http://www.monografias.ufop.br/handle/35400000/20 Fri, 17 Jul 2026 22:07:03 GMT 2026-07-17T22:07:03Z http://www.monografias.ufop.br/handle/35400000/9273 Título: Efeito de ordem e a computação quântica. Autor(es): Santos, Lucas Rafael da Silva Resumo: Desenvolver uma Inteligência Artificial capaz de capturar os mecanismos fundamentais do processo de tomada de decisão humano é um dos grandes desafios da Engenharia e Ciência da Computação. Modelos clássicos de Inteligência Artificial são, em geral, baseados em algoritmos determinísticos e estatística bayesiana. Por construção, esses modelos apresentam dificuldades em descrever o processo de tomada de decisão humano que, por sua vez, carrega um ingrediente de indeterminação no processo de escolha. O objetivo deste trabalho é investigar os aspectos matemáticos da computação quântica que possam oferecer uma abordagem para a construção de modelos de Inteligência Artificial que levem em conta uma incerteza na modelagem do processo cognitivo humano. Particularmente, investigamos o fenômeno conhecido na literatura da psicologia quantitativa como efeito de ordem: em um questionário sequenciado, aplicado a um grupo de indivíduos, a distribuição bayesiana de suas respostas não se altera com o reordenamento das questões. Esse efeito é tido como irracional pois, na prática, respostas dadas a perguntas prévias podem influenciar aquelas a serem dadas a questões posteriores. Neste trabalho mostramos que a aplicação de ferramentas da mecânica quântica na modelagem de bits é capaz de capturar inversões de distribuições de probabilidades em situações do tipo tomada de decisão, como o efeito de ordem. Mon, 01 Jan 2024 00:00:00 GMT http://www.monografias.ufop.br/handle/35400000/9273 2024-01-01T00:00:00Z http://www.monografias.ufop.br/handle/35400000/9224 Título: BioTrace Lock : sistema biométrico de bloqueio seguro com registro e rastreabilidade. Autor(es): Santos, Jardel Jiliardi dos Resumo: Este trabalho apresenta o desenvolvimento e a validação de uma Caixa de Bloqueio Biométrica, cujo objetivo é modernizar e tornar mais seguras as práticas de Lockout/Tagout em ambientes industriais. A justificativa baseou-se na necessidade de ampliar a rastreabilidade, a confiabilidade e o controle operacional nas atividades de isolamento de energia, reduzindo riscos associados à remoção indevida de dispositivos durante a manutenção e atendendo às Normas Regulamentadoras NR-10 e NR-12. A metodologia adotada compreendeu o levantamento de requisitos, o projeto eletrônico da solução, a implementação de firmware em C++ para microcontrolador, a integração de componentes (sensor óptico de impressão digital, módulo de comunicação e relé de acionamento) e a realização de testes funcionais em ambiente controlado. O desenvolvimento apoiou-se em referenciais teóricos sobre biometria, segurança industrial e rastreabilidade de processos. O sistema foi implementado utilizando a placa de desenvolvimento Wemos D1 R1, baseada no microcontrolador ESP8266, aliada a um sensor óptico de impressões digitais modelo R305. Além das rotinas de cadastro, autenticação e acionamento do mecanismo de bloqueio, a solução possibilita a operação em tempo real por meio da integração com um sistema de gerenciamento de bloqueios. Nesse sistema, são registradas as caixas de bloqueio em operação, os usuários autorizados a utilizá-las, bem como o monitoramento do tempo de execução das atividades e a situação dos treinamentos obrigatórios dos funcionários envolvidos. Thu, 01 Jan 2026 00:00:00 GMT http://www.monografias.ufop.br/handle/35400000/9224 2026-01-01T00:00:00Z http://www.monografias.ufop.br/handle/35400000/9182 Título: Potencialidade do business inteligence na gestão da atenção primária em saúde : um enfoque prático. Autor(es): Oliveira, Stephane Matos Resumo: A crescente digitalização dos processos no setor público tem ampliado significativamente o volume de dados gerados na área da saúde. No Brasil, o Sistema Único de Saúde (SUS) dispõe de diversos sistemas de informação que subsidiam o planejamento e a gestão de políticas