Resumo A complexidade de avaliar a qualidade de um ambiente aquático com suas inúmeras variáveis resultou na criação de vários índices de qualidade para sintetizar todas as informações em um único valor. No entanto, a maioria desses índices é baseada em poucas variáveis, perdendo informações de outras variáveis relevantes. Este artigo apresenta um novo modelo capaz de representar o nível de qualidade de um reservatório oligo-mesotrófico tropical em escala numérica, considerando a subjetividade implícita no conceito de qualidade e envolvendo diversas variáveis físicas, químicas e biológicas. O modelo proposto, denominado "Índices Fuzzy de Avaliação da Qualidade da Água e Biótica" (FUZZY-WBQAI), é baseado em sistemas de inferência fuzzy, fornecendo uma forma de lidar com a incerteza entre as categorias de qualidade. Uma ferramenta computacional foi elaborada, a qual avalia automaticamente a qualidade da água, considerando diferentes metodologias que dependem das condições de estratificação e zona longitudinal do reservatório. O modelo calcula dois índices: um de qualidade da água e um biótico que utiliza métricas da assembleia de peixes. O modelo foi eficaz ao revelar a diminuição da qualidade da água nos meses de verão com temperatura e precipitação mais elevadas. Destacou-se o efeito da mistura do reservatório estratificado no inverno sobre a diminuição da qualidade da água em área de cultivo de peixes. O índice biótico foi sensível a mudanças espaciais na qualidade ambiental do reservatório. Os resultados foram considerados satisfatórios, concordando com o conhecimento especializado, e podem propiciar diagnósticos rápidos das condições da água em reservatórios oligo-mesotróficos nos trópicos.

Abstract The complexity of evaluating the quality of an aquatic environment with its numerous variables has resulted in several quality indexes to synthesize all information in a single value. However, most of these indexes are based on few environmental variables, losing information from other relevant variables. This article presents a new model capable of representing the quality level of a tropical oligo-mesotrophic reservoir on a numerical scale, considering the subjectivity implicit in the concept of quality, and involving several physical, chemical and biological variables. The proposed model, called "Fuzzy Indices for Water Quality Assessment and Biotics" (FUZZY-WBQAI), is based on fuzzy inference systems, providing a way to deal with the uncertainty between the quality categories. A computational tool was developed, which automatically assesses the quality of water, considering different methodologies that depend on the stratification conditions and the longitudinal zone of the reservoir. The model calculates two indices: one for water quality and one biotic that uses metrics from the fish assembly. The model was effective in revealing the decrease in water quality in summer months with higher temperature and precipitation. The effect of the mixture of the stratified reservoir in winter in decreasing the water quality in an area of fish cultivation was highlighted. The biotic index was sensitive to spatial changes in the environmental quality of the reservoir. The results were considered satisfactory, in agreement with the specialized knowledge, and can provide a rapid diagnosis of water conditions in oligo-mesotrophic reservoirs in the tropics.

Ao longo dos últimos anos, diversos trabalhos têm sido desenvolvidos a fim de se modelar quantitativamente o efeito GMI (Magnetoimpedância Gigante). No entanto, esses modelos adotam simplificações que afetam significativamente seu desempenho teórico-experimental e sua generalidade, e ainda são raros os modelos quantitativos que incorporam parâmetros geradores de assimetria - AGMI (GMI assimétrica) - como, por exemplo, o nível CC da corrente de excitação das amostras GMI. Este trabalho objetiva o desenvolvimento de um novo modelo, suficientemente geral, que incorpore inclusive a assimetria induzida pelo nível CC da corrente de excitação, capaz de guiar os procedimentos experimentais de caracterização das amostras GMI. Assim, este artigo propõe, apresenta e discute a utilização de um modelo computacional baseado em Redes Neurais feedforward Multilayer Perceptron na modelagem da sensibilidade de módulo e fase da impedância do efeito GMI em função do campo magnético, para ligas ferromagnéticas amorfas de composição Co70Fe5Si15B10. O modelo proposto permite a obtenção da sensibilidade a partir de alguns dos principais parâmetros que a afetam: comprimento das amostras, nível CC e frequência da corrente de excitação e campo magnético externo.

