Banca de DEFESA: YURI LAIO TEIXEIRA VERAS SILVA

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: YURI LAIO TEIXEIRA VERAS SILVA
DATA: 27/05/2020
HORA: 09:00
LOCAL: Endereço da Sala Virtual (Necessário Inscrição Prévia): https://us02web.zoom.us/meeting/register/tZ
TÍTULO: PARTICLE SWARM OPTIMIZATION AUTOMATIC CLUSTERING APPLIED TO MULTI-CRITERIA OPTIMIZATION IN STRUCTURAL MATERIALS
PALAVRAS-CHAVES: Particle Swarm Optimization. Evolutionary Algorithm. Metaheuristic. Clustering. Concrete.
PÁGINAS: 93
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Mecânica
RESUMO: O volume de informações a serem coletadas e tratadas nos dias atuais é maior que a capacidade humana. A quantidade enorme de dados é uma realidade nas diversas áreas das ciências, nas engenharias, setores industriais, tanto de manufatura, como de prestação de serviços. A dinâmica de aumento exponencial na quantidade de informação necessitando serem tratadas motivou a implementação de abordagens e ferramentas computacionais ao longo das últimas décadas, objetivando desenvolver a capacidade de tratar dados de forma automática e eficiente nas organizações. Neste sentido, o campo da ciência de mineração de dados aborda métodos e algoritmos de diferentes áreas das ciências, como pesquisa operacional, metaheurísticas e inteligência artificial. O campo das ciências e engenharia dos materiais, os materiais compósitos, tais como os concretos, possuem diversas características que podem ser levadas em consideração em um método de clusterização, de modo a tornar possível a obtenção dos melhores agrupamentos possíveis por conjunto de características, conforme as métricas de desempenho estipuladas. Tais resultados podem trazer inúmeros benefícios e aplicações em decisões industriais, principalmente relacionadas aos processos produtivos e problemas de seleção de matérias-primas, podendo melhorar significativa o desempenho operacional, reduzir custos de produção ou até mesmo impactos ambientais causados, conforme os objetivos da organização. Neste sentido, o presente estudo objetiva desenvolver uma abordagem de otimização de clusterização automática que permita a determinação de misturas ótimas de componentes e seus respectivos atributos, de modo que atenderem a múltiplos critérios de otimização. Nesse trabalho, os critérios estudados são as composições químicas e minerológicas de rochas utilizadas como agregados para concreto na região Nordeste do Brasil. Para tanto, desenvolveu-se uma metaheurística híbrida evolucionária visando realizar um agrupamento ótimo de dados relacionados as composições químicas e minerológicas de tais materiais, objetivando otimizar o agrupamento conforme as propriedades/características escolhidas, considerando ainda as restrições e os objetivos envolvidos na problemática. Em paralelo, o trabalho objetiva também, em posse dos resultados alcançados, avaliar e otimizar as configurações de atributos que possibilitaram uma clusterização mais eficiente em sua solução ótima. O método de otimização proposto foi executado nos conjuntos de instâncias de dados, e os resultados obtidos demonstraram alta qualidade e eficiência de clusterização dos dados, bem como possibilitaram análises sistêmicas e analíticas acerca dos materiais coletados sob o ponto de vista econômico e operacional na tomada de decisão industrial.
MEMBROS DA BANCA:
Presidente - 3581068 - SANDRO MARDEN TORRES
Interno - 1731152 - KELLY CRISTIANE GOMES DA SILVA
Interno - 1367468 - RODINEI MEDEIROS GOMES
Externo ao Programa - 1893777 - BRUNO JEFFERSON DE SOUSA PESSOA
Externo ao Programa - 1175878 - LUCIDIO DOS ANJOS FORMIGA CABRAL
Externo à Instituição - TIBÉRIO WANDERLEY CORREIA DE OLIVEIRA ANDRADE