públicas, destacando-se o Cadastro Nacional de Estabelecimentos de Saúde (CNES), que reúne informações sobre estabelecimentos, leitos e profissionais em todo o território nacional. Entretanto, a simples disponibilidade dos dados não é suficiente para garantir sua utilização efetiva. Para que a informação gere valor, é necessário que os dados sejam organizados, padronizados e estruturados de forma adequada ao contexto analítico. Nesse sentido, este trabalho teve como objetivo refatorar os painéis de Business Intelligence baseados nos dados do CNES, visando ao aprimoramento da clareza visual, da usabilidade, do desempenho e da confiabilidade das informações apresentadas. A metodologia adotada envolveu a construção de um pipeline de dados ELT (Extract, Load, Transform) estruturado em Python, responsável por extrair, carregar e transformar as informações provenientes da plataforma ElastiCNES. Os dados foram organizados em camadas lógicas (RAW, Staging e Dimensional) em um banco de dados PostgreSQL, aplicando-se técnicas de limpeza, padronização, normalização e modelagem dimensional segundo os princípios de Kimball. A partir dessa base estruturada, foram desenvolvidos dashboards no Power BI organizados em módulos temáticos (Leitos, Panorama Geral, Profissionais), com foco em clareza informacional, interatividade e experiência do usuário, abrangendo o período de 2020 a 2025. A solução desenvolvida evidenciou melhorias significativas em relação aos painéis originais do ElastiCNES, tanto em aspectos de usabilidade quanto de qualidade informacional e capacidade analítica. Este trabalho reforça o potencial do Business Intelligence como instrumento de apoio à gestão, ao planejamento e à tomada de decisão no setor público de saúde, demonstrando que a qualidade da visualização é tão relevante quanto a qualidade dos dados subjacentes. Thu, 01 Jan 2026 00:00:00 GMT http://www.monografias.ufop.br/handle/35400000/9182 2026-01-01T00:00:00Z http://www.monografias.ufop.br/handle/35400000/9143 Título: Modelagem da curiosidade social para diversificação e personalização de recomendações de músicas online. Autor(es): Polita, Luiza Borges Resumo: Este trabalho investiga como incorporar curiosidade social para diversificar recomendações em consumo de música online, integrando históricos individuais do LFM-1b e a rede de amizades do Last.fm via \texttt{user-id} e avaliando em partição temporal (4 semanas de treino seguidas de 4 semanas de teste). Foi proposto um método que combina variáveis colativas (novidade, incerteza, conflito e complexidade) com sinais sociais (influências direta e indireta e novidade social) e reordena candidatos de modo a aproximar o estímulo do usuário de sua zona ótima. O protocolo compara duas estratégias: um ranqueador por frequência e um ranqueador orientado por curiosidade, medidos por precisão (MAP@K) e diversidade entre usuários (IUS@K). Em quatro execuções independentes, o ranqueador por frequência superou o de curiosidade em precisão (MAP), sendo em média 1,37× melhor no Top-10, 1,42× no Top-20 e 1,50× no Top-50 (com variações por run de 0,90–2,03×, 0,94–2,08× e 1,02–2,13×, respectivamente). Em contrapartida, o ranqueador por curiosidade superou o de frequência em diversidade entre usuários (IUS), alcançando ganhos médios de 0,69× no Top-10, 1,95× no Top-20 e 3,25× no Top-50 (faixas 0,20–0,93×, 1,73–2,14× e 2,89–3,55×, respectivamente), indicando listas menos homogêneas e maior descoberta conforme o corte do ranking aumenta. Esses resultados evidenciam o trade-off entre precisão imediata e exploração, mostrando que sinais de curiosidade social podem aumentar diversidade com perda controlada de MAP. Como contribuição prática, o estudo entrega um processo reprodutível de fusão histórico-social e um método de ranqueamento por estímulo; como próximos passos, propõe-se um sistema híbrido que una colaborativo, texto e curiosidade social para melhorar equilíbrio entre relevância e descoberta em cenários de teste temporal. Thu, 01 Jan 2026 00:00:00 GMT http://www.monografias.ufop.br/handle/35400000/9143 2026-01-01T00:00:00Z