Over the past few years, several studies have been developed in order to quantitatively model the GMI effect (Giant Magnetoimpedance). However, these models adopt simplifications that significantly affect its theoretical-experimental performance and its generalization capability, and models that incorporate parameters that generate asymmetry - AGMI (asymmetric GMI) - such as the DC level of the excitation current of the GMI samples are still rare. This work aims to develop a new model, sufficiently general, which also incorporates the asymmetry induced by the DC level of the excitation current, capable of guiding the experimental procedures of characterization of the GMI samples. Thus, this paper proposes, presents and discusses the use of a computational model based on feedforward Multilayer Perceptron Neural Networks to model the impedance magnitude sensitivity and impedance phase sensitivity, of the GMI effect, as functions of the magnetic field, for Co70Fe5Si15B10 ferromagnetic amorphous alloys. The proposed model allows obtaining these sensitivities based on some of the main parameters that affect it: length of the samples, DC level and frequency of the excitation current and the external magnetic field.

Manutenções preventivas de sensores asseguram o seu funcionamento correto durante um certo período de tempo, mas não garantem que eles permaneçam sem defeito por outros períodos, além de eventualmente serem desnecessárias. Em plantas industriais, a análise dos sinais fornecidos pelos sensores que monitoram os processos de produção é uma tarefa difícil em virtude da grande dimensão dos dados. Portanto uma estratégia de monitoramento e correção on-line para múltiplos sensores é necessária. Este trabalho propõe a utilização de Redes Neurais Auto-Associativas com Treinamento Robusto Modificado e do Teste Seqüencial da Razão de Probabilidade (SPRT) em um sistema de monitoramento para auto-correção on-line e detecção de anomalias nas medidas geradas por um grande número de sensores. Diferentemente de modelos existentes, o sistema proposto visa a utilizar somente uma RNAAM para reconstruir os sinais dos sensores com falha. O modelo é avaliado com uma base dados que contém as medidas de sensores industriais que controlam e realizam o monitoramento de um motor de combustão interna, instalado em um caminhão de mineração. Os resultados obtidos mostram a capacidade do modelo proposto de mapear e corrigir, com um baixo nível de erro, os sinais dos sensores que apresentam falhas.

Preventive maintenance of sensors assures their correct operation for a certain period of time, but do not guarantee that they remain faultless for other periods, besides being occasionally unnecessary. In industrial plants the analysis of signals from sensors that monitor a plant is a difficult task due to the high-dimensionality of data. Therefore an on-line strategy for monitoring and correcting multiple sensors is required. This work proposes the use of Auto-Associative Neural Networks with a Modified Robust Training and the Sequential Probability Ratio Test (SPRT) in an on-line monitoring system for self-correction and anomalies detection in the measurements generated by a large number of sensors. Unlike existing models, the proposed system aims at using only one AANN for each group of sensors to reconstruct signals from faulty sensors. The model is evaluated with a database containing measurements of industrial sensors that control and carry out the monitoring of an internal combustion engine installed in a mining truck. The result shows the ability of the proposed model to map and correct signals, with a low error, from faulty sensors.

Este artigo apresenta um sistema de suporte à decisão para a otimização de alternativas de desenvolvimento de campos de petróleo. O desenvolvimento de um campo de petróleo consiste na escolha de uma alternativa para a explotação de um reservatório petrolífero, conhecido e delimitado, que permita produzir a maior quantidade de hidrocarboneto possível, dentro dos limites físicos e econômicos existentes, isto é, maximizar o valor presente líquido (VPL). O VPL é calculado a partir da produção de óleo, a qual é obtida com o uso de um simulador de reservatório. Cada execução do simulador pode demorar desde alguns segundos até várias horas, dependendo da complexidade do reservatório modelado. Isto reduz o número de alternativas que podem ser geradas e avaliadas pelo especialista na busca da melhor solução. Deste modo, o objetivo deste trabalho é propor e avaliar um sistema inteligente de otimização que emprega: algoritmos genéticos (AGs), algoritmos culturais (ACs) e coevolução para a busca de uma alternativa de desenvolvimento ótima; e um ambiente de computação paralela para a simulação de reservatório e cálculo do VPL das alternativas. O sistema resultante permite que o especialista obtenha, em tempo hábil, a alternativa ótima (ou quase-ótima) para o desenvolvimento de um campo de petróleo conhecido. Os resultados obtidos nos estudos de casos apresentados demonstram que o sistema proposto, baseado em técnicas inteligentes, obtém boas alternativas de desenvolvimento de campos petrolíferos com uma grande redução do tempo computacional, redução esta obtida a partir do aproveitamento do poder computacional de um ambiente de computação paralela e do aproveitamento de conhecimento do especialista, por meio das sementes iniciais.

This paper presents an optimization system for the development of petroleum fields. Developing a petroleum field consists of choosing an alternative exploitation of an already known and delimited petroleum reservoir allowing the maximum hydrocarbon production within the physical and economical limitations i.e., maximizing the net present value (NPV). The net present value is calculated according to the oil production, which is obtained with the use of a reservoir simulator. Each reservoir simulation can take from few seconds to several hours, depending on the complexity of the reservoir being modeled. This reduces the total number of configurations that can be generated and evaluated by the user in search for the best solution. Therefore, this work proposes and evaluates a new intelligent, optimization system that employs genetic algorithms (GA), cultural algorithms (CA), and co-evolution in order to search for an optimal development alternative in a parallel computing environment for reservoir simulations and NPV calculation. The proposed system provides the user, in a reasonable time, with the optimum (or sub-optimum) configuration for the development of the petroleum field. The results obtained in the case studies demonstrate that the proposed system, based on intelligent techniques, enable good configurations for the development of petroleum fields with a great reduction in computational time. This reduction is obtained from the computational power of the parallel computing environment and from the expert knowledge, through the initial configuration of the optimizing system (initial seed).

Este artigo apresenta uma nova metodologia para meta-avaliação que utiliza conjuntos fuzzy e lógica fuzzy. Esta metodologia é composta por um instrumento de coleta de dados e por um sistema hierárquico de inferência fuzzy. As vantagens da metodologia proposta são: (i) o instrumento de coleta de dados, que permite respostas intermediárias; (ii) a capacidade do sistema de inferência de se adaptar a necessidades específicas; e (iii) transparência, através da utilização de regras lingüísticas que facilitam tanto o entendimento como a discussão de todo o processo. As regras foram construídas com base nas diretrizes estabelecidas pelo Joint Committee on Standards for Educational Evaluation(1994) e por informações fornecidas por especialistas. O sistema pode auxiliar avaliadores que ainda não têm experiência em meta-avaliação. Um estudo de caso é apresentado como validação da metodologia proposta.

This paper presents a new methodology for meta-evaluation that makes use of fuzzy sets and fuzzy logic. It is composed of a data collection instrument and of a hierarchical fuzzy inference system. The advantages of the proposed methodology are: (i) the instrument, which allows intermediate answers; (ii) the inference process ability to adapt to specific needs; and (iii) transparency, through the use of linguistic rules that facilitate both the understanding and the discussion of the whole process. The rules are based on guidelines established by the Joint Committee on Standards for Educational Evaluation (1994) and also represent the view of experts. The system can provide support to evaluators that may lack experience in meta-evaluation. A case study is presented as a validation of the proposed methodology.

Este artículo presenta una nueva metodología para meta-evaluación que utiliza conjuntos fuzzy e lógica fuzzy. Esta metodología es compuesta por un instrumento de coleta de dados y por uno sistema de inferencia fuzzy. Las ventajas de la metodología propuesta son: (i) el instrumento de coleta de dados, que permite respuestas intermediarias; (ii) la capacidad del sistema de inferencia de adaptarse a necesidades específicas; (iii) transparencia, a través de la utilización de reglas lingüísticas que facilitan tanto el entendimiento como la discusión de todo el proceso. Las reglas fueron construidas con base en las directrices establecidas por el Joint Committee on Standards for Educational Evaluation(1994) y por informaciones fornecidas por especialistas. El sistema puede auxiliar evaluadores que aún no tienen experiencia en meta-evaluación. Un estudio de caso es presentado comovalidación de la Metodología propuesta.

Este trabalho apresenta um novo modelo híbrido neuro-fuzzy para aprendizado automático de ações efetuadas por agentes. O objetivo do modelo é dotar um agente de inteligência, tornando-o capaz de, através da interação com o seu ambiente, adquirir e armazenar o conhecimento e raciocinar (inferir uma ação). Este novo modelo, denominado Reinforcement Learning Neuro-Fuzzy Hierárquico Politree (RL-NFHP), descende dos modelos neuro-fuzzy hierárquicos NFHB, os quais utilizam aprendizado supervisionado e particionamento BSP (Binary Space Partitioning) do espaço de entrada. Com o uso desse método hierárquico de particionamento, associado ao Reinforcement Learning, obteve-se uma nova classe de Sistemas Neuro-Fuzzy (SNF) que executam, além do aprendizado da estrutura, o aprendizado autônomo das ações a serem tomadas por um agente. Essas características representam um importante diferencial em relação aos sistemas de aprendizado de agentes inteligentes existentes. O modelo RL-NFHP foi testado em diferentes problemas benchmark e em uma aplicação de robótica (robô Khepera). Os resultados obtidos mostram o potencial do modelo proposto, que dispensa informações preliminares como número e formato das regras, e número de partições que o espaço de entrada deve possuir.

This work presents a new hybrid neuro-fuzzy model for the automatic learning of actions taken by agents. The objective of this model is to provide intelligence for an agent, making it capable of acquiring and retaining knowledge, as well as thinking (infer an action), by interacting with its environment. This new model, named Reinforcement Learning Hierarchical Neuro-Fuzzy Politree (RL-NFHP), descend from the hierarchical BSP neuro-fuzzy models, which employ supervised learning and BSP partitioning (Binary Space Partitioning) of the input space. By using this hierarchical partitioning method, together with the Reinforcement Learning methodology, a new class of Neuro-Fuzzy Systems (SNF) was obtained, which automatically learns its structure as well as the actions that must be taken by an agent. These characteristics represent an important differential when compared to existing intelligent agents learning systems. The RL-NFHP model was tested in different benchmark problems, as well as in a robotic application (Khepera robot). The results obtained demonstrate the potential of the proposed model, which does without information as number of rules, rules' format and number of partitions that the input space should have.

Uma boa precisão na estimativa da produção passou a ser significativa na cacauicultura devido à forte diminuição da margem de comercialização nos últimos anos, provocada pela combinação do aumento dos custos da produção e pela queda da cotação internacional do produto final. Este trabalho apresenta um sistema de lógica fuzzy que permite aos fazendeiros fazer uma previsão da sua produção de cacau com mais precisão e simplicidade. O método proposto é de baixo custo quando comparado ao método atualmente empregado e foi projetado para ser parte de um sistema que auxilie no gerenciamento da fazenda. Sua utilização não exige do produtor conhecimento técnico específico e os resultados obtidos até o momento através de simulações são animadores.

A good precision in forecasting cocoa production has become significant due to the decreasing profit margin cocoa producers have experienced in the past years. This has been caused by increasing production costs and by a reduction in international prices. This work presents a fuzzy logic system that allows farmers to forecast their cocoa production with higher precision and simplicity. The method is less costly than the one currently employed and has been devised to be part of a system that should help farm management. Farmers do not need any specific technical knowledge of the model used and results obtained so far through simulation are encouraging.