças, sendo que as principais são a ferrugem da folha e a helmintosporiose, causadas pelos patógenos Puccinia coronata e Drechslera avenae, respectivamente. O controle destas doenças normalmente é realizado mediante a aplicação de agrotóxicos fungicidas, entretanto, seu uso pode causar contaminação nos grãos e poluição ambiental. Estudos apontam que os efeitos nocivos de agrotóxicos podem estar relacionados com as taxas de óbitos por câncer na região noroeste do estado do Rio Grande do Sul. Destaca-se que cada vez mais busca-se uma agricultura mais sustentável com menor uso de defensivos agrícolas. Neste contexto, o ajuste da época de semeadura da aveia pode ser uma proposta inovadora na obtenção de uma zona de escape aos patógenos fúngicos, baseada em períodos com menores temperaturas, para um controle satisfatório das doenças foliares em aveia, minimizando os efeitos destas moléstias. A modelagem matemática, por meio de modelos estatísticos e de inteligência artificial, pode auxiliar na indicação de uma época de semeadura que possibilite o controle natural às doenças foliares da aveia. Deste modo, o objetivo deste estudo é modelar matematicamente os efeitos da época de semeadura da aveia, determinando a época ideal que possibilite o aproveitamento de uma zona de escape natural às doenças foliares, promovendo um cultivo produtivo e mais sustentável, na condição da região noroeste do estado do Rio Grande do Sul. Para o desenvolvimento do estudo, foi realizado um experimento em condições reais de cultivo, em blocos casualizados e esquema fatorial 2x7, compreendendo duas condições de aplicação de fungicida e sete épocas de semeadura, com 3 repetições. As épocas de semeadura consideradas foram 15 de abril, 01 de maio, 15 de maio, 01 de junho, 15 junho, 01 de julho e 15 de julho e as condições de uso de fungicida foram a ausência e a presença de uma aplicação na fase de paniculamento. Os dados experimentais foram obtidos em quatro anos agrícolas, de 2018 a 2021, com três cultivares de aveia, URS Corona, URS Taura e URS Guria, no sistema de sucessão soja-aveia. Em cada ano agrícola, foi determinada uma zona de escape às doenças foliares em razão da temperatura do ar, analisando o ciclo de desenvolvimento da aveia e seus resultados em cada cenário de semeadura. Os dados experimentais foram avaliados por meio de análise de regressão, de modelos de adaptabilidade e estabilidade, de modelos de análise de contribuição relativa, de métodos de seleção de variáveis e de inteligência artificial. As semeaduras de 01 de maio até 01 de junho evidenciaram os melhores resultados para a área foliar necrosada e produtividade de grãos na maioria das análises. Houve destaque para as épocas de 01 de maio e 15 de maio, que por meio da zona de escape, demonstraram condições para um controle satisfatório sobre as doenças foliares, com proteção até os 105 dias após a emergência, evidenciando também as maiores médias de produtividade de grãos. Uma aplicação de fungicida no paniculamento não foi eficiente tendo em vista os custos e os impactos à saúde a longo prazo. Com base nos resultados das análises estatísticas e de inteligência artificial, foi possível reposicionar a época de recomendação de semeadura da aveia. Dessa forma, o período ideal de semeadura da aveia na região noroeste do Rio Grande do Sul ocorre de 25 de abril a 10 de maio, anterior à atual recomendação, podendo ser estendido até 01 de junho.

    Palavras-chave: Matemática aplicada, Modelagem computacional, Inteligência artificial, Avena sativa, Fungicida.

    Participantes:
    • SANDRO SAWICKI - PPGMMC/UNIJUÍ (Avaliador Interno)
    • MANUEL OSORIO BINELO - PPGMMC/UNIJUÍ (Avaliador Interno)
    • ÂNGELA TERESINHA WOSCHINSKI DE MAMANN - (Autor)
    • JOSÉ ANTONIO GONZALEZ DA SILVA - PPGMMC/UNIJUÍ - JANA KÖEFENDER/UNICRUZ (Avaliador Externo) - ANDRÉ SCHÖFFEL/UNICRUZ (Avaliador Externo) - ÂNGELA TERESINHA WOSCHINSKI DE MAMANN (Avaliador Externo) - (Orientador)
    • VANESSA PANSERA - (Autor)
    Arquivos: