ISSN 1518-9082 Boletim Técnico - bt.fatecsp.brbt.fatecsp.br/media/bulletins/BT39-v3.pdf · Boletim Técnico da Faculdade de Tecnologia de São Paulo – FATEC/SP Praça Coronel Fernando

ISSN 1518-9082

Boletim Técnico da Faculdade de Tecnologia de São Paulo

BT/39

São Paulo – Junho/2015

BOLETIM TÉCNICO DA FACULDADE DE TECNOLOGIA DE SÃO PAULO ISSN 1518-9082

VOLUME 39 - JUNHO/2015

CEETEPSCentro Estadual de Educação Tecnológica "Paula Souza" Governo do Estado de São Paulo

Conselho EditorialDiretora da FATEC-SPProf ª. Dr ª. Luciana Reyes Pires Kassab

Vice-Diretor da FATEC-SPProf. Dr. Juarez Antonio Delibo

Editor PresidenteProfª. Drª. Regina Maria Ricotta

Corpo editorialProf. Dr. Eduardo Acedo Barbosa Prof ª. Me. Elizabeth Neves Cardoso Prof. Dr. Marcelo Bariatto Andrade Fontes Prof. Dr. Paulo Jorge Brazão Marcos Prof. Dr. Silvio do Lago Pereira Prof. Dr. Francisco Tadeu Degasperi

Edição Web: CEPE - Centro de Pesquisa - FATEC/SP

O Boletim Técnico é uma publicação da FATEC/SP para divulgação de trabalhos científicos e tecnológicos realizados por docentes e discentes das FATECs nas áreas dos cursos: Análise e Desenvolvimento de Sistemas; Automação de Escritórios e Secretariado; Edifícios; Eletrônica Industrial; Gestão de Turismo; Gestão Empresarial EAD; Hidráulica e Saneamento Ambiental; Instalações Elétricas; Materiais; Materiais, Processos e Componentes Eletrônicos; Mecânica de Precisão; Movimentos de Terra e Pavimentação; Processos de Produção; Projetos e Soldagem.

Regras, normas e submissão on-line encontram-se no endereço: http://bt.fatecsp.br

Boletim Técnico da Faculdade de Tecnologia de São Paulo – FATEC/SP Praça Coronel Fernando Prestes, 30 01124-060 São Paulo, SP Contato: [email protected]

BOLETIM TÉCNICO DA FACULDADE DE TECNOLOGIA DE SÃO PAULO

BOLETIM TÉCNICO DA FACULDADE DE TECNOLOGIA DE SÃO PAULO VOLUME 39 – JUNHO/2015

SUMÁRIO

ALGORITMO EVOLUCIONÁRIO PARA APRENDIZAGEM DE CONCEITOS Rodrigo Morgon, Silvio do Lago Pereira...............................................................................................................................................1

ANÁLISE DE CARACTERÍSTICAS MECÂNICAS DE MATERIAIS RECICLADOS COM A UTILIZAÇÃO DE ESPUMA ASFÁLTICA Josué Alves Roso, André Luis Martin, Ronaldo Almeida Costa, Fernando Augusto Uyehara Mantuani.............................................7

CARACTERIZAÇÃO DO EXPERIMENTO DO TUBO DE IMPEDÂNCIA DE UM MICROFONE Roberto Outa, Fábio Roberto Chavarette............................................................................................................................................12

CONDICIONAMENTO DE SINAIS ANALÓGICOS PARA APLICAÇÕES INDUSTRIAIS Lucas da Silva Candido, Leandro Zeidan Toquetti..............................................................................................................................16

DIFRAÇÃO DE RAIOS-X E ANÁLISE RIETVELD NA HIDRATAÇÃO DE CIMENTOS EM MODO DINÂMICO E ESTÁTICO – APONTAMENTOS Cleusa Maria Rossetto, Xabier Turrillas.............................................................................................................................................22

ESTUDO DO ÍNDICE DE PERDA DO CURSO DE MOVIMENTO DE TERRA E PAVIMENTAÇÃO DA FATEC-SP Décio Moreira.......................................................................................................................................................................................29

EXPERIÊNCIA DO ENSINO DE METODOLOGIA DE PROJETOS EM SISTEMAS BIOMÉDICOS Marcos José de Lima............................................................................................................................................................................35

MINIATURIZAÇÃO DE PRÉ-COLUNA CROMATOGRÁFICA: PRODUÇÃO E TESTES Gabriel Antonio Fernandes Soga, Walter Pichi Jr., Daniel Couto Gatti, Maria Lúcia Pereira da Silva...........................................41

REGRESSÃO SIMBÓLICA COM SELEÇÃO POR AMOSTRAGEM Rodrigo Morgon, Silvio do Lago Pereira.............................................................................................................................................47

ALGORITMO EVOLUCIONÁRIO PARA APRENDIZAGEM DE CONCEITOS

Rodrigo Morgon¹, Silvio do Lago Pereira²

¹Aluno do Curso de Análise e Desenvolvimento de Sistemas – FATEC-SP ²Prof. Dr. do Departamento de Tecnologia da Informação – FATEC-SP

[email protected], [email protected]

Resumo

Aprendizagem de conceitos é uma técnica que permi-te ao computador aprender a reconhecer objetos de uma classe (a partir de exemplos e contraexemplos) e que tem

aplicações práticas em várias áreas, tais como medicina, economia, negócios, biologia e computação. O objetivo desse trabalho é propor um algoritmo evolucionário para aprendizagem de conceitos e, com base nele, criar um sistema correspondente denominado ECL (Evolutionary

Concept Learner). Para avaliar a viabilidade dessa pro-posta, foi feita uma comparação do ECL com outros três sistemas de aprendizagem tradicionais: MLP (Multilayer

Perceptron), ID3 (Iterative Dichotomiser) e NB (Naïve

Bayes). Os resultados dessa comparação mostraram que, embora nenhum dos sistemas comparados possa ser con-siderado o melhor em todos os casos, no geral, o sistema ECL teve um ótimo desempenho.

1. Introdução

A capacidade de aprender por meio de experiência é essencial para o comportamento inteligente. De fato, a aprendizagem de máquina [1] é uma importante área da inteligência artificial que visa projetar algoritmos capazes de aprender, melhorando automaticamente seu desempe-nho como resultado de sua própria experiência. Há várias tarefas em aprendizagem de máquina, tais como classifi-cação, agrupamento e associação. Nesse artigo, o foco é aprendizagem de conceitos, um tipo particular de classi-ficação com aplicações práticas em diversas áreas [2].

Essencialmente, um conceito é um conjunto de ob-jetos de um universo , cada um deles descrito por uma lista de atributos. Um objeto é um exemplo positi-vo de se e só se (caso contrário, é um exemplo negativo de ). Um exemplo rotulado é um par ordena-do , em que é um objeto e é um rótulo de classe. Um conjunto de exemplos rotulados para um conceito desconhecido a ser aprendido é um conjunto de

treinamento. Dado um conjunto de treinamento, a tarefa de aprendizagem de conceitos consiste em encontrar uma hipótese que melhor se ajuste ao conjunto de treinamen-to e que possa ser usada para predizer corretamente a clas-se de um objeto, como uma função de seus atributos [3].

Um algoritmo que aprende a partir de exemplos deve encontrar uma hipótese, no espaço de todas as possíveis hipóteses, que melhor caracterize os objetos pertencentes ao conceito sendo aprendido. Claramente, a complexi-dade desse espaço de busca depende de como as hipóte-ses são representadas pelo algoritmo. Há três métodos tradicionalmente usados para aprendizagem a partir de exemplos [1]: MLP (Multilayer Perceptron), que repre-senta hipóteses usando redes neurais, ID3 (Iterative

Dichotomiser), que representa hipóteses usando árvores de decisão e NB (Naïve Bayes), que representa hipóteses usando distribuições de probabilidades.

Esse artigo propõe uma abordagem evolucionária em que as hipóteses são representadas por expressões

booleanas. A motivação para essa proposta foi inspirada no fato de que algoritmos evolucionários [4] são méto-dos de busca estocástica e adaptativa que têm excelente desempenho com grandes espaços de busca [5]. Basica-mente, um algoritmo evolucionário manipula uma popu-lação de indivíduos representando possíveis hipóteses. A cada geração, a aptidão de cada indivíduo (e.g., a pre-cisão da hipótese correspondente em relação ao conjun-to de treinamento) é calculada e alguns dos melhores indivíduos são selecionados para gerar novos indivíduos que irão compor a próxima geração da população. Este processo é repetido até que uma condição terminal seja satisfeita (e.g., até que um número máximo de gerações seja atingido). No final, o melhor indivíduo na popula-ção é devolvido como resposta do algoritmo.

Para avaliar o desempenho do algoritmo proposto, um sistema correspondente, chamado ECL (Evolutionary Concept Learner), foi desenvolvido e uma comparação com os sistemas MLP, ID3 e NB foi efetuada. Essa com-paração, baseada em dados coletados de situações do mundo real, mostrou que nenhum desses sistemas pode ser considerado o melhor em todos os casos analisados; porém, na maioria deles, ECL tem o melhor desempenho.

O restante desse artigo está organizado do seguinte

modo: a Seção 2 introduz os fundamentos da aprendiza-gem de conceitos; a Seção 3 descreve os principais deta-lhes do algoritmo evolucionário proposto, bem como do sistema correspondente que foi desenvolvido; a Seção 4 descreve os experimentos feitos para avaliar o desempe-nho do sistema desenvolvido; e, finalmente, a Seção 5 apresenta as conclusões deste trabalho.

2. Aprendizagem de conceitos

Esta seção aborda os fundamentos da aprendizagem

de conceitos, usados na implementação do sistema ECL.

2.1. Objetos e Conceitos

Um objeto pode ser descrito por uma tupla de atribu-tos. Um atributo é uma variável qualitativa (nominal ou categórica) ou quantitativa (discreta ou contínua). Nesse trabalho, apenas atributos nominais são considerados. O conjunto de todos os possíveis objetos (tuplas de atribu-tos) é chamado universo. Por exemplo, considere o pro-blema Lenses [?], em que os objetos denotam pacientes de uma clínica de oftalmologia, descritos por tuplas da forma , sendo:

Boletim Técnico da FATEC-SP — BT/39 — Junho / 2015 1

, ,

, .

Claramente, para o problema Lenses, o universo contém objetos distintos.

Um conceito pode ser definido por uma função que mapeia objetos do universo em elementos do conjunto

ou, equivalentemente, do conjunto . Por exemplo, o conceito de pacientes com prescrição de usar lentes de contato pode ser descrito pela expressão booleana .

2.2. Exemplos e Conjuntos de Dados

Se é um conceito em um universo , então . Dado um objeto , pode-se dizer que é um exem-plo positivo de se e somente se ; caso contrário,

é um exemplo negativo de . Por exemplo, o objeto é um exemplo positivo do

conceito de paciente com prescrição para uso de lentes; e, por outro lado, o objeto é um exemplo negativo desse mesmo conceito.

Um exemplo rotulado é um par , em que é um objeto e é um rótulo de classe. Por exemplo, no problema Lenses, e

são exemplos correta-mente rotulados. Um conjunto de exemplos rotulados de um conceito a ser aprendido é denominado conjunto de

dados. Um conjunto de dados é dividido em duas partes: conjunto de treinamento e conjunto de validação. O conjunto de treinamento é usado pelo sistema de aprendi-zagem para formular uma hipótese que possa predizer

corretamente a classe de cada objeto do universo consi-derado, em função de seus atributos. Por outro lado, o conjunto de validação é usado para avaliar a qualidade da hipótese formulada pelo sistema de aprendizagem.

2.3. Avaliação de Hipóteses

As métricas mais usadas para avaliação de hipóteses são obtidas a partir da análise de uma matriz de confusão, ilustrada na Tabela I. Dada uma hipótese , a matriz correspondente é criada com o resultado da comparação entre e , para cada exemplo no conjunto de validação. Quando , temos um verdadeiro po-sitivo (se ) ou um verdadeiro negativo (se ). Inversamente, quando , temos um falso posi-tivo (se ) ou um falso negativo (se ).

Tabela I - Matriz de confusão.

Várias métricas úteis podem extraídas de uma matriz

de confusão [6]. A acurácia, definida por , é o percentual de objetos correta-

mente classificados pela hipótese. A taxa de verdadeiro

positivo ( ), dada por , é o percentual de objetos corretamente classificados como exemplos positi-vos. A taxa de verdadeiro negativo ( ), por

, é a percentual de objetos corretamente classifica-dos como exemplos negativos.

Embora a acurácia seja a medida mais comumente usada no contexto de classificação, observa-se que esta não é a medida de desempenho mais adequada quando se têm conjuntos de treinamento desbalanceados (e.g., conjuntos de dados com poucos exemplos positivos e muitos exemplos negativos). Por exemplo, seja uma hipótese que classifica todos os exemplos do universo como negativos. Então, para um conjunto de dados com apenas de exemplos positivos, a hipótese tem acurácia de . Nesse caso, recomenda-se o uso da mé-dia geométrica entre e , chamada medida-G. De fato, essa é a métrica adotada nesse trabalho.

3. A Abordagem Evolucionária Proposta

A abordagem evolucionária [7] é baseada em algo-ritmos de busca estocásticos que são inspirados na teoria da evolução de Darwin. Diversas técnicas são agrupadas sob a denominação genérica de algoritmo evolucionário [8]. Todas elas compartilham três características princi-pais: uso de uma população de indivíduos representando soluções candidatas; uso de operadores genéticos para geração de novos indivíduos na população; e uso de uma medida de aptidão para selecionar indivíduos que devem sobreviver de uma geração para outra (Figura 1).

Figura 1 – Ciclo de um algoritmo evolucionário.

O algoritmo proposto nesse artigo combina ideias de diferentes tipos de algoritmos evolucionários: da pro-gramação genética [9], ele usa a ideia de representar os indivíduos da população por árvores; da programação evolucionária [10], ele usa a ideia de aplicar apenas mutação para gerar novos indivíduos na população e, por fim, da estratégia evolutiva [11], ele usa o esquema de seleção + para evoluir a população através das gerações. Essas ideias, com base nas quais o sistema de aprendizagem de conceitos ECL foi desenvolvido, são discutidas mais detalhadamente nas próximas seções.

3.1. Criação de Árvores

Uma expressão booleana pode ser representada por uma árvore cujas folhas são rotuladas com testes sobre atributos e cujos nós internos são rotulados com opera-dores booleanos. Por exemplo, a Figura 2 mostra uma árvore representando a expressão

.

Figura 1 – Expressão representada por árvore.

A representação em árvore facilita a implementação das operações sobre expressões booleanas, que precisam ser efetuadas pelo algoritmo evolucionário proposto.

not

astigmatic=yes

and

or

age=young tears_rate=norm

2 Boletim Técnico da FATEC-SP — BT/39 — Junho / 2015

Em programação genética [9], há dois métodos para geração de árvores aleatórias: o método full cria árvores completas nas quais todas as folhas são posicionadas no último nível; por outro lado, o método grow cria árvores de formas mais variadas. Apesar de fáceis de implemen-tar, esses métodos têm a desvantagem de não garantir uma distribuição uniforme das árvores que são geradas. Assim, por exemplo, quando o número de testes sobre atributos é muito maior que o número de operadores, o método grow frequentemente gera árvores com apenas uma folha; inversamente, se o número de operadores é muito maior, o método grow se comporta quase que de maneira idêntica ao método full. Para evitar essa limita-ção, um novo método de geração de árvores aleatórias é usado nesse trabalho.

Uma distribuição uniforme é obtida com base num limite superior para o número de árvores que podem ser criadas, com altura no máximo , a partir da combina-ção de testes sobre atributos e operadores booleanos. Seja

o total de testes sobre todos os atributos usados para descrever objetos em um determinado universo. Então, considerando que apenas os operadores , e sejam usados, o limite superior desejado, , pode ser indutivamente definido como segue: se , a raiz da árvore deve ser rotulada por um teste sobre atributo e, então, . Caso contrário, se , cada árvore enraizada num nó rotulado por um teste sobre atributo é uma árvore de altura no máximo ; cada árvore de altura no máximo , estendida com uma raiz rotula-da com operador é uma árvore de altura no má-ximo ; e cada par de árvores de altura no máximo

, combinadas por uma raiz rotulada com ou é uma árvore de altura no máximo ; portanto,

. Assim, uma distribuição uni-forme de árvores aleatórias pode ser garantida se, durante a criação de uma árvore, as escolhas de testes e operadores (unário e binário) para rotular sua raiz fo-rem feitas com probabilidades iguais a , , e , respectivamente, e se suas subárvores forem criadas recursivamente.

3.2. Mutação de Árvores Depois de criada, uma árvore pode ser modificada pela

função de mutação. Essa função seleciona aleatoriamente uma operação de modificação, aplica essa operação na árvore e devolve a árvore mutante resultante. Há duas operações de modificação que podem ser aplicadas a uma árvore: modificação interna e modificação externa.

Quando uma modificação interna é aplicada, um nó interno da árvore é aleatoriamente selecionado para sofrer mutação e: (a) seu rótulo é aleatoriamente substituído por outro do mesmo tipo (preservando a altura da árvo-re, como mostra a Figura 3), ou (b) a subárvore enraiza-da nesse nó é substituída por uma árvore aleatória de altura no máximo 2 (possivelmente diminuindo a altura da árvore, como mostra a Figura 4).

Por outro lado, quando uma modificação externa é

aplicada, um nó externo da árvore é aleatoriamente sele-cionado para sofrer mutação e: (a) seu rótulo é aleatoria-mente substituído por outro do mesmo tipo (preservan-do a altura da árvore, como mostra a Figura 5), ou (b) a

subárvore enraizada nesse nó é substituída por uma ár-vore aleatória de altura no máximo 2 (possivelmente au-mentando a altura da árvore, como mostra a Figura 6).

Figura 3 – Modificação interna (a).

Figura 4 – Modificação interna (b).

Figura 5 – Modificação externa (a).

Figura 6 – Modificação externa (b).

and

age=young and

astigmatic=no not

tears_rate=normal

and

age=young and

prescription=myope astigmatic=no

and

age=young and


and

age=young and

tears_rate=reduced astigmatic=no

and

age=young and


and

age=young tears_rate=normal

Figura 2 - Mutação interna

and

age=young and


and

age=young or



3.3. Avaliação de Árvores

Como dito anteriormente, cada árvore representa uma possível hipótese sobre um conceito sendo aprendido a partir de um conjunto de exemplos. Assim, a qualidade de uma árvore depende de sua avaliação nesse conjunto de exemplos. No algoritmo proposto, a avaliação de ár-vores é feita com o uso de expressões lambda da forma

, onde é uma expressão booleana sobre os atributos .

Data uma árvore , uma função lambda correspon-dente, , pode ser facilmente obtida. Ademais, como cada exemplo no conjunto de treinamento é um par

, em que é um objeto descrito pelos atributos , o rótulo de classe associado a pela árvore

pode ser determinado pela simples avaliação de . Assim, a matriz de confusão para pode ser obtida pe-la avaliação de , para cada objeto no conjunto de treinamento (vide Subseção 2.3). A partir dessa ma-triz, várias métricas de desempenho para podem ser extraídas, como, por exemplo, acurácia e medida-G.

3.4. Seleção de Árvores

Em programação genética, o método mais usado para geração da população inicial é conhecido como ramped half-and-half [9]. Esse método resulta da combinação dos métodos grow e full, definidos na Subseção 3.1. Porém, esses métodos não garantem uma distribuição uniforme das árvores na população inicial. Assim, para garantir essa propriedade, o algoritmo proposto usa uma função de geração de árvores aleatórias uniforme para criar a população inicial. Ademais, para garantir que as árvores na população sejam todas distintas, o algoritmo usa uma tabela de dispersão para manter a população. De fato, nessa tabela, cada árvore é uma chave à qual são associados um valor , indicando seu desempe-nho no conjunto de treinamento, e um valor , indi-cando seu número de nós. Essa técnica evita o reproces-samento de árvores idênticas, que seria um desperdí-cio de recursos computacionais, e contribui para aumen-tar a diversidade da população, o que é um benefício.

A cada geração, o algoritmo transforma a população corrente em uma nova população, usando o esquema de seleção [11]. Primeiramente, cada uma das árvo-res na população corrente produz um descendente mutan-te que incluído na população (i.e., uma nova entrada com a árvore mutante, sua medida de desempenho e seu tamanho é criada na tabela de dispersão). Em seguida, a partir da população resultante com árvores distintas, apenas as árvores com maior aptidão (i.e., fitness) são selecionadas para sobreviver na próxima geração. Esse esquema de seleção é altamente elitista e garante que, ao longo de todo o processo de evolução, a aptidão média da população nunca decresce.

A aptidão de uma árvore é um valor que depende de seu desempenho . Assim, árvores com melhores desempenhos devem ter maior aptidão. Ademais, de acordo com o princípio de parcimônia [9], a melhor hi-pótese é sempre aquela mais simples. Assim, árvores menores também devem ter maior aptidão. Portanto, o objetivo do processo evolutivo é maximizar o desem-penho e minimizar o tamanho das árvores.

Sejam e , respectivamente, a medida-G e o tama-nho da melhor árvore numa população de árvores mães. O peso de uma árvore com relação à melhor árvore mãe é . A aptidão de uma árvore é . Quando a população com árvores mães e filhas é colocada em ordem decrescente de aptidão, as árvores com maiores medidas-G e menores tamanhos são agrupadas na pri-meira metade da sequência ordenada. Então, tomando a

primeira metade dessa sequência, temos as árvores mais aptas que devem sobreviver na próxima geração.

3.5. O Sistema Desenvolvido

Com base nas ideias discutidas nas seções anteriores, um sistema de aprendizagem, chamado ECL (Evolutiona-ry Concept Learner), foi desenvolvido em Python [12]. Essa linguagem foi escolhida devido às suas facilidades para lidar com árvores, expressões lambda e tabelas de dispersão. Esse sistema é composto por duas funções: a primeira delas evolui uma população de hipóteses e, no final, devolve a melhor hipótese (com relação ao con-junto de treinamento); a segunda delas avalia essa melhor hipótese (com relação ao conjunto de validação) e re-porta algumas estatísticas correspondentes.

4. Resultados Empíricos

Os experimentos descritos nessa seção comparam o ECL a três sistemas de aprendizado tradicionais [1], em-butidos no Weka (Waikato Environment for Knowledge Analysis) [13] (i.e., MLP, ID3 e NB), com o objetivo de verificar se o desempenho do ECL em aplicações reais pode ser comparável àqueles dos métodos tradicionais.

Para tanto, uma ampla avaliação empírica, usando 14 con-juntos de dados, foi efetuada. Esses conjuntos de dados foram selecionados de repositórios públicos bem conhe-cidos na comunidade de aprendizado de máquina (KEEL [14] e UCI [15]), levando-se em conta o tipo dos atributos usados na descrição dos exemplos, bem como o número

de classes. Somente conjuntos de dados com atributos nominais foram selecionados. Ademais, para conjuntos de dados com mais que duas classes, uma das classes foi aleatoriamente escolhida como classe positiva e as de-mais foram agrupadas para formar a classe negativa.

Em todos os experimentos, os mesmos conjuntos de dados foram usados como entrada para todos os siste-mas. Além disso, todos os resultados do ECL foram

obtidos com uma população de 25 árvores e 20 rodadas,

cada uma delas com no máximo 5000 gerações, para

cada conjunto de treinamento. O tempo de execução do ECL em cada experimento não é reportado porque é um fato bem conhecido que abordagens evolucionárias são naturalmente mais lentas que métodos tradicionais de aprendizado. Entretanto, os tempos de execução mínimo e máximo observados para uma rodada foram 0.1 seg. e 15.71 min., respectivamente. O tempo de execução médio foi 3 min., executando o sistema ECL implementado em Python 2.6.7, num processados Intel Core i5-1.6 GHz, com 4GB de memória e sistema operacional Windows 7. De qualquer forma, em aplicações de aprendizado de conceitos, melhores soluções devem compensar tempos de execução mais longos.


4.1. Conjuntos de Dados

Os conjuntos de dados selecionados para os experi-mentos são provenientes de aplicações práticas reais tais como diagnóstico (breast, heart, lenses, post-operative), tomada de decisão (bankruptcy, housevotes, nursery), jogos eletrônicos (chess, kr-vs-k, tic-tac-toe) e estudos biológicos (mushroom, zoo). Esses conjuntos de dados

são subdivididos em conjunto de treinamento e conjunto de validação. Os tamanhos desses conjuntos são dados na Tabela II.

4.2. Discussão dos Resultados

O procedimento adotado para obtenção dos resulta-dos apresentados na Tabela II foi o seguinte: para cada conjunto de dados, o Weka foi executado três vezes, uma vez para cada um dos sistemas considerados na comparação (NB, ID3 e MLP), e as medidas exibidas pelo Weka (i.e., acurácia, TVP, TVN, medida-G) foram devidamente registradas. Cada um desses sistemas foi executado apenas uma vez porque, como eles são deter-minísticos, apresentam sempre os mesmos resultados. Por outro lado, o ECL foi executado 20 vezes; sendo que,

a cada vez, foram registradas mesmas medidas já citadas. Então, após as 20 rodadas, foram calculados a média, o desvio padrão e o máximo das medidas registradas.

A análise dos dados exibidos na Tabela II mostra que o ECL teve um ótimo desempenho na maioria dos casos. Mais precisamente, com relação à medida-G, o sistema ECL teve o melhor desempenho em 12 dos 14 conjuntos de dados considerados. Evidentemente, esse resultado deve-se ao fato de o ECL ser um algoritmo esto-cástico e pressupõe que o usuário dispõe de tempo para executar o sistema várias vezes para um mesmo conjun-to de dados e, então, selecionar a melhor hipótese obtida.

Vale lembrar que, como mencionado na Seção 2.3, a medida-G é uma métrica de desempenho mais informa-tiva que a acurácia (sobretudo quando o conjunto de da-dos é desbalanceado). Isso pode ser visto na Tabela III. Por exemplo, para o conjunto breast, o NB é o sistema

com maior acurácia (69.1%), seguido por MLP (65.5%). Porém, quando as taxas de verdadeiros positivos e nega-tivos (TVP e TVN) são analisadas, pode-se perceber que o MLP tem maior capacidade de predizer corretamente a classe de objetos positivos e negativos. Assim, maior acurácia nem sempre indica maior poder preditivo.

Tabela II – Resultados dos experimentos.

Conjunto de dados

Exemplos de Treinamento + Validação

Acurácia Medida-G

NB ID3 MLP ECL

NB ID3 MLP ECL

Média ±±±± σσσσ Máx. Média ±±±± σσσσ Max.

Bankruptcy 124+126 98.4 99.2 98.4 98.9 ± 0.770 100.0 0.983 0.993 0.983 0.990 ± 0.007 1.000

Breast 222+50 69.1 52.7 65.5 58.0 ± 5.243 69.1 0.555 0.446 0.599 0.537 ± 0.063 0.658

Car 1382+346 93.4 94.8 98.8 95.5 ± 1.367 97.4 0.927 0.987 0.991 0.967 ± 0.011 0.981

Chess 2557+639 89.7 99.5 99.1 96.9 ± 0.896 98.0 0.895 0.996 0.991 0.968 ± 0.009 0.980

Flare 1066+1066 92.2 97.9 97.8 90.0 ± 1.542 92.3 0.779 0.817 0.803 0.924 ± 0.009 0.936

Heart 80+187 64.7 65.2 65.2 64.9 ± 3.001 71.1 0.650 0.645 0.643 0.635 ± 0.038 0.709

Housevotes 186+46 95.7 89.1 93.5 94.2 ± 2.405 97.8 0.960 0.894 0.938 0.942 ± 0.024 0.980

Kr-vs-k 1450+1451 57.7 87.0 79.6 87.7 ± 9.492 97.1 0.722 0.752 0.888 0.924 ± 0.056 0.985

Lenses 19+5 60.0 60.0 80.0 78.0 ± 6.000 80.0 0.577 0.577 0.816 0.792 ± 0.072 0.816

Mushroom 4515+1129 97.3 100.0 100.0 100.0 ± 0.000 100.0 0.967 1.000 1.000 1.000 ± 0.000 1.000

Nursery 10368+2592 100.0 100.0 100.0 100.0 ± 0.000 100.0 1.000 1.000 1.000 1.000 ± 0.000 1.000

Post-operative 70+17 76.5 52.9 58.8 55.9 ± 10.097 70.6 0.447 0.381 0.387 0.402 ± 0.185 0.632

Tic-tac-toe 766+192 72.4 86.5 97.4 91.2 ± 3.159 98.4 0.592 0.878 0.966 0.874 ± 0.046 0.977

Zoo 81+20 90.0 100.0 100.0 99.0 ± 2.550 100.0 0.943 1.000 1.000 0.982 ± 0.068 1.000

Tabela III – Comparação entre taxas de acerto e acurácia.

Conjunto de dados NB ID3 MLP

TVP TVN Acurácia TVP TVN Acurácia TVP TVN Acurácia

Bankruptcy 0.981 0.986 98.4 1.000 0.986 99.2 0.981 0.986 98.4

Breast 0.821 0.375 69.1 0.694 0.286 52.7 0.718 0.500 65.5

Car 0.942 0.913 93.4 0.975 1.000 94.8 0.983 1.000 98.8

Chess 0.916 0.875 89.7 0.995 0.997 99.5 0.985 0.997 99.1

Flare 0.651 0.934 92.2 0.674 0.992 97.9 0.651 0.992 97.8

Heart 0.563 0.750 64.7 0.699 0.595 65.2 0.709 0.583 65.2

Housevotes 1.000 0.920 95.7 0.952 0.840 89.1 1.000 0.880 93.5

Kr-vs-k 0.925 0.564 57.7 0.633 0.893 87.0 1.000 0.788 79.6

Lenses 0.500 0.667 60.0 0.500 0.667 60.0 1.000 0.667 80.0

Mushroom 0.940 0.994 97.3 1.000 1.000 100.0 1.000 1.000 100.0

Nursery 1.000 1.000 100.0 1.000 1.000 100.0 1.000 1.000 100.0

Post-operative 0.200 1.000 76.5 0.200 0.727 52.9 0.200 0.750 58.8

Tic-tac-toe 0.904 0.388 72.4 0.925 0.833 86.5 0.992 0.940 97.4

Zoo 1.000 0.889 90.0 1.000 1.000 100.0 1.000 1.000 100.0


5. Conclusões Aprendizagem de conceitos é um tipo de tarefa de

classificação para a qual existem diversas técnicas e apli-cações práticas. Porém, nenhuma dessas técnicas é capaz de resolver todos os problemas de aprendizagem possíveis com alto desempenho. Sendo assim, novas abordagens para aprendizagem de máquina são sempre bem vindas.

Neste artigo, um novo algoritmo evolucionário para resolver problemas de aprendizagem de conceitos foi proposto e um sistema correspondente, chamado ECL, foi desenvolvido. A novidade da proposta está na combi-nação de ideias provenientes de diferentes algoritmos evolucionários canônicos (isto é, programação genética, programação evolucionária e estratégia evolutiva).

Para verificar o desempenho do ECL, foram realiza-dos experimentos usando conjuntos de dados extraídos de conhecidos repositórios públicos de aprendizagem de máquina. Esses experimentos mostraram que o ECL pode ter um bom desempenho em aplicações práticas de apren-dizagem de conceitos. Assim, a principal contribuição deste trabalho é proporcionar uma técnica alternativa e viável para resolver problemas práticos de classificação em aprendizagem de máquina.

Algumas considerações também devem ser feitas sobre o tempo de execução maior do ECL. Em primeiro lugar, observa-se que a aprendizagem de um conceito específico é uma tarefa realizada apenas uma vez; por outro lado, a hipótese aprendida é usada muitas vezes. Assim, melhores hipóteses podem justificar um tempo de execução mais longo. Em segundo lugar, devido ao inerente não-determinismo da abordagem evolucionária, quando o usuário tem mais tempo disponível, executan-do o ECL várias vezes, ele tem maior chance de obter melhores hipóteses. Claramente, o mesmo não vale para outras abordagens de aprendizagem de máquina que, por serem determinísticas, produzem sempre as mesmas hipóteses, para os mesmos conjuntos de treinamento.

Finalmente, embora a avaliação empírica feita mostre que o algoritmo proposto tem um bom desempenho geral, uma extensão natural deste trabalho seria a realização de novos experimentos para verificar como o algoritmo pro-posto de comporta com conjunto de dados desbalanceados (e.g., com poucos exemplos positivos e muitos exem-plos negativos) ou com ruídos (e.g., contendo exemplos incorretamente classificados).

Agradecimentos

Ao CNPq pela bolsa de Iniciação Científica¹ (Pro-cesso 103170/2014-6) e pela bolsa de Produtividade em Pesquisa² (Processo 305484/2012-5).

Referências Bibliográficas

[1] D. Michie; D. Spiegelhalter; C. Taylor. Machine Learning, Neural and Statistical Classification, Ellis Horwood, New York, 1994.

[2] S. B. Kotsiants; I. D. Zaharakis; P. E. Pintelas. Machine Learning: A Review of Classification and Combining Techniques, Artificial Intelligence Review, vol. 26:3, p. 159–190, 2006.

[3] L. M. Moreira. The use of Boolean Concepts in General Classification Contexts, Ph.D. Thesis, École Polythechnique Fédérale de Lausanne, 2000.

[4] D. Whitley. An Overview of Evolutionary Algo-rithms: Practical Issues and Common Pitfalls, Information and Software Technology, vol. 43, p. 817–831, 2001.

[5] J. Hekanaho. An Evolutionary Approach to Concept Learning, Ph.D. Thesis, Åbo Akademi University, Vasa, 1998.

[6] V. Labatut; H. Cherifi. Accuracy Measures for the Comparison of Classifiers, Proceedings of the 5th International Conference on Information Tech-nology, CoRR, p. 1-5, 2012.

[7] K. A. De Jong. Evolutionay Computation: A Unified Approach, MIT Press, London, 2006.

[8] T. Weise. Global Optimization Algorithms: Theory and Application, 2nd edition, 2008.

[9] J. R. Koza. Genetic Programming, MIT Press, London, 1998.

[10] L. J. Fogel. On the Organization of Intellect. Ph.D. Thesis, University of California, 1964.

[11] I. Rechenberg. Cybernetic Solution Path of an Experimental Problem, Royal Aircraft Establish-ment, Translation 1122, Farnborough, 1965.

[12] V. L. Ceder. The Quick Python Book, 2nd edition, Manning Publications Co., USA, 2010.

[13] I. H. Witten; E. Frank; M. A. Hall. Data Mining. 3rd edition, Morgan Kaufmann, Burlington, 2011.

[14] J. Alcalá-Fdez. et all. KEEL Data-Mining Soft-ware Tool: Data Set Repository, Integration of Algorithms and Experimental Analysis Frame-work, Journal of Multiple-Valued Logic and Soft Computing, vol. 17:2-3, p. 255-287, 2011.

[15] K. Bache; M. Lichman. UCI Machine Learning Repository, University of California, School of Information and Computer Science, 2013.


ANÁLISE DE CARACTERÍSTICAS MECÂNICAS DE MATERIAIS RECICLADOS COM A UTILIZAÇÃO DE

ESPUMA ASFÁLTICA

Josué Alves Roso1, André Luis Martin2 Ronaldo Almeida Costa3 Fernando Augusto Uyehara Mantuani4

1Prof. Mestre da Faculdade de Tecnologia de São Paulo 2,3,4 Alunos do curso de Movimento de Terra e Pavimentação FATEC-SP

[email protected], [email protected], [email protected], [email protected]

Resumo Os resíduos de construção e demolição (RCD), bem

como os resíduos asfálticos de petróleo (RAP) material resultante da fresagem da malha viária, vem sendo elementos que contribuem para a geração de impactos ambientais notórios, portanto, a fim de amenizar tais impactos, governos estaduais em conjunto com os municípios, desenvolvem programas que incentivam sua utilização. Esse trabalho se propôs a desenvolver estudos que verificam a viabilidade técnica da utilização desses materiais na pavimentação, para isso, foram feitos ensaios de laboratório para avaliar propriedades físicas e o comportamento mecânico desses materiais. Com o emprego da mistura desses materiais, entre si, com estabilizantes químicos e espuma de asfalto, buscou-se analisar seu comportamento, em alguns parâmetros, para verificar sua utilização na construção de pavimentos. As experimentações verificaram os resultados dos ensaios de resistência a tração (RT) por compressão diametral, ensaios de resistência Marshall.

Esse universo amostral demonstrou que, a utilização desses materiais e misturas propostas atendem as especificações brasileiras, tanto no parâmetro RT, quanto no parâmetro Marshall, demonstrando que as misturas com adição de cimento tem melhor desempenho que as com cal e que as misturas com maior quantidade de RAP tendem a ter melhor desempenho para o emprego em camadas de pavimento.

1. Introdução

Segundo dados da Confederação Nacional do Transporte (CNT) [1] de julho de 2013 o Brasil soma uma malha rodoviária de 1.584.402 km, entre estradas federais, estaduais, municipais e concessionadas. Esta modalidade de transporte é responsável por 96,2% da locomoção de passageiros e a 61,8% da movimentação de cargas no país. Em uma avaliação recente foi descoberto que 69% da malha rodoviária está em péssimo, ruim ou regular estado de conservação.

Desde 2003, até setembro de 2009, a CNT [1] mostra que foram investidos R$ 23,8 bilhões na conservação das estradas. O valor, apesar de elevado, está longe do ideal considerado pela confederação. Dados divulgados pela CNT [1] mostram que seria necessário o empenho de R$ 32 bilhões para a restauração da malha rodoviária brasileira.

Pavimentos deteriorados têm superfícies com baixa qualidade de rolagem, apresentando defeitos, como

trincas, ondulações e desagregação. A deterioração do pavimento é influenciada, em grande parte, por condições climáticas severas, alto volume de tráfego e excesso de cargas, assim como pela qualidade da construção e manutenção da estrada que são mau conservadas depois de concluídas. Essa deterioração tende a acelerar-se após vários anos de serviço, mas a recuperação oportuna com recapeamento ou reciclagem pode restaurar a serventia do pavimento e aumentar a vida de serviço da rodovia. A camada da superfície dos pavimentos asfálticos é composta de asfalto, um subproduto do petróleo, agregado mineral e areia. Diversos métodos de restauração ou conservação rodoviária e tecnologias de restauração já foram utilizados durante muitos anos, na tentativa de utilizar melhor os agregado e asfalto presentes nos pavimentos asfálticos deteriorados.

Um dos métodos mais promissores é a reciclagem de pavimentos, para a qual há uma variedade de equipamentos e processos consagrados. Estudos do Banco Mundial têm demonstrado que a reciclagem de pavimentos asfálticos é, particularmente, uma alternativa efetiva em termos de custo, quando realizada em momento oportuno. (BRASIL ENGENHARIA, 2011) [2].

Segundo Cunha et al. (2010) [3] o consenso no meio técnico internacional sobre as vantagens da reciclagem vêm também justificar por si só o desenvolvimento desta técnica. Como principais vantagens pode referir-se que a utilização de pavimentos danificados como fonte de matéria prima reduz significativamente a utilização de recursos naturais nomeadamente de agregados e betumes, promove a diminuição das zonas de vazadouro e depósito de resíduos provenientes da fresagem de antigos pavimentos com os respectivos benefícios ambientais e por fim, reduz o custo da manutenção dos pavimentos.

Uma nova alternativa de reciclagem de pavimentos com adição de espuma de asfalto está ganhando importância no mercado.

A tecnologia de espuma de asfalto é uma modalidade de reciclagem in situ a frio do pavimento, de forma que se obtém uma camada de base reciclada, utilizando-se revestimento asfáltico removido do pavimento, produtos de britagem, cimento Portland ou outro agente estabilizador.(PINTO, 2002) [4].

A utilização da espuma de asfalto traz o beneficio de poder construir, por meio da adição de pequenas


quantidades de ligante betuminoso, uma camada com capacidade estrutural adequada para suportar as cargas do tráfego atuante e também auxilia o envolvimento dos componentes granulares da mistura e permite construir, de forma econômica, camadas de bases flexíveis. (WIRTGEN, 2012) [5].

Segundo DNIT 166/2013 [6], reciclagem à frio com espuma de asfalto consiste no reaproveitamento de estruturas de pavimento danificadas através da adição de agregados pétreos, cimento Portland e de espuma de asfalto obtendo-se, assim, bases recicladas de boa qualidade.

Vários autores definem a espuma asfáltica de várias maneiras, mas que são equivalentes.

Fresar (2013) [7] afirma que a reciclagem com espuma de asfalto é um processo particular de reciclagem profundo que é o asfalto (CAP) em forma de espuma que se adere à parte fina dos materiais gerados na trituração de pavimento que está sendo reutilizado. E o processo é realizado por equipamentos projetados, dotados de tambor reciclador e controle eletrônico que adiciona água e CAP.

O DER-PR (2005) [8] define a espuma de asfalto obtida a partir da injeção de mistura de ar comprimido e pequena quantidade de água sobre cimento asfáltico de petróleo CAP aquecido por volta de 175ºC, gerando forte expansão volumétrica do ligante. Nesta condição o produto obtido é trabalhável à temperatura ambiente.

As vantagens do uso dessa tecnologia consegue entrar em harmonia com a proposta de preservar o meio ambiente, já que praticamente todo o material retirado (revestimento e/ou base) é reutilizado no mesmo momento em que o trabalho é realizado. Dessa forma, não há desperdício de materiais (quase nada é jogado fora) e, na maioria das vezes, não necessita de exploração de pedreiras e jazidas para retirada de novos materiais. (PINTO, 2002) [4].

2. Objetivo

Esta pesquisa tem por objetivo avaliar algumas características do comportamento mecânico de materiais reciclados com espuma de asfalto utilizado em pavimentos flexíveis, visando contribuir para melhor entendimento desta técnica de pavimentação.

Confeccionar corpos de prova com a mistura de materiais recicláveis de construção civil, variando suas quantidades e adicionando estabilizantes químicos, tais como cal e cimento, afim de avaliar suas características mecânicas quanto a resistência à tração e resistência Marshall. Os resultados poderão indicar o seu desempenho na utilização em camadas de pavimentos flexíveis, utilizando-se de parâmetros especificados por normas brasileiras.

3. Experimentação

Como principais parâmetros para definição de comparação e análise foram escolhidos os resultados dos ensaios Marshall e Resistência à Tração, portanto, busca-se com os ensaios determinar a estabilidade Marshall e a Resistência à Tração de materiais utilizados em camadas de pavimento flexível. Essa

etapa visa, dentro do universo amostral proposto, determinar se o composto escolhido para determinada camada de pavimento resistirá aos esforços de tração a que são submetidos ao longo de sua vida de serviço, atendendo as especificações estabelecidas para cada parâmetro verificado.

Foram utilizados para os ensaios misturas de materiais Resíduos de Construção e Demolição (RCD) e Reclaimed Asphalt Pavement (RAP) em proporções distintas e misturados com cal e cimento com emprego da espuma de asfalto para estabilização das misturas.

Resistência à tração por compressão diametral é definida como a tensão de tração que ocorre no plano diametral vertical de um corpo de prova cilíndrico, no momento da ruptura, quando o mesmo é solicitado diametralmente por uma carga de compressão (PREUSLLER, 1983) [9].

Para os ensaios de resistência a tração, os corpos de prova Marshall, após a compactação, passam por um período de cura de 72 horas em estufa a 600C, e é determinada de acordo com o método de ensaio DNIT - ME 136/2010 [10].

O DNIT -ES em sua especificação de serviço ES-166/2013 [6] define os seguintes valores mínimos de resistência à tração: • 0,25 MPa para valores de resistência à tração por compressão diametral seca • 0,15 MPa para valores de resistência à tração por compressão diametral saturada a 250C

O DER-SP em sua especificação de serviço ET-033/2006 [11] define os seguintes valores mínimos de resistência à tração: • 0,40 MPa para valores de resistência à tração por compressão diametral seca • 0,20 MPa para valores de resistência à tração por compressão diametral saturada a 250C.

Para os ensaios de Resistência Marshall foram empregados os procedimentos de acordo com a norma DNER-ME 107/94 [12] Mistura betuminosa a frio, com emulsão asfáltica - ensaio Marshall.

O DNIT em sua especificação de serviço DNIT – 153/2010 ES [13] define os seguintes valores mínimos de resistência Marshall: • 250 kgf para valores de Estabilidade mínima a 75 golpes.

O DER-SP em sua especificação de serviço ET-DE-P00/025/2006 [14] define os seguintes valores mínimos de resistência Marshall: • 350 kgf para valores de Estabilidade mínima a 75 golpes, para misturas densas.

3.1 - Matriz de ensaios Foram utilizados para os ensaios misturas de

materiais RCD e RAP em proporções distintas misturados com cal e cimento com emprego da espuma de asfalto para estabilização das misturas.

A matriz de ensaios conforme figura 1, foi definida de acordo com amostras fornecidas pela usina FREMIX para confecção dos corpos de prova.

Serão realizados 6 tipos de misturas distintas, e para observar e analisar as condições propostas, foram confeccionados cinco corpos de prova para ruptura de


Resistência a Tração a seco, cinco corpos de prova para ruptura de Resistência à Tração saturado (úmido) para cada mistura proposta e mais cinco corpos de prova de cada mistura, para ruptura à resistência Marshall.

RCD (% ) RAP (% ) CAL (% ) CIMENTO (% )

1 29 70 1

2 29 70 1

3 99 1

4 70 29 1

5 70 29 1

6 99 1

MISTURASMISTURA

Figura 1 - Matriz de ensaios com misturas RCD e RAP.

O teor de asfalto utilizado para as misturas foram

definidos pelo ensaios Marshall a frio DNER-ME107-94. • Para a mistura 1 os resultados dos ensaios

demonstraram que o teor mínimo de espuma admissível foi de 2,3%, o teor ótimo recomendável 2,6% e o teor Máximo admissível de 2,9%.

Para a mistura 2 os resultados dos ensaios foram: teor mínimo de espuma admissível 2,2%, teor ótimo recomendável 2,5%, teor Máximo admissível 2,8%.

Para a mistura 3 os resultados dos ensaios foram: teor mínimo de espuma admissível 3,0%, teor ótimo recomendável 3,3%, teor máximo admissível 3,6%.

• Para a mistura 4 os resultados dos ensaios demonstraram que o teor mínimo de espuma admissível foi de 2,4%, o teor ótimo recomendável 2,7% e o teor Máximo admissível de 2,9%.

• Para a mistura 5 os resultados dos ensaios foram: teor mínimo de espuma admissível 2,3%, teor ótimo recomendável 2,7%, teor Máximo admissível 2,9%.

• Para a mistura 6 os resultados dos ensaios foram: teor mínimo de espuma admissível 3,2%, teor ótimo recomendável 3,4%, teor máximo admissível 3,8%.

3.2 - Dosagem - espuma de asfalto A figura 2 demonstra o resultado da mistura de

asfalto nas seis misturas indicadas.

MINIMO (% ) MÁXIMO (% )

1 2,3 2,6

2 2,2 2,5

3 3,0 3,3

4 2,4 2,7

5 2,3 2,7

6 3,4 3,8

MISTURAS de ESPUMA DE ASFALTOMISTURA

Figura 2 - Quantidade de espuma de asfalto a ser

misturado nas misturas.

3.3 - Resultados dos ensaios de Resistência à tração (RT):

A tabela 1 mostra os resultados obtidos com o ensaio de Resistência à Tração, demonstrando os tipos de mistura e de ruptura de cada corpo de prova, visualizando ainda os valores médios em cada tipo de mistura.

Tabela 1 – Resultados dos ensaios de RT indireta seca e

saturada mínima com espuma.

MisturasRCD RAP RCD RAP RCD RAP RCD RAP RCD RAP RCD RAP29% 70% 29% 70% 99% 0% 70% 29% 70% 29% 0% 99%

CP seco úmido seco úmido seco úmido seco úmido seco úmido seco úmido1 0,41 0,23 0,55 0,30 0,43 0,23 0,43 0,23 0,50 0,26 0,58 0,292 0,48 0,22 0,54 0,27 0,42 0,23 0,42 0,20 0,48 0,25 0,56 0,323 0,44 0,24 0,56 0,26 0,44 0,24 0,40 0,21 0,45 0,26 0,58 0,304 0,45 0,23 0,52 0,27 0,43 0,25 0,44 0,21 0,48 0,24 0,59 0,335 0,41 0,22 0,53 0,24 0,45 0,23 0,45 0,22 0,46 0,23 0,57 0,31

MÉDIA 0,44 0,23 0,54 0,27 0,43 0,24 0,43 0,21 0,47 0,25 0,58 0,31

% de Materiais

Resitência a Tração (MPa)1 2 3 4 5 6

cal (1% ) cimento (1% ) cimento (1% ) cal (1% ) cimento (1% ) cimento (1% )

A figura 3 demonstra graficamente os valores médios da Resistência à tração, dos resultados das amostras secas, das amostras úmidas e os valores médios das duas rupturas.

Res

istê

ncia

a tr

ação

RT

(MP

a)

Corpos de Prova

RT das amostras seca s

RT das amostras saturadas(úmidas)

Média das RTs Amostras secas

Médias das RTsAmostras saturadas(úmidas)

Figura 3 - Representação gráfica dos resultados de

ensaio de Resistência à Tração.

3.4 - Resultados dos ensaios de Resistência Marshall: A tabela 2 - mostra os resultados obtidos com o

ensaio de resistência à compressão, e a tabela 3 representa os resultados pelo método Marshall com a utilização de espuma de asfalto e o pré misturado a frio:

Tabela 2 - Resultados dos ensaios da resistência

Marshall.

MisturasRCD RAP RCD RAP RCD RAP RCD RAP RCD RAP RCD RAP29% 70% 29% 70% 99% 0% 70% 29% 70% 29% 0% 99%

CP12345

MÉDIA

Resistência Marshall medida em (kgf)1 2 3 4 5 6

398,00378,00

cimento (1%) cal (1%) cimento (1%) cimento (1%)

328,00

2529,00506,00472,00466,00

430,00428,00397,00

328,00325,00

cal (1%) cimento (1%)

521,00584,00567,00430,00

472,00

1325,00

393,00

393,00

3564,00

430,00

4385,00387,00404,00416,00445,00

432,00

562,00

% de Materiais

564,00

6686,00656,00690,00604,00557,00

656,00

5

Tabela 3 - Resultados dos ensaios da resistência Marshall misturas PMF - Fonte: Própria (2014)

PMFABCD

RL-1CRL-C modificadaRL-C modificada

MISTURA428472596696

Marshall (kgf)RL-1C

A figura 4 demonstra graficamente os resultados dos

ensaios de Resistência Marshall das misturas realizadas com os materiais reciclados, e os resultados de Resistência Marshall de misturas de pré misturados a frio utilizadas para revestimento de pavimentos de baixo tráfego e também como camada intermediária em estrutura de pavimentos com tráfego mais pesados.


Figura 4: Gráfico dos resultados dos ensaios da resistência à compressão com misturas PMF.

4. Análises dos resultados

Quanto aos resultados observou-se que:

• As misturas com cimento apresentaram resultados de resistência a tração maiores que as com cal; • As misturas com RAP puro e cimento apresentaram melhor desempenho nos parâmetros avaliados, tanto na RT, como no Marshall. • As misturas com quantidades maiores de RAP apresentaram desempenho melhor nos parâmetros avaliados que as com quantidades maiores de RCD. - O melhor desempenho com material frezado pode ser atribuído pelo resíduo de asfalto que situa-se nesse material, este fato, entretanto, depende de experimentação para certificar-se dessa conjectura. • Os valores verificados nos ensaios de Resistência a Tração foram maiores que os especificados, tanto no DNIT, como no DER-SP, pode-se observar que todos os valores da RT estão superiores aos demonstrados no item 3. • Os valores de Resistência Marshall estão todos acima do especificado pelo DNIT e pelo DER-SP, também demonstrados no item 3. • Os valores de Resistência Marshall encontrados para os materiais reciclados apresentaram, com exceção dos reciclados misturados com cal, valores acima dos apresentados nas misturas de PMF, geralmente utilizadas para revestimento e camadas intermediárias, dependendo da condição.

5. Conclusão

As técnicas de reciclagem com asfalto espuma são promissoras, pois, verificou-se que os parâmetros analisados mostraram sua viabilidade, podendo ser aplicada para incorporação do revestimento à base e em camadas intermediárias da estrutura do pavimento. Também há tendência de uso desta técnica em construções novas quando o projeto prevê base tratada com asfalto como opção estrutural.

Nas misturas analisadas verificou-se que os parâmetros estão acima dos especificados no DER-SP e DNER, viabilizando sua utilização em estruturas de pavimento.

A principal vantagem dessa técnica está no fato de que, a maior parte dos materiais já está no local para utilização, reduzindo o transporte e a exploração de jazidas, preservando assim, o meio ambiente e diminuindo o custo na obra.


[1] CNT – CONFEDERAÇÃO NACIONAL DO TRANSPORTE. BOLETIM ESTATÍSTICO – JULHO 2013. Brasília, 2013. Disponível em: <http://www.cnt.org.br/Imagens%20CNT/PDFs%20CNT/Boletim%20Estat%C3%ADstico/boletim_estatistico_julho.pdf>. Acesso em: 05 out. 2013. [2] BRASILENGENHARIA –O uso de reciclagem de pavimentos como alternativa para o desenvolvimento sustentável em obras rodoviárias no Brasil, REVISTA ENGENHARIA, São Paulo, n. 602, p. 96-102, 2011 <http://www.brasilengenharia.com/portal/images/stories/revistas/edicao602/602_EngRodovias.pdf>. Acesso em: 05 out. 2013. [3] CUNHA, A. et al. RECICLAGEM A FRIO “IN SITO” COM ESPUMA DE ASFALTO.Minas Gerais: UFMG, 2010. 83 p. Seminário apresentado para a disciplina de Sistemas Construtivos –Curso de Especialização de Sistemas Construtivos – Universidade Federal de Minas Gerais. [4] PINTO, Isaac Eduardo E. ESTUDO DAS CARACTERÍSTICAS FÍSICAS E MECÂNICAS DE MISTURAS RECICLADAS COM ESPUMA DE ASFALTO. 2002. 236 p. Tese (Mestrado) Curso de Engenharia, Escola Politécnica da Universidade de São Paulo, São Paulo. 2002. [5] WIRTGEN GROUP. ESPUMA DE ASFALTO – O LIGANTE INOVADOR PARA A CONSTRUÇÃO DE RODOVIAS. Wirtgen GmbH, 2001. 05ReciclaPavFrioInSituEspumaAsfalto.pdf>. Acesso em: 04 nov. 2013. [6] DEPARTAMENTO NACIONAL DE INFRAESTRUTURA DE TRANSPORTES DNIT 166/2013-ES : PAVIMENTAÇÃO – RECICLAGEM DE PAVIMENTO A FRIO “IN SITU” COM ADIÇÃO DE ESPUMA DE ASFALTO – Especificação de serviço. Rio de Janeiro. 2013, 09p. [7] FRESAR. ESPUMA DE ASFALTO. [S.I.: s.n.] [8] DEPARTAMENTO DE ESTRADAS DE RODAGEM DO ESTADO DO PARANÁ. ES-P 32/05: PAVIMENTAÇÃO: RECICLAGEM DE PAVIMENTO A FRIO "IN SITU" COM ESPUMA DE ASFALTO. Paraná, 2005. 17p. [9] PREUSSLER, Ernesto Simões, ESTUDO DA DEFORMAÇÃO RESILIENTE DE PAVIMENTOS FLEXÍVEIS E APLICAÇÃO AO PROJETO DE CAMADAS DE REFORÇO. Rio de Janeiro 1983, 266p. (COPPE/UFRJ) tese de doutoramento. [10] DEPARTAMENTO NACIONAL DE INFRAESTRUTURA DE TRANSPORTES. DNIT 136/2010 - ME: PAVIMENTAÇÃO ASFÁLTICA -


MISTURAS ASFÁLTICAS – DETERMINAÇÃO DA RESISTÊNCIA À TRAÇÃO POR COMPRESSÃO DIAMETRAL – Método de ensaio. Rio de Janeiro. 2010, 6p. [11] DEPARTAMENTO DE ESTRADA DE RODAGEM DE SÃO PAULO - ET-033/2006 - RECICLAGEM IN SITU A FRIO COM ESPUMA DE ASFALTO, Especificação Técnica 2006. [12] DEPARTAMENTO NACIONAL DE ESTRADAS E RODAGEM. DNER 107/94 ME: MISTURA BETUMINOSA A FRIO COM EMULSÃO ASFÁLTICA – ENSAIO MARSHALL. Rio de Janeiro. 1994, 14 p. [13] DEPARTAMENTO NACIONAL DE INFRAESTRUTURA DE TRANSPORTES. DNIT – 153/2010 ES - PRÉ- MISTURADO A FRIO COM EMULSÃO CATIÔNICA CONVENCIONAL – ESPECIFICAÇÃO DE SERVIÇO. Rio de Janeiro. 2010 11p. [14] DEPARTAMENTO DE ESTRADA DE RODAGEM DE SÃO PAULO - ET-025/2006 - PRÉ MISUTADO A FRIO, Especificação Técnica 2006.


CARACTERIZAÇÃO DO EXPERIMENTO DO TUBO DE IMPEDÂNCIA DE UM MICROFONE

Resumo

1. Introdução

2. Metodologia e Materiais


2.1. Conceito de MHS e Propagação de onda

=

1( ) = . ( )( ) = . ( )

( ) = cos ( ) + ( )( ) = .

= 1= 2== . = 2

2 2 12 = 2 2 122.2. Princípio de reflexão e transmissão de

um meio

Sentido de movimento

P

P

t

t1

= ty=A.sin( t)

x=A.cos( t)

A

x

y

x

P t2

Direção de propagação Sentido da propagação

horizontal

y=A.sin( t)


1 = 1 + 1 2 = 2 + 2

= . ( )

= . ( )

= . ( )2.3. Frequência de corte e Comprimento de

onda

= 1,84..=2.014,77

=

2.4. Modelo teórico

, = (2 1) 04 , = 1,2, … ,2.5. Modelo experimental

62,5 125 250 500 1000 2000 4000Comprimento de Onda (m) 5,50 2,75 1,38 0,69 0,34 0,17 0,09

Frequencia utilizada no Projeto de Pesquisa (Hz)Descrição

u1

x2

x1

f(x1.. .xn)

Gerador de Funções

0

0

0

0

0

Amplificador

u1

x2

x1

* / *

Osciloscópiou1

x2

x1

* / *

Medidor de Pressão de

Bancada (dB)

Informações Aquisitadas de Pressão

Acústica

Amostra

MicrofoneSonda

TuboAlto-falante

Onda Senoidal


3. Conclusões

4. Referências

Vibrações mecânicas

Acústica aplicada ao controle de ruído.

Handbook of noise and vibration control.

Ruído:

Vibrations and waves.

Fundamentals of acoustics.

An introduction to the mathematical theory of waves

Physical foundations of technical acoustic

teórico experim. teórico experim. teórico experim.

3 0,86 0,81 5 0,77 0,73 9 0,73 0,69

6 0,95 0,91 10 0,82 0,78

11 0,90 0,87

12 0,99 0,96

500Hz 1000Hz 2000HzComparação dos pontos de pressão mínima no interior do tubo

posição da pressão mínima (m)

posição da pressão mínima (m)

posição da pressão mínima (m)Ponto

MedidoPonto

MedidoPonto

Medido

Hz Modelo

teórico

experimental

teórico

experimental

teórico

experimental

0,516 ± 0,297

0,520 ± 0,276

Média ± desvio padrão (m)

0,516 ± 0,281

0,416 ± 0,294

0,516 ± 0,294

500 Hz

1000 Hz

2000 Hz

0,485 ± 0,290








DIFRAÇÃO DE RAIOS-X E ANÁLISE RIETVELD NA HIDRATAÇÃO DE CIMENTOS EM MODO DINÂMICO E

ESTÁTICO - APONTAMENTOS

Cleusa Maria Rossetto1, Xabier Turrillas2 1 Profa. Me. Arqta. do Departamento de Edifícios da FATEC-SP

2 Pesquisador Dr. do Consejo Superior de Investigaciones Científicas – CSIC / Institut de Ciència de Materials de Barcelona - ICMAB, Espanha

[email protected]; [email protected]

Resumo

Este trabalho relata alguns dos itens observados em estudos utilizando técnicas de difração de raios-X, método dinâmico e estático, e cálculos de Rietveld para a identificação e a quantificação dos principais compostos cristalinos atuantes na hidratação dos cimentos. Empregaram-se difratômetros convencionais (reflexão) e difratômetro com fonte de alta intensidade (transmissão). Das análises dos resultados pode-se conhecer as possibilidades dos difratômetros disponíveis nos: Laboratório de Processamento e Caracterização de Materiais – LPCM/FATEC-SP; Laboratório do Grupo de Cristalografia Aplicada à Ciência dos Materiais - CrisMat/IPEN e Estação BL4-MSPD do Laboratori de Llum Síncrotró - ALBA de Barcelona/Espanha, assim como, as possibilidades do Software TOPAS. Citam-se ainda algumas características da Estação XRD1 do Laboratório de Luz Síncrotron - LNLS/SP. O objetivo do estudo não foi o de comparar a mesma mescla utilizando técnicas distintas, mas sim, conhecer as práticas e dificuldades de cada método.

1. Introdução

Segundo Taylor [1], em química do cimento, o termo 'hidratação' indica a totalidade das alterações que ocorrem quando um cimento anidro ou uma das suas fases constituintes é misturado com água. As reações químicas que ocorrem são geralmente mais complexas do que simples conversões de compostos anidros nos correspondentes hidratos. Uma mistura de cimento e água é denominada pasta, que irá na sequência ter uma pega e posteriormente o seu endurecimento. A relação água/cimento ou a/c refere-se à razão entre a água e o sólido em peso e tipicamente gira em torno de 0,3-0,6. O endurecimento sem a ocorrência de significativa resistência à compressão ocorre tipicamente em algumas horas. Já o ganho de resistência normalmente é um processo mais lento. A cura significa o armazenamento sob condições tais em que ocorre a hidratação.

Embora o cimento seja empregado mundialmente e com uma produção superior a de qualquer outro material de importância tecnológica, os mecanismos da evolução de sua hidratação, formação ou decréscimo de produtos de hidratação, comportamento das fases cristalinas presentes e respectivos géis desta estrutura

mesoscópica são mal compreendidos. A identificação, quantificação e acompanhamento das oscilações temporais resultantes dos diversos meios e formas de hidratação dos compostos cristalinos requerem um esforço grande já que as variáveis são muitas e que podem conduzir a resultados distintos dependendo da técnica e da escala de observação.

Quando se planeja um estudo de hidratação dos cimentos e/ou das mesclas destes com outros materiais, pode-se conduzir o experimento utilizando um método dinâmico, com a coleta de dados em tempo real, acompanhando todas as transformações das fases cristalinas ou ainda, um método estático em que tais fases serão observadas de forma segmentada. Só recentemente foi possível o estudo da hidratação, em tempo real, em escalas de tempo e em temperaturas convenientes, sendo no entanto, necessários equipamentos apropriados e disponíveis para a condução de um estudo pleno.

Num experimento pelo método dinâmico, para que as reações da pasta possam ocorrer em tempos reduzidos (∼ 4 horas), normalmente se recorre ao uso de aditivos aceleradores e/ou de cura térmica, sendo que, cada qual poderá influenciar na formação das novas fases cristalinas de forma distinta. Neste estudo adotou-se a temperatura de cura em 70 °C devido à semelhança com as temperaturas geradas internamente nos concretos quando da reação exotérmica da hidratação dos cimentos.

A temática sobre a hidratação dos cimentos e a formação de fases cristalinas, interessam não só aos fabricantes, mas também ao meio acadêmico e científico, pois ajudam a melhor conhecer e dirimir dúvidas sobre os materiais, assim como, abrir portas para novas possibilidades.

Ao longo do texto se utiliza a nomenclatura abreviada da química do cimento.

2. Materiais

Nos estudos de hidratação foram utilizados como materiais básicos o cimento aluminoso (CAC), o hidrato de cimento aluminoso (CAH10), clínquer Portland e a sílica ativa na condição de pastas frescas preparadas com água deionizada e com relação água/aglomerante variável.


3. Métodos

Nos difratômetros convencionais tanto da FATEC-SP (Figuras 1 e 2) como do IPEN (Figura 3) foram realizados experimentos nos materiais básicos e, num segundo momento testes em pastas frescas e endurecidas, com relações água/aglomerantes e temperaturas diversas. Aproveitou-se ainda, para provar a eficiência deste tipo de equipamento para o estudo da conversão dos hidratos em cimentos aluminosos.

No difratômetro com fonte de alta intensidade, do ALBA (Figura 4), optou-se por realizar os experimentos de hidratação dos cimentos e suas mesclas (cimento aluminoso, hidrato de cimento aluminoso, cimento Portland e sílica ativa) pelo método dinâmico, utilizando-se para isto as pastas frescas inseridas em porta-amostras – tubos capilares de borosilicato com diâmetro interno de 0,7 mm.

Algumas citações sobre os equipamentos, softwares e modus operandi na coleta de dados constam a seguir.

Características dos difratômetros convencionais (por reflexão / Geometria Bragg-Brentano): para o modus operandi utilizado na FATEC-SP empregou-se o MiniFlex – da Rigaku e quando no IPEN/CRISMAT o Rigaku - Ultima 4. Para ambos utilizou-se: monocromador; porta-amostras fixo; coleta de dados entre ângulos de 10º a 90º, em passos de 0,01 º2θ com dois segundos por passo; software para a aquisição de dados da Rigaku; formato na aquisição de dados próprio da Rigaku e radiação de cobre (kα1,2).

Características do difratômetro com fonte de alta intensidade (por transmissão / Geometria Debye-Scherrer) utilizado no ALBA (experimentos com pasta fresca) tendo como modus operandi: Estação BL4-MSPD; comprimento de onda real: 0,619601 Å (comparativo com um padrão de difração de Si da NIST e com o refinamento dos dados calculado através do software TOPAS). Tal comprimento foi selecionado de maneira a permitir que a energia atravessasse a amostra de cimento sem perder muitos fótons antes de se chegar ao detector. A aquisição de dados no modo de transmissão foi realizada com um detector linear do tipo MYTHEN II. Os padrões de difração e respectivos histogramas foram coletados e acumulados a cada dois minutos aprox., variando em escala 2Θ (de 3º a 50º) por passo de aprox. 0,012 2Θ (depois do re-binning – nivelamento dos passos para se conseguir que estes fossem regulares). Quanto aos indicadores estatísticos Rwp, neste caso, esperava-se 7%, porém foi obtido 14,72%, e χ2 = 1,91, indicando uma estatística pobre. (A qualidade foi calculada mediante valores obtidos nos difratogramas comparativos entre o modelo teórico e o modelo experimental). Descartando o problema com a amostra ficou por compreender o porque deste valor. No caso do experimento com a pasta de CAH10 + clínquer Portland foram coletados 81 difratogramas em 179 minutos no qual se supõe 2,21 min. por difratograma. No caso do cimento aluminoso + sílica ativa foram coletados 69 difratrogramas em 167,5 min. No qual se supõe 2,43 min. por difratograma. Porta-amostras em tubo capilar de borosilicato com diâmetro interno de 0,7

mm e operando em modo giratório. O aquecimento da amostra foi realizada a uma temperatura constante de 70 ± 2 °C através de uma corrente de ar.

No LNLS, por exemplo, a comunidade científica conta com a Estação XRD1 (Figuras 5 e 6), cujos experimentos, tanto em pasta fresca como em endurecida, podem ser conduzidos sob energia de 12 keV com a aquisição de dados sob modo de transmissão utilizando um detector linear do tipo MYTHEN II. Pode-se assim, obter um difratograma a cada 5 minutos, sendo que, as amostras precisam estar inseridas em capilares identificados e já posicionados em uma mesa robotizada (Figura 7) . O braço autômato se encarrega de substituir as amostras ao final de cada experimento, ocorrendo assim uma optimização na coleta de dados. O porta-amostras é giratório (Figura 8).

Quando se almeja estudar a evolução da hidratação do aglomerante em pastas endurecidas, utilizando o Método Estático, pode-se, por exemplo, confeccionar corpos-de-prova nas dimensões de 2 x 2 x 2 cm, com relação a/c = 0,35 utilizando água deionizada e que, posteriormente, em idades pré-determinadas, através de uma broca deve-se perfurar cada corpo-de-prova até sua região central para a extração de material particulado. O pó obtido deverá na sequência ser colocado em contato com a acetona para que toda a água presente neste seja extraída, ocorrendo assim a suspensão de sua hidratação. Quando do preparo dos capilares, para o experimento de DRX, o material particulado e desidratado deve de ser melhor refinado utilizando-se para isto um almofariz. Convém alertar que neste tipo de procedimento é importante se trabalhar em ambiente controlado para que não ocorra a carbonatação das amostras por CO2, pois acabaria influenciando sobremaneira nos resultados.

Em quaisquer dos métodos (modo dinâmico ou estático) são necessários uma série de ferramentas informáticas de apoio, não só na condução dos experimentos, como também para a realização dos cálculos de forma geral para a identificação e a quantificação das fases cristalinas. Neste estudo foram empregadas as seguintes ferramentas informáticas e com as seguintes funções: o TOPAS [2] para a calibração do comprimento de onda; os Scripts para IDL (personalizado) para o tratamento dos dados [Notas: 1- Para a variação das áreas dos picos x tempo e ajuste dos picos às Gaussianas. 2- Para se obter a tabela com os dados sequênciais dos difratogramas permitindo a construção de gráficos da evolução da intensidade das fases cristalinas (hidratação x tempo)]; o Transform de Noesys [3] para a execução dos gráficos em 2D e 3D; o PowDLL [4] para a transformação dos difratogramas em formato ASCII para um formato X´Pert High Score Plus (para identificar as fases cristalinas).

4. Resultados

Foram abordados com maiores detalhes apenas os

resultados dos experimentos, em modo dinâmico, realizados na estação de Luz Síncrotron ALBA (fonte de alta intensidade). No entanto, visando melhor


conhecer as possibilidades de cada tipo de equipamento / método estes serão considerados no item 5. Apontamentos / Ocorrências.

Figura 1 – FATEC-SP - Difratômetro – DRX -

MiniFlex – da Rigaku.

Figura 2 – FATEC-SP - Difratômetro - DRX - MiniFlex – da Rigaku – Detalhe do Porta-amostras.

Figura 3 - IPEN - Detalhe interno do Difratômetro.

Figura 4 – ALBA - Estação BL4-MSPD.

Figura 5 – LNLS - Vista geral da Estação XRD1 e braço robótico.

Figura 6 – LNLS - Banca óptica - Diferentes settings

de óptica (colimadores, focalizadores e fendas).

Figura 7 – Mesa robotizada / vista dos capilares 0,3 /

0,5 / 0,7 mm (o diâmetro dos capilares está relacionado à absorção dos raios-X).

Figura 8 – LNLS - Capilar posicionado para receber feixes de luz (Espalhamento 360º).


4.1- Mescla de pasta fresca com clínquer Portland + CAH10 - O clínquer Portland normal e o CAH10 foram misturados com água deionizada na relação água/aglomerante de 0,4 e mantidos sob temperatura de 70 ºC. O experimento durou três horas. A fase principal do cimento Portland (C3S) começou a desaparecer desde o início da hidratação; o hidrato de aluminato de cálcio foi continuamente reduzido, mas seguindo uma tendência diferente. Depois de um período latente, bastante longo (80 minutos), o hidróxido de cálcio começou a crescer, porém, a coleta de dados foi interrompida com o término planejado do experimento. Na Figura 9 há uma representação global de toda a sequência de padrões de difração adquiridos ao longo do experimento. A região de interesse limitou-se à escolha dos picos principais envolvendo as fases

mais visíveis. Uma evolução quantitativa das principais fases pode ser apreciada na Figura 10, onde o produto inicial de hidratação do cimento de alta alumina hidratado, a baixas temperaturas, é o CAH10. Pelos gráficos observa-se que durante a hidratação, a 70 ºC, o CAH10 leva mais de duas horas para desaparecer quase que completamente, ou seja, desaparece lentamente. Ao cabo de três horas já não há mais vestígios do mesmo. Há uma desidratação da porção cristalina em outras porções amorfas. O silicato tricálcico vai desaparecendo lentamente, porém ainda permanece bastante no final do experimento. O hidróxido de cálcio (CH) - Ca(OH)2 - tem vários picos de difração. Antes da metade do experimento este começa a crescer e a se cristalizar (assemelha-se à barbatana dorsal de um tubarão conforme na Figura 9).

Figura 9 – ALBA - Representação da sequência de padrões de difração (mistura de clínquer Portland e CAH10) na região onde os picos de difração das principais fases estão relativamente isolados. No topo, a representação 3D

[Coordenadas x, y, z: ângulo de difração (2theta), tempo (minutos), intensidade relativa (unidades arbitrárias)], e na parte inferior a projeção 2D. Imagem dos 81 difratogramas obtidos.


Figura 10 – ALBA – Misturas de clínquer Portland e

CAH10 - Resumo da evolução quantitativa das principais fases obtidas depois da integração de picos de difração.

4.2- Mescla de cimento aluminoso (CAC) e sílica

ativa - Outra mistura testada foi a de cimento aluminoso (aluminato de cálcio) e sílica ativa em proporções iguais por peso, misturados com água deionizada (relação água /sólido de 0,4). Uma representação global de toda a

sequência de padrões de difração adquiridos ao longo da experiência esta apresentada na Figura 11. Foi escolhida a região de interesse entre 5º e 14º, em 2Θ. Nesta área, os picos principais das fases envolvidas estão relativamente isolados, mais visíveis e mais fáceis de na sequência serem encaixados para se obter a Figura 12, onde a evolução quantitativa das principais fases podem ser apreciadas.

A hidratação à temperatura de 70 ºC foi monitorizada durante 167 minutos. As principais características observadas foram uma diminuição contínua de (CA) - CaAl2O4, uma rápida formação de C2AH8 até atingir um máximo após 20 minutos e com um posterior desaparecimento após 100 minutos. Um crescimento contínuo de hidrogranate [Ca3Al2(OH)12], o hidrato cúbico estável a altas temperaturas. Após 90 minutos, ao parecer que a reação havia sido concluída, o Ca3Al2(OH)12 atingiu um platô máximo e o CaAl2O4 desapareceu. A sílica ativa parece não ter nenhum efeito sobre a hidratação. Pode-se dizer que o hidrato de aluminato de cálcio (C2AH8) é uma fase transitória - aparece e desaparece - e conforme desaparece se forma o hidrogranate (C3AH6), fase estável a alta temperatura (> 29 °C); o aluminato de cálcio (CA) - CaAl2O4 apresenta uma reação rápida.

Figura 11 – ALBA - Representação da sequência de padrões de difração (mistura de cimento de aluminato de cálcio e sílica ativa) na região onde os picos de difração das principais fases estão relativamente isolados. No topo a

representação 3D [Coordenadas x, y, z: ângulo de difração (2theta), tempo (minutos), intensidade relativa (unidades arbitrárias)], e na parte inferior a projeção 2D. Imagem dos 69 difratogramas obtidos.

Explanação sobre os principais pontos considerados nos experimentos e nos traçados dos gráficos.

Os difratogramas foram refinados pelos métodos de

Rietveld [5] y de Pawley [6] através do TOPAS. Para se ter uma visão global das reações que

ocorreram, ao longo dos experimentos, os dados de difração foram colocados em ordem sequencial e


representados como mapas pseudotridimensionais. Também foram plotadas as projeções correspondentes em duas dimensões, utilizando-se o IDL e o Transform. Em seguida se fez necessário analisar em detalhes os difratogramas individualmente. Numa situação ideal, a análise do quantitativo obtido através do TOPAS deveria ser feita a cada difratograma, o que requereria mais tempo, porém, conseguindo uma melhor estatística. Não foi este o caso e por isso, para a quantificação da variação das fases cristalinas em separado foram escolhidos picos de difração isolados e suficientemente intensos que se ajustaram às funções gaussianas. Os valores das intensidades foram normalizadas (a um) para cada uma das fases e representados nas Figuras 10 e 12.

Figura 12 – ALBA – Pasta com CAC e sílica ativa -

Resumo da evolução quantitativa das principais fases obtidas depois da integração de picos de difração.

5. Apontamentos / Ocorrências

A título de contribuição apresentam-se a seguir alguns apontamentos / ocorrências encontrados quando da utilização das 3 instalações distintas ou mesmo sobre os métodos empregados - quando do estudo completo. Tais informações são importantes para o planejamento de experimentos futuros.

1- Laboratório de Processamento e Caracterização de Materiais - LPCM – FATEC-SP - No início dos experimentos foram detectados vários problemas, sobretudo com relação à desidratação rápida e descontrolada da pasta fresca no porta-amostras, devido à sua pouca espessura e ao contato desta com o ambiente do laboratório obrigando na adoção de uma película isolante. Foram testados dois tipos de películas. A película de Kapton (uma poliimida comercializada pela DuPont) provocou interferência nos registros, por absorver os raios-X. Após outros testes foi adotado o filme estirável de PVC, normalmente utilizado para proteger alimentos. Outro problema identificado foi o da impossibilidade de aquecimento das amostras, para sua ativação térmica, já que as pastas não vinham apresentando um comportamento satisfatório quanto à velocidade de hidratação. O difratômetro MiniFlex – da Rigaku não dispõe de espaço suficiente em sua câmara interna, junto ao porta-amostras, para a instalação de um

sistema de aquecimento convencional. Outro fator limitante trata-se do pouco fluxo de energia prejudicando na captação das reações de hidratação em tempo real. Este equipamento é mais indicado para a caracterização dos materiais na forma de pó, em modo estático.

2- Laboratórios do Grupo de Cristalografia Aplicada à Ciência dos Materiais - CrisMat/IPEN – O difratômetro da Rigaku - Ultima 4 – permitiu, por sua vez a instalação de instrumentação de aquecimento junto à câmara, e que aliado à possibilidade na condução dos ensaios de forma ininterrupta, por 24 horas, serviu ao propósito do estudo da conversão dos hidratos em cimentos aluminosos. No entanto, em casos onde se requer um maior rigor quanto à não orientação dos cristais, este difratômetro, assim como o da FATEC-SP, não dispõem de porta-amostras giratório. O porta-amostras fixo é indicado para o modo reflexão (superficialmente), utilizando a geometria de Bragg-Brentano. Quando se utiliza pastas de cimento é mais indicado o modo transmissão (através de) utilizando a Geometria Debye-Scherrer e com um porta-amostras giratório para minimizar a orientação dos cristais.

3- Laboratório do Síncrotron de ALBA/Barcelona – Com uma instalação mais moderna (inclusive em relação ao atual síncrotron brasileiro) este possui maior fluxo de intensidade de fótons. O único problema é o tempo de utilização, sendo que no planejamento de experimentos estes não devem durar mais de três dias. Dificilmente se consegue maior tempo, pois ademais de caro, reduziria o número de usuários. Nas instalações do ALBA, cada amostra de pasta deste projeto, pôde ser varrida por centenas de difratogramas em questão de horas. A título comparativo, os mesmos difratogramas numa estação com fonte de luz muito intensa, como o do ESRF em Grenoble, estes poderiam ser obtidos em questões de segundos (escalas reduzidas).

No ALBA utilizou-se a estação BL4-MSPD (Materials Science Powder Difraction) com a pasta de cimento confinada num tubo capilar de 0,7 mm de diâmetro interno e analisada no modo giratório. Nesta instalação conseguiu-se realizar o estudo de hidratação da pasta em tempo real através do aquecimento da amostra de forma controlada. O tempo de aquisição de dados em cada difratograma foi de pouco mais de dois minutos, o que não é muito menor do que hoje é possível no LNLS. Convém comentar ainda, que não basta a fixação das temperaturas para a aceleração dos experimentos. O plano inicial consistia em reunir dados de difração, sob diferentes temperaturas constantes, para uma reação escolhida, visando assim, deduzir a cinética de formação ou decomposição das fases cristalinas envolvidas. Previa-se a realização de uma experiência rápida sob a temperatura de 90 ºC, no entanto, percebeu-se que seria necessário pelo menos dois minutos para a obtenção de um padrão de difração do plano, exigindo uma alteração da temperatura para uma solução de compromisso, tão alta quanto possível, e onde fosse viável a coleta dos dados, compatível com uma cadência de cerca de trinta padrões por hora, assim que, concluiu-se não ser possível trabalhar a temperaturas superiores a 70 ºC.


6. Conclusões Quando do planejamento de novos estudos de

hidratação em pastas de cimento, através de DRX, atentar às conclusões parciais e ocorrências ora apresentadas. Para as medições da hidratação, em tempo real, a pasta fresca deve de ser introduzida em um capilar com comprimento ≥ 7 cm podendo ocorrer que nas extremidades deste a mesma perca sua homogeneidade resultando numa > relação a/c e com consequente aumento do número de poros. Diante disto será conveniente a obtenção dos difratogramas na parte central do tubo capilar. Considerar ainda, que a amostra sendo minúscula (com 0,3 / 0,5 / 0,7 mm de diâmetro) há de se pensar num sistema de aquecimento externo que simule o que ocorre no interior de um concreto. A razão de se estudar a hidratação dos cimentos em função da temperatura é porque a reação exotérmica depende, em grande parte, do volume concentrado de material. As idades de coleta de dados devem de ser compatíveis com o tipo de material a ser analisado. Se planejado utilizar amostras de pasta frescas de cimento será necessário conhecer ainda a dificuldade da introdução destas nos capilares. Provavelmente será necessário o uso de aditivos retardadores para não se perder o início das reações de hidratação. O uso da pasta fresca contida num capilar evita, em parte, o problema da carbonatação diminuindo as limitações do método da acetona. Num planejamento a longo prazo, uma amostra de pasta fresca contida em capilar poderia inicialmente passar por coleta de dados de DRX em modo dinâmico, por período inferior a 12 horas, e posteriormente, quando endurecida, passar a modo estático, em idades fixas, como por exemplo, de 3, 7, 28 dias, dependendo do tipo de material a ser estudado. A solução da robotização seria adequada a este tipo de planejamento. No caso de se estudar a hidratação da pasta já endurecida e pulverizada, mais sensível à carbonatação devido à grande superfície específica e a pouca quantidade de amostra (Método da acetona), esta deve de ser cuidadosamente manuseada em ambiente não contaminado por CO2. Uma vez constatado uma precisão suficiente nos resultados deste tipo de experimento, em pasta endurecida, se poderia, por exemplo, verificar a hidratação do cimento em qualquer obra, em idades distintas e sob quaisquer estágios de hidratação e assim conhecer qual a situação do concreto na peça. Convém alertar entretanto, que no concreto da estrutura também ocorrem variações de homogeneidade. Em ambos os casos haverá a necessidade de uso de grandes instalações, com porta amostras giratório e leituras no modo transmissão.

Assim, no planejamento dos experimentos deve-se considerar: tipo de material; obtenção das amostras; tipo de mesclas; relação água/aglomerantes; tipo de água (deionizada ou destilada); procedimento de preparo das amostras; proteção das amostras para impedir perda de água ou a carbonatação; condições ambientais que evitem contaminações; determinação quanto ao modo do ensaio, se estático ou dinâmico; tipo de porta-amostras; definições das condições térmicas e

parâmetros de ensaio; necessidade de instrumentação; infraestrutura mínima necessária nas instalações e equipamentos (modo reflexão ou transmissão); intensidade de raios-X; resolução necessária; ajustes dos equipamentos; velocidade; tempo de coleta e forma de acompanhamento na coleta de dados; os cálculos de Rietveld e a interpretação de resultados, incluindo aqui a definição dos softwares necessários a cada situação. Quando do uso de capilares nos experimentos considerar ainda, o tempo para a inserção das amostras de pastas nestes (devido à reologia) e a perda do início das reações devido a esta demora. Considerar também a necessidade de aquisição dos capilares, pois muitas vezes estes não se encontram disponíveis para doação. Um item importante será a necessidade da elaboração de propostas para os experimentos e a consequente resposta favorável da concessão de tempo para utilização das instalações de luz síncrotron. Ao planejar experimentos em grandes instalações cuidar detalhadamente da logística, pois a concessão do tempo é limitada.

Quanto ao software TOPAS ficou constatado ser uma ferramenta confiável, prática e robusta nas análises mediante Rietveld dos dados de difração de raios-X.

Agradecimentos

À ELFUSA e à ABCP, pelo fornecimento de

amostras. Aos Laboratórios de Processamento e

Caracterização de Materiais - LPCM da FATEC-SP; Grupo de Cristalografia Aplicada à Ciência dos Materiais - CrisMat/IPEN e Laboratori de Llum Síncrotró - ALBA, pela infraestrutura laboratorial.

Ao Pesquisador Prof. Dr. Luis Gallego Martinez pela aprovação dos ensaios no Instituto de Pesquisas Energéticas e Nucleares - IPEN.

Aos Pesquisadores M. C. Alonso; M. Sánchez Moreno; J. L. García Calvo do Instituto E. Torroja pela cooperação durante o experimento no ALBA.

Referências Bibliográficas [1] Taylor, H. F. W. Cement Chemistry. Academic

Press, London, 1990. 408p. ISBN: 0-12-683900-X. [2] Topas – Academic, Versão 4.1, Coelho Software,

2007. [3] Noesys 1.2. Data Analysis Software Transform

Version 3.4. Edition. Copyright ©1990-1999. Fortner Software LLC and its Licensors. All Rights Reserved. May, 1999.

[4] PowDLL Converter, versão 2.42. Nikos Kourkoumelis.

[5] Rietveld, H. M. A Profile Refinement Method for Nuclear and Magnetic Structures, J. Appl. Cryst., 2, 65-71 (1969).

[6] Pawley, G.S. Unit-cell refinement from powder diffraction scans. J. Appl. Cryst. 14, 357 (1981).


ESTUDO DO ÍNDICE DE PERDA DO CURSO DE MOVIMENTO DE TERRA E

PAVIMENTAÇÃO DA FATEC-SP

Décio Moreira Tecnólogo, Professor Mestre da disciplina de Topografia do Departamento de Transportes e Obras de Terra da

FATEC-SP. [email protected]

Resumo

Este artigo apresenta o resultado da pesquisa com os alunos do curso de Movimento de Terra e Pavimentação, motivada pelo alto índice de perda do curso.

Destaca algumas características dos estudantes e motivos de dificuldades e consequente desistência, reprovação e evasão.

Diante dos resultados observa-se que existe uma situação preocupante, mas apresenta algumas sugestões de ações que podem minimizar o problema e garantir a permanência do aluno no curso e, ainda que difícil por depender de ações externas, tentar mantê-lo como tecnólogo.

1. Introdução

Segundo o relatório de avaliação institucional –SAI/Fatec-2009 [1], melhorar as perspectivas de emprego e salários é uma oportunidade que a faculdade pode oferecer e reflete o índice de sucesso escolar.

Em contra partida o Índice de Perda de 35% do curso de Movimento de Terra e Pavimentação indica a necessidade de se buscar soluções para diminuir esse índice e melhorar o índice de produtividade. É um problema que fundamentalmente está relacionado com a metodologia, o diálogo, a comunicação com os alunos, os componentes curriculares com mais dificuldades, os conteúdos programáticos e outros.

O Sistema de Avaliação Institucional - SAI/Fatec do período de 2011 a 2014 apresenta um índice de perda de 36,5%, 40,9%, 19,32% e 17.97%, respectivamente, para o curso de Movimento de Terra e Pavimentação. O documento publicado - SAI/Fatec-2009 [1], afirma que a baixa produtividade pode estar vinculada a repetência, evasão ou desistência do curso, de qualquer forma a faculdade não pode se eximir de reconhecer seu papel social e buscar alternativas para a permanência dos estudantes nos cursos.

O índice de perda de estudantes das FATEC usava uma metodologia que considerava os reprovados por conceito, por falta e os cancelamentos de matrícula. No cálculo para 2013 e 2014 a metodologia retirou do cálculo os reprovados por falta e incluiu os trancamentos de matricula, razão pela qual o índice teve uma redução.

Destaca-se que a situação de trabalho do tecnólogo está diretamente relacionada com a formação.

Certamente a maior ou menor inserção, o sucesso ou as dificuldades profissionais do egresso são reflexos da graduação. As dificuldades de plena inserção e reconhecimento dos tecnólogos podem refletir no índice de perda.

O 11º relatório SAI/FATEC 2010 [2] confirma que a falta de motivação, falha na formação, problemas socioeconômicos estão associados ao índice de perda. Essa constatação também confirma a necessidade de a faculdade buscar alternativas para garantir a permanência dos estudantes.

Essa afirmação motivou a realização dessa pesquisa quantitativa razão pela qual foi necessário definir um universo de alunos matriculados a serem entrevistados, assim como a criação do questionário (Anexo 1). O questionário ficou pronto no 2º semestre de 2012, portanto esse foi o universo adotado para as entrevistas. Dos 241 estudantes matriculados, responderam ao questionário 177 estudantes, portanto um índice de 73% de retorno considerado representativo para indicar possíveis causas do índice de perda.

2. Referencial teórico

Segundo Puppi (1997) apud Brissac (2009) [3] anão conclusão da graduação pelo estudante está diretamente associada à sua limitação de perspectivas ocupacionais e econômicas.

Os elevados índices de evasão nas instituições públicas representam um ônus adicional à sociedade, pois implica no uso indevido das poucas vagas no ensino superior que são oferecidas à sociedade e no mau uso das verbas públicas (MACHADO, MELO FILHO e PINTO, 2005; GAIOSO, 2005; RIOS, SANTOS e NASCIMENTO, 2001 apud BRISSAC, 2009). [3]

Importante contribuição teórica para o tema tem inicio nos Estados Unidos com Vincent Tinto, a partir de 1950. O destaque está na importância da integração acadêmica, ou seja, compromissos pessoais, sociais e acadêmicos, estabelecendo um forte vínculo do estudante com a Instituição de Ensino - IE evitando a decepção e consequente perda (ADACHI, 2009). [4]

Pode-se afirmar que as causas das perdas estão associadas a causas endógenas e exógenas a IE, portanto é necessário criar um canal de comunicação permanente com os estudantes para melhor entender e contribuir com soluções desse problema.

Esse trabalho é revestido de dificuldades a começar pelo conceito de evasão que segundo a Comissão


Especial para o Estudo da Evasão, instituída pela Secretaria de Educação Superior do Ministério da Educação em 1995 é: 1) evasão de curso: aquela que ocorre quando o estudante desliga-se do curso superior em situações diversas, tais como: abandono (deixa de matricular-se), desistência (oficial), transferência ou reopção (mudança de curso), exclusão por norma institucional; 2) evasão da instituição: quando o estudante desliga-se da instituição na qual está matriculado, e 3) evasão do sistema: quando o estudante abandona de forma definitiva ou temporária o ensino superior (ADACHI, 2009). [4]

Para Tinto (1975) apud Brissac, 2009 [3], a evasão voluntária ocorre por vontade própria do estudante que decide deixar o ensino superior e a evasão por demissão acadêmica se refere aos casos em que o aluno descumpre algumas normas presentes na instituição, por exemplo: não efetuar a matrícula.

3. Metodologia

Para o estudo das causas do índice de perda do curso de Movimento de Terra e Pavimentação foram realizadas, a partir de um questionário, entrevistas com os estudantes tendo como referência o cadastro do Departamento de Transportes e Obras de Terra.

4. Resultados

Após a tabulação dos questionários obteve-se as informações e alguns destaques que indicam características dos estudantes, motivos de dificuldades e consequente desistência ou reprovação ou evasão estão apresentados a seguir para reflexões.

Do grupo de alunos pesquisados 75% são do gênero masculino e 33 % deles estão na faixa etária de 18 a 23 anos e 20 % na faixa de 24 a 28 anos.

O estado civil de 64% dos alunos é solteiro e 50% dos entrevistados moram com os pais.

Conforme Figura 1, são responsáveis financeiros pelo local onde moram 48% dos alunos, em seguida vem o pai com 26% e a mãe é responsável financeira pela casa em 12% dos entrevistados.

Figura 1 - Responsável financeiro.

A maioria, 72%, trabalha na área, 53% tem automóvel e 94% tem computador.

Não tem fluência em outro idioma 52% dos entrevistados.

Os estudantes informam que 64% e 87% das mães e dos pais, respectivamente, trabalham.

Apenas 16% das mães têm ensino superior completo e 14% dos pais tem essa escolaridade. (Figura 2 e 3)

Figura 2 - Escolaridade da mãe.

18%

24%

5%

21%

5%

8%

14%

1% 2% 2%

Fundamentalincompleto

Fundamental médioincompleto

médio técnico superiorincompleto

superior Pós-graduado Alfabetizado Analfabeto

Escolaridade do Pai

Figura 3 - Escolaridade do pai.

Os pais influenciaram a escolha educacional para 43% dos estudantes, 58% considera a influência boa. A mãe é indicada como a que mais interage com os filhos, neste caso para 55% dos entrevistados.

A maioria dos pais conhece a FATEC, mas 48% deles não sabe o que é tecnólogo.

Cursaram ensino fundamental e médio público, 80% dos estudantes. No ensino fundamental respondem que tiveram dificuldade em matemática, 38% e português 23%.

No ensino médio as reprovações foram em matemática e física, para 21% dos estudantes, 18% de reprovação em química e 11% apontam reprovação em português, conforme observado na Figura 4.

Figura 4 - Disciplinas que obteve reprovação.

A dificuldade no ensino médio é atribuída a qualidade do ensino para 29% dos estudantes. As


disciplinas de física, matemática e química representam dificuldade para 15% dos entrevistados.

No ensino superior, a Figura 5, mostra as reprovações em cálculo para 22% dos estudantes, física para 19% e resistência dos materiais para 13%. Um mesmo aluno pode ter reprovações nas três disciplinas.

22%

19%

13%

8%

6%5%

4%3%

19%

Cálculo Física RESISTÊNCIAMATERIAIS

ESTATÍSTICA ELETRICIDADE TOPOGRAFIA DESENHOTÉCNICO

GEOMETRIAANALÍTICA

OUTRAS

Teve reprovação

Figura 5 - Disciplinas com reprovações

A falta de base, de tempo e de dedicação aparece em 62% das respostas quando perguntado qual o motivo das reprovações. A didática ruim como motivo aparece em 13% das respostas. Quando questionado sobre a qualidade dos professores, 95% respondem que são bons ou ótimos.

A previsão de conclusão do curso é de 4 anos para 27% dos estudantes e mais de 4 anos para 34%. Quando perguntado qual a dificuldade em concluir o curso no prazo de 3 anos a resposta para 36% dos estudantes é porque o curso é puxado, 21% indicam a falta de tempo e 10% indicam o trabalho.

Fazer outra graduação é a vontade de 91% dos estudantes que apontam como motivos a evolução profissional, mais oportunidade, salário, reconhecimento e realização profissional, esse motivo é apontado por 10% dos estudantes. (Figura 6)

14% 16% 16%

10%

35%

5% 4%

reconhecimento salário oportunidade realização pessoal evolução profissional nada não pensa nisso

Motivo para fazer outra graduação

Figura 6 - Motivo para fazer outra graduação.

Cursar engenharia é a intenção de 67% dos estudantes e os principais motivos são: melhorar salário, a ocupação, o reconhecimento; participar de concursos e exigência do mercado de trabalho. (Figura 7)

Principais motivos:

- melhorar o salário - melhorar a ocupação- participar de concursos - melhorar o reconhecimento- exigência do mercado de trabalho

Figura 7 - Cursar engenharia e motivos

Motivos que levariam os estudantes a desistir do curso e são indicados por 46% deles: reprovações nas disciplinas básicas; dificuldades nas disciplinas; falta de profissionalismo, de tempo, de perspectiva; outras prioridades; problemas familiares.

Quando solicitado a opinar sobre os motivos que levariam um estudante a desistir da FATEC-SP, acrescenta-se às respostas dadas para a desistência do curso: problema financeiro; retorno financeiro; restrições profissionais e professores.

A escolha pela FATEC-SP está associada ao seu reconhecimento, 39%, e por ser pública é indicado em 29% das respostas.

A escolha do curso está relacionada ao interesse pela área e representa 48% das respostas; porque trabalha na área é a resposta de 26% dos estudantes; demanda de oportunidade na área é apontada por 12% deles e 10% indicam a demanda do vestibular.

As restrições profissionais que são destacadas pelos entrevistados são: não participação em concursos públicos; não podem projetar; é comparado com o técnico; tem responsabilidade técnica limitada e restrições do Conselho Profissional - CREA.

Fazer pós-graduação é a vontade de 55% dos estudantes e quando perguntado se ingressou na FATEC-SP para obter aproveitamento de estudo em outra faculdade, 34% deles responderam que sim.

Os estudantes destacam como objetivos que pretendem alcançar na vida: bom emprego; constituir família; estabilidade financeira; negócio próprio; reconhecimento; sucesso profissional e ser engenheiro.

5. Conclusão e comentários

Diante desses resultados observa-se que existe uma situação, no meu ponto de vista, preocupante e que merece mais estudos na busca de soluções que visem à permanência do estudante para concluir o curso. Ajudá-lo a manter-se tecnólogo e seguir o caminho natural dos graduados que é a pós-graduação é outra ação que precisa estar na pauta das preocupações da FATEC-SP e do CEETEPS.

Constatou-se que os alunos pretendem cursar outra graduação (engenharia) e alguns apontam que querem ser engenheiros. Essa postura não é característica de um graduado, cujo caminho natural é a pós-graduação.


Fazer outra graduação é uma decisão para melhorar o salário, ser reconhecido e obter realização profissional.

Ingressaram na FATEC-SP para obter aproveitamento de estudo em outra faculdade é outra distorção.

As restrições profissionais também são motivo de preocupação. São destacadas pelos entrevistados: não participação em concursos públicos; não podem projetar; são comparados com o técnico; tem responsabilidade técnica limitada e restrições do Conselho Profissional - CREA.

Desistir do curso ou da FATEC está vinculado a reprovações nas disciplinas básicas; dificuldades nas disciplinas; falta de profissionalismo, de tempo, de perspectiva; outras prioridades; problema familiar; problema financeiro; retorno financeiro; restrições profissionais e professores.

Remete inferir que o trabalho é prioridade, pois boa parte dos estudantes é responsável financeiro da família.

As disciplinas de cálculo, física e resistência dos materiais são apontadas como as de maior dificuldade e, consequentemente, maiores índices de reprovações. Os estudantes apontam que no ensino médio e básico também tiveram dificuldades com as disciplinas de matemática e física e ainda química e português.

O curso ser puxado, a falta de tempo e o trabalho são algumas justificativas para as dificuldades e reprovações no curso superior.

O fato de terem cursado o ensino médio em escola pública pode refletir as dificuldades no ensino superior. Os alunos apontam a falta de base e a baixa qualidade daquele ensino como motivo das dificuldades.

As reprovações são responsáveis por um prazo de integralização maior, na média o curso é concluído em 4 anos e meio. Alguma ação precisa ser estudada.

A situação familiar também pode interferir nas decisões dos estudantes e refletir nas reprovações e evasão ou desistência da faculdade.

Manter o aluno na faculdade é um desafio. Os estudantes têm muitas opções de Instituições de Ensino para cursar o ensino superior. Bem aplicar os recursos públicos é uma obrigação e, portanto minimizar a evasão e a desistência do curso e da faculdade é o desafio que precisa ser resolvido.

Importante afirmar que o papel das Instituições de Ensino é oferecer um ensino com qualidade e perspectivas concretas de emprego e de responsabilidades compatíveis com a graduação

6. Sugestões de ações

Estabelecer um canal de comunicação pessoal com os alunos para identificar problemas, dificuldades e principalmente encaminhar propostas de soluções.

Oferecer inicialmente uma disciplina de matemática para complementar os conhecimentos matemáticos na perspectiva de melhorar o desempenho dos alunos nas disciplinas curriculares. Essa disciplina ocuparia o mesmo horário de cálculo I e o aluno poderia optar por

cursá-la após uma reprovação naquela disciplina. A sugestão de ser matemática é por entender que esse conhecimento é facilitador para todas as disciplinas do curso.

Acompanhar o desempenho dos alunos e oferecer essas informações para os responsáveis de disciplinas. Essas informações podem viabilizar novas estratégias e metodologias pedagógicas com o objetivo de motivar, incluir e possibilitar que os estudantes não só concluam o curso, mas também o faça no prazo normal de integralização sem perder a qualidade e o reconhecimento construídos ao longo de décadas.

Outra ação que precisa ser incentivada é a relação da Faculdade com os Conselhos Profissionais. A faculdade pode intervir para que o perfil profissional aprovado para o curso seja aceito pelo Conselho responsável pela fiscalização do exercício profissional. Afinal, a construção de um projeto pedagógico tem por finalidade oferecer aos graduados conhecimento e competências para ingressar no mercado de trabalho com condições de assumirem responsabilidades e permanecerem como tecnólogos.

Agradecimentos

Ao Departamento de Transporte e Obras de Terra da Faculdade de Tecnologia de São Paulo, do qual sou professor, e ao CEETEPS, por permitirem-mepesquisar temas de interesse na formação de tecnólogos e poder trabalhar na divulgação e na valorização da Instituição e dos tecnólogos.

Referências bibliográficas

[1]SAI/FATEC 2009 – FATEC São Paulo. 10º Relatório de avaliação. 2009. CEETEPS. [2]SAI/FATEC 2010 – FATEC São Paulo. 11º Relatório de avaliação. 2010. CEETEPS. [3]BRISSAC, Rafaela de Menezes Souza. Fatores anteriores ao ingresso como preditivos de evasão nos anos iniciais dos cursos superiores de tecnologia. 2009. Dissertação (Mestrado) - Universidade Estadual de Campinas, Faculdade de Educação, São Paulo. [4] ADACHI, Ana Amélia Chaves Teixeira. Evasão e evadidos nos cursos de graduação da Universidade Federal de Minas Gerais. 2009. Dissertação (Mestrado) – Universidade Federal de Minas Gerais / FaE, Belo Horizonte.


ANEXO 1

ROTEIRO DE ENTREVISTA

Estudo sobre o Índice de Perda do curso de Movimento de Terra e Pavimentação 2º/sem/12 1) SEXO ( ) MASCULINO ( ) FEMININO

2) IDADE?

3) ESTADO CIVIL?

4) FILHOS? QUANTOS?

5) QUAL O BAIRRO ONDE MORA?Qual é a região ( ) norte ( ) sul ( ) leste ( ) oeste6) O IMÓVEL É PRÓPRIO?

7) COM QUEM MORA?

8) QUEM É O PRINCIPAL RESPONSÁVEL FINANCEIRO DO LOCAL ONDE MORA?

9) QUAL A SUA OCUPAÇÃO ATUAL?

10) QUAL O RAMO DE ATIVIDADE DA EMPRESA EM QUE TRABALHA?

11) O QUE VOCÊ FAZ NESSA EMPRESA?

12)TRABALHOU ANTES?

13) O QUE FAZIA?

14) TEM VEÍCULO PRÓPRIO?

15)TEM COMPUTADOR PESSOAL?

16) DOMINA OUTRO IDIOMA? QUAL? ( )BOM ( )MÉDIO ( )REGULAR

17) ONDE (MUNICÍPIO) CURSOU O ENSINO FUNDAMENTAL? ESCOLA ( ) PÚBLICA ( ) PRIVADA

18) SUAS NOTAS NO ENSINO FUNDAMENTAL FORAM ( )MÍNIMAS ( )BOAS ( )ÓTIMAS

19) VOCÊ TEVE ALGUMA DIFICULDADE NO ENSINO FUNDAMENTAL? QUAL?

20) VOCÊ IDENTIFICA O MOTIVO DA DIFICULDADE?

21) ONDE (MUNICÍPIO) CURSOU O ENSINO MÉDIO? ESCOLA PÚBLICA OU PRIVADA?

22) SEU CURSO FOI ( ) DIURNO OU ( ) NOTURNO

23) VOCÊ TEVE REPROVAÇÃO? QUAL(IS) DISCIPLINA(S)?

24) SUAS NOTAS NO ENSINO MÉDIO FORAM ( ) MÍNIMAS ( ) BOAS ( ) ÓTIMAS

25) OS PROFESSORES DO ENSINO MÉDIO FORAM ( ) ÓTIMOS ( ) BONS ( ) RUINS

26) VOCÊ IDENTIFICA ALGUMA DIFICULDADE NO ENSINO MÉDIO?

27) O QUE VOCÊ DESTACA DE POSITIVO NA ESCOLA QUE FREQUENTOU?

28) VOCÊ FEZ CURSINHO? QUAL? QUANTO TEMPO?

29) QUAL A ESCOLARIDADE DO SEU PAI?

30) QUAL A ESCOLARIDADE DA SUA MÃE?

31) QUAL A PROFISSÃO DA SUA MÃE?

32) QUAL A PROFISSÃO DO SEU PAI?

33) SEUS PAIS O INFLUENCIARAM NAS ESCOLHAS EDUCACIONAIS? ISSO FOI BOM?

34) QUAIS DOS SEUS PAIS MAIS INTERAGE COM VOCÊ PARA CONVERSAR SOBRE EDUCAÇÃO?


35) SEU PAI E A SUA MÃE SABEM O QUE É A FATEC?

36) SEU PAI E A SUA MÃE SABEM O QUE É UM PROFISSIONAL TECNÓLOGO?

37) COMO VOCÊ SE ATUALIZA?

38) PARTICIPA DE ALGUMA ATIVIDADE EXTRA CLASSE NA FATEC? QUAIS?

39) VOCÊ PRATICA ATIVIDADE ( ) SOCIAL ( ) ESPORTIVA ( ) RELIGIOSA FORA DA FATEC?

40) QUANTO TEMPO POR SEMANA VOCÊ DEDICA A ESSA ATIVIDADE?

41) QUAL SEMESTRE VOCÊ INGRESSOU NA FATEC? EM QUAL SEMESTRE DO CURSO VOCÊ ESTÁ (CONSIDERE O MAIOR Nº DE DISCIPLINAS)?42) VOCÊ TEVE ALGUMA REPROVAÇÃO? QUAIS DISCIPLINAS? QUANTAS VEZES?

43) VOCÊ IDENTIFICA O MOTIVO DA(S) REPROVAÇÃO(ÕES)?

44) OS PROFESSORES DO SEU CURSO SÃO ( ) ÓTIMOS ( ) BONS ( ) RUINS

45) SUAS NOTAS NA FATEC SÃO ( ) MÍNIMAS ( ) BOAS ( ) ÓTIMAS?

46) VOCÊ IDENTIFICA O MOTIVO DA DIFICULDADE COM AS DISCIPLINAS?

47) O QUE VOCÊ DESTACA DE POSITIVO NA FATEC?

48) QUANTAS VEZES POR SEMANA VOCÊ ESTUDA? QUANTAS HORAS POR SEMANA?

49) O QUE LHE MOTIVARIA PARA FAZER OUTRA GRADUAÇÃO?

50) GOSTARIA QUE ALGUMA COISA FOSSE DIFERENTE NA FATEC?

51) A FATEC ESTÁ ATENDENDO SUAS EXPECTATIVAS?

52) QUE MOTIVOS LHE FARIA DESISTIR DO CURSO?

53) O CURSO TEM DURAÇÃO DE 3 ANOS. QUAL SUA PREVISÃO PARA CONCLUI-LO?

54) POR QUE É DIFÍCIL CONCLUIR O CURSO EM 3 ANOS?

55) POR QUE ESCOLHEU A FATEC?

56) POR QUE ESCOLHEU O CURSO DE MOVIMENTO DE TERRA E PAVIMENTAÇÃO?

57) VOCÊ VAI CURSAR ENGENHARIA ( ) SIM ( ) NÃO OU ESTA CURSANDO ( ) SIM ( ) NÃO? QUAL O MOTIVO?

58) ESTUDAR NA FATEC AJUDA NA INSERÇÃO DO PROFISSIONAL NO MERCADO DE TRABALHO? ( ) SIM ( ) NÃO59) COMO TECNÓLOGO VOCÊ ESTARÁ PREPARADO PARA DESEMPENHAR AS ATIVIDADES, NA SUA ÁREA DE FORMAÇÃO, TAIS COMO: ( ) NÃO PREPARADO( ) SUPERVISÃO ( ) COORDENAÇÃO ( ) DIREÇÃO ( ) PROJETO ( ) FISCALIZAÇÃO ( ) ASSESSORIA ( ) PARECER ( ) ORÇAMENTO ( ) ESTUDO DE VIABILIDADE ( ) EXCUÇÃO ( ) ORIENTAÇÃO TÉCNICA( ) ESTUDOS ( ) ENSINO ( ) EXPERIMENTAÇÃO ( ) ESPECIFICAÇÃO ( ) PLANEJAMENTO60) INDIQUE 3 MOTIVOS RELEVANTES, NA SUA OPINIÃO, PARA QUE UM ESTUDANTE DESISTA DA FATEC.

61) QUAL A IMPORTÂNCIA DE UM CURSO DE NÍVEL SUPERIOR?

62) VOCÊ CONHECE ALGUMA RESTRIÇÃO PARA O EXERCÍCIO PROFISSIONAL DOS TECNÓLOGOS?QUAL?63) APÓS CONCLUIR O CURSO VOCÊ PRETENDE FAZER OUTRA GRADUAÇÃO SIM ( ) NÃO ( ) OU PÓS-GRADUAÇÃO SIM ( ) NÃO ( )?64) VOCÊ INGRESSOU NUM CURSO DE TECNOLOGIA PARA OBTER APROVEITAMENTO DE ESTUDO EM OUTRA FACULADADE? ( ) SIM ( ) NÃO65) CITE 2 OBJETIVOS QUE PRETENDE ALCANÇAR NA VIDA.

CASO QUEIRA APRESENTAR MAIS ALGUMA INFORMAÇÃO USE O VERSO. OBRIGADO.


EXPERIÊNCIA DO ENSINO DE METODOLOGIA DE PROJETOS EM SISTEMAS BIOMÉDICOS

Marcos José de Lima Prof. Me. do Curso de Tecnologia em Sistemas Biomédicos - FATEC “José Crespo Gonzales” - Sorocaba

[email protected]

Resumo

É apresentada a metodologia de ensino aplicada a projetos de produtos técnicos com base nas diretrizes daAssociação dos Engenheiros Alemães (VDI) na área de Tecnologia em Sistemas Biomédicos da Fatec Sorocaba e voltada ao desenvolvimento de equipamentos médico-hospitalares. No período de ensino da disciplina os documentos de projeto elaborados pelos alunos evidenciaram estrutura sistemática que propiciaram soluções de qualidade para as questões técnicas.

1. Introdução

As exigências da população por assistência à saúde de maior qualidade e acessível se justifica e o governo brasileiro, por intermédio do Ministério da Saúde, tem promovido ações visando estabelecer regulamentações para que as empresas fabricantes e os fornecedores de produtos para a saúde observem rigorosos processos de certificação para a comercialização.

O fortalecimento da indústria nacional e regional passa pela formação de um contingente de profissionais especializados e dedicados a projetos. A adoção de uma metodologia de desenvolvimento construtivo pode beneficiar na prática a colaboração entre instituições de ensino e industriais do ramo de produtos médicos.

O ensino de projetos nos cursos de tecnologia e engenharia no Brasil é realidade há décadas. Somente no final da década de 80 e durante os anos 90 é que começaram a surgir os cursos de pós-graduação e graduação voltados para o segmento de produtos e equipamentos médico-hospitalares. Para situar sua importância na economia brasileira, em 2013, oconsumo foi de 5,64 bilhões de dólares e apesar do faturamento da indústria nacional do setor ter sido expressivo e apresentar crescimento de 6,09%, o déficit da balança comercial do segmento foi de 4,16 bilhões de dólares [1] e [14]. A parcela no consumo do mercado interno da produção da indústria nacional em 2013 foi de 31,9% [1] demonstrando a necessidade de crescer epara alavancar sua produção necessita de investimentos, bem como da participação de profissionais nas áreas de projetos e produção em número e qualificaçãocompatíveis. Visando alcançar tal qualificação a metodologia empregada visou responder questões básicas de projetos tais como: Com o que e como projetar? Projetar para quem? Qual o valor técnico das soluções de projeto? Quanto poderá ser o custo do produto projetado?

2. Objetivo

Este trabalho objetiva apresentar a experiência naformação especializada do profissional da tecnologia em sistemas biomédicos para a área de projetos e sugerir aadoção de metodologia construtiva com base nas diretrizes da VDI, visando contribuir com a qualidade do desenvolvimento de sistemas biomédicos.

3. Materiais e Métodos

O trabalho inicial consistiu em realizar uma revisão da literatura relacionada à metodologia de projeto de sistemas técnicos. Por tratar-se de trabalho voltado à aplicação de metodologia de projeto no ambiente de ensino superior de tecnologia apresenta-se breve histórico da implantação do Curso de Sistemas Biomédicos bem como da Teoria da Construção Sistemática. A experiência de 22 anos no ensino da Disciplina de Construção de Equipamentos Médico-hospitalares permitiu retratar a aplicação da metodologia das diretrizes VDI 2221 a 2225 [2] em todas as suas etapas e passos. Observa-se no site da VDI a comercialização destas diretrizes com datas de publicação da década de 90, indicado que os originais são válidos na atualidade [2]. O acervo de documentos de projetos executados por discentes, desde a implantação da disciplina de Construção de Aparelhos em 1992 até a atualidade, existentes em biblioteca do Laboratório de Construção de Equipamentos Médico-hospitalares da Faculdade de Tecnologia de Sorocaba, foi examinado quanto aos benefícios trazidos para o aprendizado de desenvolvimento construtivo. Além disto, foram consideradas as resoluções e normas vigentes para a área da produção e comercialização de produtos para a saúde no Brasil, tornando a experiência da aplicação da metodologia alemã adaptável às condições do nosso meio. A aplicação desta metodologia no ambiente de ensino buscou obter, com adaptações, a capacitação para o exercício profissional da Tecnologia em Sistemas Biomédicos no mercado nacional de produção, comercialização e aplicação de equipamentos médico-hospitalares.

4. Histórico

Com base na literatura especializada e experiência de ensino de 22 anos foi possível desenvolver o procedimento sistemático do processo de desenvolvimento construtivo voltado a sistemas biomédicos, o que permite a documentação de projeto


dentro das exigências normativas atuais da área da tecnologia em saúde e necessárias às exigências da fase de produção de produto técnico.

4.1. Histórico do Curso de Tecnologia em Sistemas Biomédicos

Em 1991, o Centro Estadual de Educação Tecnológica Paula Souza, por intermédio da Faculdade de Tecnologia em Sorocaba, identificou a oportunidade de contribuir com a formação profissional oferecendo o Curso Superior de Tecnologia em Saúde. Em 2009 o curso sofreu reformulação na sua grade curricular e passou a ser denominado Curso Superior de Tecnologia em Sistemas Biomédicos, de modo a atender a terminologia de cursos adotada pelo Catálogo Nacional de Cursos Superiores do MEC. A composição curricular do Curso está regulamentada na Resolução CNE/CP nº 03/2002 [3].

4.2. Histórico da Construção Sistemática

O trabalho do projetista a partir do tratamento científico aplicando metodologia de projeto deixou de ser aleatório e dependente das características ou do talento pessoal. O desenvolvimento de projeto tornou-se, deste modo, metódico ou sistemático, principalmente com as importantes contribuições dos renomados personagens relacionados no Quadro I.

Quadro I - Fatos da Teoria de Projetos Personagem Época Contribuição

Leonardo da Vinci

1452 a 1519 Esboços

Reuleaux 1854 Técnicas de MecanismosErkens Anos 20 Construção passo a passo

Wögebauer Anos 40 Técnicas de ConstruçãoKesselring Anos 40 Die Starke KonstruktionNiemann 1950 Elementos de MáquinasHansen 1956 Construção SistemáticaRodenaker 1970 Método de ConstruçãoRoth 1982 Konstruiren mit

KonstruktionskatalogenKoller 1986 Fases de ConstruçãoPahl & Beitz 1986 Teoria de ProjetosHubka 1984 Teoria de Projetos

Ehrlenspiel 1985 Teoria de ProjetosSoftwares de Projeto

Atualidade Automação de projeto

Fontes: [5], [10] e [12].

5. Construção Sistemática

O Processo de Desenvolvimento Construtivo (PDC) segundo as Diretrizes da VDI é estabelecido na Figura

1, Anexo I. A metodologia do PDC é apresentada a seguir, passo a passo.

5.1. Fundamentos

A metodologia Alemã de projetos, segundo as diretrizes VDI 2222 a 2225, publicada pela Associação dos Engenheiros Alemães [1], juntamente às informações da literatura especializada [7], [8], [9] e [10] permitem fundamentar a construção sistemática.

5.2. Esclarecimento da Tarefa de Projeto

Esclarecer a tarefa de projeto proposta é o início do trabalho do construtor e consiste em realizar estudo do problema proposto. Tornar mais precisa a ideia de projeto possibilita um domínio maior ou familiarização e enquadramento global sobre a situação da tarefa, não sendo, no entanto, necessário considerar todos os detalhes técnicos. Inicialmente, para precisar a situação, devem-se empregar perguntas orientadas: o que, para que, quem, quando, quanto e por que.

O estudo de literatura especializada e também o acesso a sites de fornecedores de produtos fornece meios para obtenção de informações e dados que são organizados em uma fundamentação do projeto e também subsidiam a construção da Lista de Requisitos.

De acordo com [4] a definição de projeto de engenharia é: “um processo sistemático, inteligente no qual os projetistas geram, avaliam e especificam conceitos para os equipamentos, sistemas ou processos, cujas formas e funções atingem as necessidades e objetivos dos clientes e usuários enquanto satisfazem um conjunto especificado de restrições”.

5.3. Lista de Requisitos

A coletânea de necessidades ou características desejadas e estabelecidas por normas e restrições de produções e operação pode ser organizada na forma de tabela, a qual é comumente designada por lista de requisitos ou de exigências.

A lista de requisitos é um tabelamento das principais e significativas informações e dados relevantes, listados no Quadro II, quer seja qualitativamente ou quantitativamente, que formam a base para o desenvolvimento do sistema funcional e estrutural. Para conseguir que a mesma contenha um bom nível de dados e informações é necessário que a equipe de projeto conduza um trabalho intenso de pesquisa. Normalmente recomenda-se adicionar um tópico de fundamentação para o projeto, o que pode produzir dezenas de páginas de documentos. Destes registros de fundamentação são extraídos, portanto, o conteúdo para a lista de exigências ou requisitos.

5.4. Desenvolvimento da Estrutura Funcional

Nesta fase deve-se abstrair qual a função principal ou total e as funções parciais visando o funcionamento desejado para o sistema técnico. Este é um trabalho de


concepção da estrutura funcional, que em inglês denomina-se de Conceptual Design e em alemão de Konzepieren.

Quadro II - Termos para orientar o desenvolvimento de uma lista de requistos

Termo Principal

Exemplos de termos relacionados

Geometria Tamanho, altura, largura, comprimento, secção, volume necessário, número, ordem, ligações, acabamento.

Cinemática Tipo de movimento, direção de movimento, velocidade e aceleração.

Força Intensidade da força, direção da força, frequência da força, peso, carga, conformação, rigidez, elasticidade, estabilidade e ressonância.

Energia Potência, rendimento, perda, atrito, ventilação, grandezas de estado como pressão, temperatura, umidade, aquecimento, resfriamento, energia de armazenamento, trabalho absorvido e transformação de energia.

Material Propriedades físicas e químicas dos produtos de entrada e de saída, materiais auxiliares, materiais previstos, fluxos e transporte de material.

Sinal Sinais de entrada e saída, tipo de mostrador instrumentos de indicação e controle e forma de sinal.

Segurança Técnica da segurança imediata, sistema de proteção, segurança de funcionamento de trabalho e ambiental.

Ergonomia Relacionamento homem-máquina; manejo, tipo de manejo e observação, iluminação e forma de configuração.

Fabricação Restrições de fabricação. Máxima medida, processo preferido de fabricação, meios de fabricação, qualidade e tolerância possível.

Controle Possibilidade de medição e provas, regulamentações (DIN, ISO, ABNT).

Montagem Regras parciais de montagem, montagem conjunta, de união, sequência de montagem e fundações.

Transporte Limitações, percurso de transporte considerando peso e tamanho, tipo e experiência de expedição.

Uso Inodoro, taxas de desgaste, emprego e mercado, local de emprego (p. exemplo: atmosfera sulfídrica, tropical, etc.).

Manutenção Tempo de espera, inspeção, calibração, manutenabilidade, pintura e limpeza.

Reciclagem Retorno, revalorização, deposição eeliminação.

Custo Máximo custo admissível de produção, custos de ferramentas, investimento e amortização.

Prazo Fim do desenvolvimento, passos intermediários e planos.

Fonte: [5]

A técnica normalmente empregada é a elaboração de diagrama de blocos funcionais [5] e [6]. Embora não ocorra uma normalização da simbologia utilizada na construção dos diagramas, existe a necessidade de se estabelecer regras de elaboração e de símbolos. Por exemplo, os fluxos de energia, substância/material e sinal/informação.

5.5. Desenvolvimento de Soluções para as Funções Parciais

Nesta fase conceitual buscam-se soluções que satisfaçam as funções parciais do sistema [7]. Existem inúmeras possibilidades para se encontrar soluções técnicas, dentre as quais determinados métodos de encontrar ideias. Em literatura técnica de projeto comumente constam os métodos Brainstorming, 635, Delphi e Cinética [5], [6] e [8]. Também os métodos da combinação e da variação de soluções são frequentemente utilizados. Os princípios físicos e as diretrizes de construção constituem igualmente recursos a que se pode recorrer.

Os meios auxiliares em software e hardware de processamento de dados e informações são hoje em dia imprescindíveis para a eficiência de desenvolvimento de projetos. O projeto auxiliado por computador (CAD) é amplamente empregado. Os catálogos elaborados pelos fornecedores de peças e componentes são de alto valor como meios auxiliares. Os livros e revistas especializadas somam-se aos demais para oferecer as mais diversas possibilidades de soluções.

Mesmo com tudo o que está hoje em dia disponível nos meios de comunicação, muitas vezes é necessário recorrer à criatividade e inventividade humana. A metodologia TRIZ [9] e as ferramentas de auxílio à criatividade desempenham fundamental importância como meios de se obter maior efetividade neste processo cognitivo.

5.6. Matriz de Variantes

A matriz de variantes segundo a VDI 2222 [1] tem como estrutura a representada no Quadro III e visa oferecer uma visão geral das alternativas, bem como permitir o raciocínio quanto às combinações de soluções possíveis. Recomenda-se que nas células sejam inseridos desenhos simplificados ou ilustrações para as soluções desenvolvidas, seus dados e referências relevantes. Caso o projetista necessite de informações adicionais, pode recorrer aos registros da etapa anterior de desenvolvimento.

Quadro III - Estrutura da matriz de variantes. Variante

Função Parcial

V1 V 2 ... V j V n

FP1

FP2...FPn


5.7. Avaliação Técnica das Variantes

A fase de avaliação das variantes tem como objetivo básico quantificar/qualificar os níveis de soluções para um projeto. A qualidade do produto final está diretamente relacionada ao poder que a metodologia oferece à avaliação das soluções. Igualmente importantes são o conhecimento especializado e aexperiência acumulada dos membros da equipe de trabalho na condução deste processo.

As decisões a serem tomadas na escolha dos sistemas definitivos para os desenhos finais do projeto do produto são mais refinadas à medida que o procedimento de avaliação seja conduzido com rigor de detalhamento.

São diversas as técnicas existentes e disponíveis para realizar a avaliação de soluções em projeto. Dentre as principais voltadas para a tecnologia destacam-se as avaliações bivalentes, as multivalentes e as de multicritérios.

Mais detalhadamente, após a determinação das vantagens e desvantagens de cada variante do sistema, consideram-se os critérios mais exigentes a fim de classificá-las tecnicamente.

Os critérios de avaliação são organizados com pesonumérico para a determinação do grau de exigência de cada um. Na tabela utilizada, cada variante recebe uma nota de 0 a 4, conforme anteriormente comentado. Essas notas são multiplicadas pelo grau de exigência (1 a 10 de 1 em 1) para quantificar a viabilidade quanto ao critério estipulado. O cálculo é realizado de acordo com a Fórmula 1:

Xi = ∑ (grau de exigência x nota atribuída) (1) (∑ grau de exigência) x nota máxima

O resultado obtido deve estar compreendido entre 0 e 1. Quanto mais próximo de 1 estiver o resultado, mais perto do ideal será a solução. Sendo assim, dentre as variantes é escolhida aquela que possui o maior Xi, ou seja, a que apresenta melhores características nos critérios avaliados. A nota máxima será sempre igual a 4.

5.8. Soluções Combinações

Após a avaliação técnica de cada uma das variantes, para todas as funções parciais do sistema, procede-se a combinação de variantes. Com a avaliação técnica de cada uma das soluções combinações, podem ser obtidos os seus respectivos valores médios, que serão inseridos no gráfico de Kesselring da Figura 1.

5.9. Avaliação Econômica

Um trabalho importante foi conduzido por Kesselring em 1954 [10] relativamente à questão da avaliação técnica e econômica das soluções combinações. A metodologia de avaliação desenvolvida por este autor foi posteriormente incorporada em outras publicações do gênero, inclusive pela VDI 2225 [1].

A avaliação econômica das soluções combinações dá-se através de um fator Yi, obtido pela aplicação da Fórmula 2:

Yi = CPid/CP (2)

Onde CPid = Custo de produção ideal e CP = Custo de produção calculado. Em aproximação,

CPid = 0,5 x PMmin (3)

Onde, PMmin é o menor preço equivalente para o produto encontrado no mercado. Observa-se que no caso do produto ser novo, deve-se estipular um preço que o consumidor está disposto a pagar.

O CP para produtos com um grau de eletrônica razoável pode ser considerado 2,5 vezes o Custo de Material a ser empregado na construção do produto emprojeto. Assim,

CP = 2,5 x CM (4)

5.10. Avaliação Técnico-EconômicaO desenvolvimento da Solução Ótima abrange

também uma avaliação técnica e econômica das soluções combinações, realizada através de tabelas e gráficos como, por exemplo, gráfico de Kesselring segundo [11]. No gráfico de Kesselring da Figura 1 são posicionados os pares (Xi,Yi) para as soluções combinações. A região assinalada na diagonal refere-se à região de soluções consideradas ótimas.

Para conduzir a avaliação econômica de maneira detalhada é necessário que sejam adotados os conceitos econômicos voltados à produção industrial, quando na fase do processo de desenvolvimento das soluções técnicas. Além disto, podem ser considerados os conceitos apresentados por [12]. Este autor apresenta uma estrutura para os custos e seus cálculos.

Yi (1,1)

(0,0) XiFigura 1- Gráfico de Kesselring [11].

5.11. Decisão e Desenhos

A equipe de projetistas deve ao final do processo de desenvolvimento construtivo, tomar decisões quanto à qualidade das soluções combinações, para em seguida, conduzir a definição dos desenhos técnicos da solução ótima para permitir a fabricação. Os equipamentos e instrumentos médicos normalmente envolvem sistemas


mecânicos e eletrônicos, exigindo elaboração de desenhos técnicos para compor o Registro Mestre de Produto, conforme a Agência Nacional de Vigilância Sanitária (ANVISA) RDC 16:2013 [13].

5.12. Documentação de Projeto

A ANVISA RDC 16:2013 [13] trata do Regulamento Técnico de Boas Práticas de Fabricação de Produtos Médicos e Produtos para Diagnóstico de Uso In Vitro e visa buscar a garantia da qualidade, segurança e eficácia nos produtos comercializados no Brasil. São destaques os capítulos 3, 4 e 5, que respectivamente tratam de documentos e registros da qualidade, controle de projeto, registro mestre de produto (RMP) e controles de processo e produção.

5.13. Validação A validação da solução de projeto só será possível

com todos os registros efetuados e com a submissão à análise da ANVISA. Também são importantes de serem estabelecidos os conceitos relativos à Produção, Vendas, Pós-Vendas e Obsolescência. Na grade curricular do Curso de Sistemas Biomédicos constam disciplinas voltadas para o ensino da Construção, Manutenção, Gestão da Qualidade e Gestão da Manutenção, oferecendo ao discente visão ampla a respeito do tema.

6. Comentários Finais

Espera-se que a experiência no ensino de projetos de Equipamentos Médicos, dentro de Curso Superior de Tecnologia em Sistemas Biomédicos na Faculdade de Tecnologia de Sorocaba, utilizando o procedimento sugerido pela VDI e adaptada às exigências normativas brasileiras tenha sido proveitosa, à medida que visou contribuir para formação especializada de profissionais com cultura de projetos necessária à produção, comercialização e utilização de equipamentos médicos no Brasil. Os cerca de 200 projetos conduzidos em equipes formadas por discentes dentro da disciplina de projetos e empregando a metodologia de desenvolvimento construtivo sugerida pela VDI, mostraram-se vantajosos levando em consideração a obtenção de documentação exigida por normas e nos moldes adequados à fase subsequente que é a da construção de protótipos. A análise de tais documentos permitiu constatar o aprendizado de aplicação dodesenvolvimento sistemático de projeto e a obtenção de soluções técnicas de bom nível de qualidade. As literaturas empregadas embora sejam de datas não recentes, ainda são consideradas válidas.

O tempo de experiência de aplicação em ensino desta metodologia pode ter contribuído significativamente para a formação de 957 tecnólogos, que atuam nas diversas áreas da Tecnologia em Saúde no Brasil em estabelecimentos assistenciais de saúde, empresas produtoras e prestadoras de serviços, o que pode merecer atenção em estudos posteriores para a sua verificação.

Referências

[1] ABIMO. Associação Brasileira das Indústrias de Equipamentos Médicos e Odontológicos. Dados do Setor. Disponível em: <http://www.abimo. com.br>. Acesso em: 26 jun. 2014.

[2] VDI – Verein Deutscher Ingenieure – Richtlinien VDI. Conjunto de Diretrizes publicadas de 1972 a 2004 e edições originais disponíveis na VDI.Disponível em: <http://www.vdi.de>. Acesso em:26 jun. 2014.

[3] BRASIL. Ministério da Educação. Diretrizes curriculares nacionais gerais para a organização e o funcionamento dos cursos superiores de tecnologia. Resolução CNE/CP nº 3, de 18/12/2002. Disponível em: <http://portal.mec.gov.br/setec/arquivos/pdf/resol_cne3.pdf >. Acesso em: 26 jun. 2014.

[4] DYM, C. L. et al. Engineering design thinking, teaching, and learning. Journal of Engineering Education, 94:103–119, 2005 apud NORDLAND, Kate Elizabeth. Information flow between tools early in the engineering design process. Tese - Rochester Institute of Technology - Kate Gleason College of Engineering, 2007. 138p.

[5] PAHL, Gerhard & W. Beitz. Konstruktionslehre: Handbuch für Studium u. Praxis. 2. Neubearb. u. Erw. Aufl. – Berlin; Heidelberg; New York; Tokio : Springer, 1986. ISBN 3-540-16427-8.

[6] BACK, Nelson. Metodologia de projeto de produtos industriais. Rio de Janeiro : Guanabara Dois, 1983.

[7] ASIMOW, M.. An introduction to design.Englewood Cliffs, NJ : Prentice-Hall, 1962.

[8] BAXTER, Mike. Projeto de produto. São Paulo : Edgard Blücher, 2000.

[9] TRIZ Journal. Ideation International. The tools of classical TRIZ. Available from "Products and Services". Southfield, MI, USA, 1999.

[10] KESSELRING, F. Bewertung von Konstru-ktionen, ein Mittel zur Steuerung von Konstruktionsarbeit. 1.st ed. Düsseldorf : VDI-Spring Verlag, 1954. (Disponível na Editora em eBook).

[11] ZEILER, Wim et al. Design decision support for the conceptual phase of the design process. Nov. 2007, 15p. Disponível em: <http://www. sd. polyu.edu.hk/iasdr/proceeding/papers/Design% 20Decision%20support%20for%20the%20conceptual%20phase.pdf>. Acesso em: 23 nov. 2011.

[12] EHRLENSPIEL, Klaus. Kostengünstig kons-truieren. Berlin, Heidelberg : Springer-Verlag, 1985.

[13] BRASIL, Ministério da Saúde. ANVISA, RDC 16:2013. Regulamento Técnico de Boas Práticas de Fabricação de Produtos Médicos e Produtos para Diagnóstico de Uso In Vitro. 28 mar. 2013.

[14] DADOS DO MERCADO: O setor mundial de produtos para saúde. Brazilian Health Devices.Disponível em: <http://brazilianhealthdevices.com. br/market>. Acesso em: 26 jun. 2014.


Tarefa

Esclarecimento da Tarefa apresentada. Elaboração da lista de requisitos

Desenvolvimento das soluções princípios:Identificação do problema científico; Identificação da funçãoApresentação do princípio e estrutura de funcionamento Concretização para as variantes soluções princípiosAvaliação por critérios técnicos e econômicos

Desenvolvimento da Estrutura construtiva:Configuração grosseira: Forma, material e cálculosSeleção dos esboços grosseiros apropriadosConfiguração refinada dos esboços grosseirosAvaliação por critérios técnicos e econômicos

Adequação final da Configuração da Estrutura construtiva:Eliminação de pontos fracos; Controle dos errosDescobrimento das influências de grandezas interferentes e dos custos; Apresentação da lista de peçasInstruções de fabricação e montagem

Estabelecimento da Lista de exigências e passagem para a concepção

Fixação da solução princípio (conceito) e passagem para o passo de esboço

Definição dos esboços e passagem para o passo da configuração final

Definição dos desenhos apropriados e passagem para os registros finais

Desenvolvimento das instruções de uso:Refinamento das orientações de fabricaçãoDefinição dos testes de fabricação, montagem e transporte

Definição da documentação de produçãoLiberação para a Fabricação

Solução

Concepção Esboço R

efinamento

Otim

ização para a produção

Otim

ização da Configuração

Inform

ação: Ajustes da lista de requisitos

Esclareci-m

entoda tarefa

Otim

ização dos Princípios

Tornar de alto valor, melhorar

Anexo I - Figura 1 – Processo de Desenvolvimento Construtivo [5].


MINIATURIZAÇÃO DE PRÉ-COLUNA CROMATOGRÁFICA: PRODUÇÃO E TESTES

Resumo

1. Introdução

s t e m


2. Metodologia


3. Resultados e Discussão

3.1. Produção de colunas

AA

BB

CC

DD


3.2. Uso das colunas

A

B


0 200 4000,5

1,0

1,5

2,0

2,5

3,0

3,5

4,0

inten

sidad

e (u.a

.)

tempo (s)

TEOS H+

OH-

A

0 100 200 300 400 500

0,7

0,8

0,9

1,0

1,1

1,2

1,3

intensi

dade

(u.a.

)

tempo (s)

TEOS H+

OH-

B

0 100 200 300 400 500 600

1

2

3

inten

sidad

e (u.a

.)

tempo (s)

1a.2a.3a.

Modificação por TEOS

A

0 100 200 300 400 500 6000,70

0,75

0,80

0,85

0,90

0,95

1,00

1,05

1,10

inten

sidad

e (u.a

.)

tempo (s)

1a.2a.3a.

Modificação por TEOS

B

A

B

C

3.3. A avaliação do aluno em relação aosdispositivos


4. Conclusões

Agradecimentos


Conjuntos de estruturas miniaturizadas usadas para manipulação de misturas

. But what is it good for? Applications of microreactor technology for the fine chem. ind.

Micro-structured reactors for gas phase reac. ,

Estudo das propriedades de fibras de carbono oxidadas por processo a seco,

Produção de Filmes Compósitos a Partir de TEOS para Aplicação em Estruturas Miniaturizadas em Detecção de VOCs/Umidade

Computational Thinking in K–12: A Review of the State of the Field,

Inspiring careers in STEM and healthcare fields through medical simulation embedded in high school science education,

Workshop - Elementary Engineering Education: Engineering Teaching Kits for K-5 Students

Engaging students in learning: findings from a study of project-led education

Construção de Protótipo Para Ensino na Área Tecnológica,

Corrosão de filmes finos de carbono tipo diamante (DLC) em pressão sub atmosférica

Análise do desenvolvimen-to de competências gerenciais na construção civil através do modelo da Aprendizagem Baseada em Problemas adaptado ao contexto organizacional,

.Síntese e Caracterização de

Estruturas de Sílica Oca obtidas a partir de Esferas de Poliestireno

Síntese de nanotubos de carbono pela técnica de deposição química a vapor

Preparation of organic–inorganic (SWCNT/TWEEN–TEOS) nano hybrids and their NO gas sensing properties,

Single-bonded cubic form of nitrogen,


REGRESSÃO SIMBÓLICA COM SELEÇÃO POR AMOSTRAGEM

Rodrigo Morgon¹, Silvio do Lago Pereira² ¹Aluno do Curso de Análise e Desenvolvimento de Sistemas – FATEC-SP ²Prof. Dr. do Departamento de Tecnologia da Informação – FATEC-SP

[email protected], [email protected]

Resumo

Regressão é uma técnica usada para verificar a rela-ção existente entre duas variáveis observadas e obter um modelo que possa expressar essa relação. A abordagem tradicional de regressão usa modelos predefinidos, sendo inviável quando não se tem uma suposição a respeito do melhor modelo a ser adotado. A regressão simbólica, por outro lado, é capaz de encontrar o melhor modelo sem nenhuma hipótese adicional. O objetivo desse artigo épropor um algoritmo evolucionário para regressão sim-bólica, e com base nele, criar um sistema correspondentechamado SRS (Symbolic Regression with Sampling). Anovidade no algoritmo é o uso de amostragem para sele-cionar indivíduos da população que terão descendentes napróxima geração. A conjectura é que o uso de amostragempode acelerar a evolução da população e reduzir o temponecessário paraobtenção do melhor modelo procurado.Osresultados empíricos confirmaram essa conjectura.

1. Introdução Regressão [1] é uma técnica usada em aplicações

práticas em diversas áreas, para verificar se duas variáveisobservadas estão relacionadas de alguma forma e, casoestejam, definir um modelo que expresse essa relação. Estetipo de modelagem permite compreender como ocomportamento de uma variável influencia o comporta-mento de outra variável . A relação entre essas variáveispode ser vista como um processo com entrada e saída ,i.e., . Observando-se esse processo, é possívelobter vários pares de entrada e saída, , apartir dos quais um modelo correspondente pode ser for-mulado. Como a função é desconhecida (i.e., repre-senta um processo do tipo caixa-preta), o problema deregressão consiste em encontrar uma função queproduza saídas “próximas” daquelas geradas pela função

, relativas aos pares de entrada e saída considerados.Ao contrario da regressão tradicional, que adota um mo-delo de função predefinido e apenas ajusta coeficientes, aregressão simbólica [1] encontra o modelo propriamentedito (com coeficientes devidamente ajustados).

Neste artigo, o objetivo é propor um algoritmo evolu-cionário [2] para o problema de regressão simbólica, bemcomo descrever um sistema correspondente, denominadoSRS (Symbolic Regression with Sampling).

A motivação para essa proposta foi inspirada no sis-tema ECL (Evolutionary Concept Learner) [3], que trataum problema correlato (porém, com variáveis discretas) eapresenta excelente desempenho quando comparado a sis-temas tradicionais da área de aprendizado de máquina [4].

Assim como o ECL, o sistema SRS proposto nesse artigo é um algoritmo evolucionário que manipula uma população de indivíduos, cada um deles representando uma possível hipótese (i.e. melhor modelo procurado). Inicialmente, os indivíduos na população são gerados aleatoriamente (de acordo com regras que definem que componentes, ou genes, podem ser usadas para criar um indivíduo). Essa população é denominada geração zero.A partir daí, a cada nova geração, a aptidão dos indivíduosé calculada (e.g., proximidade da saída esperada emrelação àquela obtida) e alguns dos melhores indivíduossão selecionados para produzir descendentes na próximageração. O processo é repetido até que uma condiçãoterminal seja satisfeita (e.g., até o tempo máximo de exe-cução seja atingido). No final, o melhor indivíduo naúltima geração é devolvido como resposta do algoritmo.

O restante desse artigo está organizado da seguinteforma: a Seção 2 introduz os fundamentos da regressãosimbólica; a Seção 3 descreve o algoritmo proposto, bemcomo o sistema correspondente implementado; a Seção 4descreve resultados empíricos obtidos comesse sistema; e,por fim, a Seção 5 apresenta as conclusões do trabalho.

2. Regressão Simbólica Esta seção introduz os fundamentos da regressão sim-

bólica, necessários para entender o algoritmo proposto.

2.1. Problemas de RegressãoA abordagem tradicional para regressão consiste em

supor que tem uma forma padrão (e.g., ) eque apenas seus coeficientes precisam ser encontrados,para que ela se ajuste aos dados observados. O problemacom essa abordagem é que diferentes funções precisam sertestadas até que uma apropriada (i.e., que se ajuste bem aosdados observados) seja encontrada. Assim, o resultadodesse tipo de análise depende muito da habilidade de quemescolhe as funções a serem testadas. Por isso, até mesmoentre especialistas, é uma prática comum testar apenasfunções lineares e quadráticas, ainda que modelos maiscomplexos possam produzir melhores resultados.

A regressão simbólica [1], por outro lado, consiste emencontrar uma função que se ajuste ao conjunto de dadosobservados, sem que qualquer suposição sobre a forma dafunção precise ser feita. Diferentemente da abordagemtradicional, a regressão simbólica encontra não apenas oscoeficientes de uma função, mas a própria função (seja elalinear ou não). Essa ideia é ilustrada na Figura 1.


Figura 1 – Problemas de regressão.

Para solucionar o problema de regressão, o sistemacorrespondente ao algoritmo proposto formula hipótesesaproximadas através do seu aprendizado na observaçãodos objetos contidos no conjunto de dados.

2.2. Objetos e Conjuntos de Dados

Na regressão simbólica, um objeto é um par ordenado, em que representa a entrada e representa a saída

de um processo. Um conjunto de dados observados paraum processo caixa-preta é chamado conjunto de dados.

À primeira vista, pode parecer que quanto maior o con-junto de dados, mais fácil é encontrar um modelo que seajuste a eles. Na prática, entretanto, observa-se que umaquantidade excessiva de dados pode levar a um supera-justamento do modelo obtido, isto é, o modelo se ajustaperfeitamente ao conjunto de dados observados, mas não écapaz de extrapolar esse conjunto (i.e., se ajustar a novosobjetos, ainda não observados).

Para evitar o superajustamento do modelo, o conjuntode dados usado na regressão é dividido em duas partes:conjunto de treinamento e conjunto de validação. O con-junto de treinamento é usado pelo sistema para encontrar hipóteses que satisfaçam os objetos observados, ou seja, uma função tal que . Por outro lado, o conjuntode validação é usado para verificar se as hipóteses encon-tradas também valem para objetos que não estavam no conjunto de treinamento (ou seja, o conjunto de validação é usado para avaliar a capacidade de extrapolação dos modelos obtidos).

2.3. Avaliação de Hipóteses A qualidade de uma hipótese reflete o quanto ela se a-

proxima da função desconhecida (sobre a qual se conheceapenas os pares de entrada e saída observados). De fato, aqualidade de uma hipótese pode ser definida em termos dadiferença entre a saída que ela produz e a saída que é espe-rada. Por exemplo, seja a função que modelaum processo caixa-preta observado (evidentemente, naprática, essa função é desconhecida). Então, a entradaproduz a saída . Esse fato é representado pelo objetoobservado . Suponha agora que a hipótese encontradaseja . Então, quando a hipótese é avaliada coma entrada , obtém-se a saída , representada pelo par .A diferença entre a saída obtida e a saída esperada, nessecaso, é . Essa diferença é denominada erro. Assumimosque quanto menor for o somatório dos erros quadradosobtidos, em relação a todos os objetos no conjunto de dados considerado, maior a qualidade de uma hipótese.

3. Inovações na Abordagem Proposta O algoritmo usado como base para a implementação

do SRS é um algoritmo de busca estocástica, inspirado nateoria da evolução de Darwin, também chamado de algo-ritmo evolucionário. Esse tipo de algoritmo possui as seguintes características principais: uso de uma populaçãode indivíduos representando soluções candidatas; uso deoperadores genéticos para geração de novos indivíduos napopulação; e uso de uma medida de aptidão para selecionarindivíduos que devem sobreviver de uma geração paraoutra e/ou produzir descendente. O ciclo básico de um algoritmo evolucionário é ilustrado na Figura 2.

Figura 2 – Ciclo de um algoritmo evolucionário.

Para gerar novos indivíduos, o algoritmo propostonesse artigo emprega operadores genéticos de mutação ecruzamento. Para selecionar os indivíduos usados nessas operações, o algoritmo usa um novo método (descrito na Subseção 3.5), denominado seleção por amostragem.Como observado em experimentos realizados (relatados na Seção 4), esse método é capaz de acelerar a evolução da população e reduzir o tempo necessário para obtenção das melhores hipóteses.

3.1. Criação de Árvores e População Inicial Uma expressão aritmética pode ser representada por

uma árvore cujas folhas são rotuladas com uma variável ecujos nós internos são rotulados com operadores aritmé-ticos . Por exemplo, a Figura 3 mostra uma árvorerepresentando a expressão Note que, mesmousando apenas variáveis, é possível criar expressões equi-valentes a constantes (e.g., e , para ).

A representação de expressões em forma de árvorepermite que operações genéticas, como mutação e cruza-mento, sejam efetuadas mais facilmente.

Em programação genética [1], há dois métodos básicosde geração de árvores aleatórias para compor a populaçãoinicial: o método full gera apenas árvores completas, nasquais todas as folhas estão no mesmo nível; por outro lado,o método grow é capaz de gerar árvores de vários formatos.Aimplementação desses métodosé relativamente simples.Porém, nenhum deles garante uma distribuição uniformedas árvores na população inicial.

dado

regressão linear

regressão não linear

regressão simbólica

y

x

Figura 3 - Expressão aritmética representada por árvore

+

- /

X X* X

X X


No algoritmo proposto nesse artigo, uma distribuiçãomais uniforme das árvores aleatórias na população inicial ébaseada em um limite superior para o número de árvoresque podem ser criadas, com altura de no máximo níveis,compostas por operadores nulários, unários e binários.Esse limite superior, denotado por , pode ser indutiva-mente definido como segue: Se , a raiz da árvore deveser rotulada por uma variável1 (tratada como umoperador nulário, isto é, um operador que não tem ope-randos) e, então, (sendo o número de variáveisconsideradas). Caso contrário, se , cada árvoreenraizada num nó rotulado por uma variável é umaárvore de altura no máximo ; cada árvore de altura nomáximo , estendida com uma raiz rotulada comoperador unário é uma árvore de altura no máximo ; ecada par de árvores de altura no máximo ,combinadas por uma raiz rotulada com um operadorbinário é uma árvore de altura no máximo ; portanto,

. Assim, uma distribuição uniformede árvores aleatórias pode ser garantida se, durante acriação de uma árvore, as escolhas de variáveis e opera-dores (unário e binário) para rotular sua raiz forem feitascom probabilidades iguais a , , e ,respectivamente, e se suas subárvores forem criadasrecursivamente.

Na versão do sistema considerado nesse artigo, asfolhas das árvores ainda podem ser rotuladas com cons-tantes reais ou potências (e.g., ), geradas aleatoriamente.Embora isso possa aumentar a diversidade sintática dasárvores geradas, em termos semânticos, não há influência.

3.2. Mutação

Depois de criada, uma árvore pode ser modificada pelafunção de mutação. Essa função seleciona aleatoriamenteuma operação de modificação, aplica essa operação naárvore e devolve a árvore mutante resultante. Há dois tiposde operações de modificação que podem gerar umamutação de uma árvore: interna e externa.

Quando uma modificação interna é aplicada, um nóinterno da árvore é aleatoriamente selecionado para sofrermutação e seu rótulo é aleatoriamente substituído poroutro do mesmo tipo (preservando a altura da árvore, comomostra a Figura 4) ou, então, a subárvore enraizada nessenó é substituída por uma árvore aleatória de altura nomáximo (possivelmente diminuindo a altura da árvore,como mostra a Figura 5).

Poroutro lado,quando uma modificação externa é apli-cada, um nó externo da árvore é aleatoriamente sele-cionado para sofrer mutação e seu rótulo é aleatoriamentesubstituído por outro do mesmo tipo (preservando a alturada árvore, como mostra a Figura 6) ou, então, a subárvoreenraizada nesse nó é substituída por uma árvore aleatóriade altura no máximo (possivelmente aumentando a alturada árvore, como mostra a Figura 7).

1 Embora o artigo trate apenas de funções univariadas, o método tam-bém serve para funções multivariadas (i.e., com múltiplas entradas).

3.3. Cruzamento Além da operação de mutação, o algoritmo proposto

também usa a operação de cruzamento, que cria uma novaárvore a partir de duas outras selecionadas da população,cujas características estarão presentes na árvore resultanteda operação.

Essa função seleciona aleatoriamente o ponto em que aárvore será segmentada para o cruzamento com outraárvore. O resultado desse cruzamento permite que novascombinações e possibilidades de aproximação da funçãodesejada sejam obtidas. Essa ideia é ilustrada na Figura 8.

Figura 5 – Mutação por modificação interna

+

X /

X X

+

X X

Figura 6 – Mutação por modificação externa

+

X /

X X

+

X /

X X^2

Figura 7 – Mutação por modificação externa

+

X X

+

X *

X X

Figura 4 – Mutação por modificação interna

+

X /

X X

+

X *

X X


3.4. Avaliação de Árvores Cada árvore representa um indivíduo (i.e., uma

possível hipótese para o modelo da função a ser encontradapela regressão). Logo, a qualidade da árvore é avaliada deacordo como resultado do erro considerado na saída obtidapela mesma (vide Subseção 2.3).

No algoritmo proposto, a avaliação é feita com base no somatório do erro quadrático gerado pela hipótese noconjunto de treinamento. O erro quadrático, definido pela expressão (1), evita que erros positivos e negativos se anulem,o que causaria uma melhora irrealno desempenho do modelo avaliado.

(1)

3.5. Seleção por Amostragem Para garantir que as árvores na população sejam todas

distintas, o algoritmo usa uma tabela de dispersão paramanter a população. Nessa tabela, cada árvore é umachave à qual são associados um valor , indicando seuerro no conjunto de treinamento, e um valor , indi-cando seu tamanho (i.e., número de nós). Isso evita oreprocessamento de árvores idênticas, o que seria umdesperdício de recursos computacionais, e contribui paraaumentar a diversidade da população, o que é um bene-fício. A cada nova geração, a população corrente é trans-formada em uma nova população, usando operadoresgenéticos de cruzamento e mutação.

A técnica tradicionalmente usada para selecionar os indivíduos a serem submetidos às operações genéticas éa seleção proporcional à aptidão (conhecida como roleta russa) [1]. Essa técnica, cuja ideia é ilustrada na Figura 9, garante que os indivíduos com menores erros tenham maiores chances de serem escolhidos.

Nesse trabalho, uma nova estratégia de seleção, basea-da em amostragem, foi adotada. Essa estratégia foi inspi-rada na observação de que a combinação dos indivíduosmais aptos (i.e., com os menores erros) nem sempre gerafilhos com os menores tamanhos. Isso acontece porque, àmedida que a população evolui, todos os indivíduos têmseus erros gradativamente diminuídos; porém, aquelescom menores erros não necessariamente têm os menorestamanhos. O problema é que, durante a avaliação dos indi-víduos, o tamanho das árvores é usado quase que exclusi-vamente como critério de desempate. Por exemplo, se umaárvore tem erro e tamanho e uma árvore temerro e tamanho , então a árvore é consideradamais apta que a árvore . Por outro lado, se uma árvoretem erro e tamanho e uma árvore tem erro etamanho , então a árvore é considerada mais apta quea árvore (mesmo que a diferença nos erros seja muitopequena e a diferença nos tamanhos seja muito grande).

Assim, quando a população é ordenada em função daaptidão (erro como critério principal e tamanho comocritério secundário), os indivíduos no início da sequênciaordenada podem ter erros pequenos e tamanhos muitograndes (i.e., podem estar superajustados). Por outro lado,indivíduos no final dessa sequência podem ter tamanhosmuito pequenos e erros não muito maiores que aqueles dosindivíduos no início da sequência. Como as característicasdos indivíduos selecionados são transferidas para seusfilhos, o cruzamento entre indivíduos menos aptos poderesultar em indivíduos com excelente desempenho.

O processo de amostragem proposto ocorre daseguintemaneira: a população ordenada é segmentada em quatropartes e cada uma delas é combinada com as demais,resultando nas seguintes combinações , , ,

, , . Então, durante a fase de amostragem,cada combinação é avaliada do seguinte modo:escolhe-se um indivíduo no segmento e outro nosegmento para gerar um filho; esse procedimento érepetido atéqueoconjunto defilhosgerados represente 5%do tamanho da população (amostragem). Em seguida,calcula-se média de desempenho dos indivíduos geradospara cada combinação. Então, adota-se a combinação queproduziu a melhor média como padrão para a geração dosdemais indivíduos da população (os indivíduos geradosdurante a fase de amostragem também são aproveitadospara compor a próxima geração, evitando o desperdício doesforço computacional na fase de amostragem).

3.6. O Sistema Desenvolvido Com base nas ideias discutidas nas seções anteriores,

um sistema denominado SRS (Symbolic Regression withSampling) foi desenvolvido em Python [5]. A escolha dalinguagem foi baseada no bom desempenho e facilidadeem manipular árvores, expressões lambda (necessáriaspara avaliação das hipóteses que são geradas em tempo deexecução) e tabelas de dispersão. O sistema SRS possuiduas funções principais: a primeira delas gera uma popu-lação inicial, simula sua evolução no decorrer do tempo,aplicando operadoresdecruzamento e mutação, e,no final,devolve a melhor hipótese (com relação ao conjunto detreinamento); a segunda delas avalia essa melhor hipótese

Figura 8 – Resultado de cruzamento entre indivíduos

*

- /

X XXX

/

X +

X *

X X

+

- *

X XXX

Figura 9 - Método de seleção roleta russa


(com relação ao conjunto de validação) e reporta algumasestatísticas correspondentes.

4. Resultados Empíricos Nessa seção são descritos os experimentos feitos com

duas versões do sistema SRS: uma que não usa a estratégiade amostragem e outra que usa essa estratégia. O objetivodo experimento foi verificar o impacto do uso de amostra-gem no tempo necessário para evolução da população eobtenção dos melhores modelos. Todos os resultadosforam obtidos com uma população de árvores erodadas, cada uma delas com no máximo gerações paracada conjunto de treinamento.

4.1. Conjuntos de Dados Os conjuntos de dados usados nos experimentos foram

obtidos com o uso de uma função geradora do própriosistema. Vale ressaltar que, embora o programa geradorconheça a função , essa função é desconhecida para oprograma evolutivo que gera as aproximações . As funções usadas nos experimentos são polinômios com grau variando entre e .

Os conjuntos de dados têm tamanhos variando entree objetos, dos quais são usados para treinamentoe são usados para validação.

Durante a geração dos dados, as entradas para funçãoforam escolhidas no intervalo , de duas formas

distintas: distribuição uniforme e distribuição aleatória.

Na distribuição uniforme, o intervalo é segmentadouniformemente de acordo com quantidade de entradasesperadas e cada ponto separando dois segmentos é usadocomo uma entrada (a distância entre dois pontos consecu-tivosquaisquer éconstante).Por outro lado,nadistribuiçãoaleatória, os pontos usados como entradas são escolhidosaleatoriamente no intervalo (a distância entre dois pontosconsecutivos quaisquer é variável).

4.2. Discussão dosResultados Como algoritmos evolucionários são estocásticos [6],

para cada função foram feitas rodadas e, dos resultadosobtidos, o pior e o melhor casos foram desconsiderados nocálculo da média (Tabela I). Isso evita que casos excepcio-nais influenciem na avaliação.

Os resultados mostraram que o SRS possui uma ótimahabilidade em encontrar boas aproximações para váriostipos de funções, sem que seja suposto um tipo ou forma.Essas aproximações podem dar base para o trabalho dosespecialistas habituados com a regressão tradicional.Ademais, a inclusão da seleção por amostragem resultouem uma melhora no resultado final na maioria dos casos(i.e., melhor desempenho em menor tempo).

A comparação dos resultados obtidos confirmou aconjectura de que o uso de amostragem pode acelerar aevolução da população, permitindo obter melhores apro-ximações em menor tempo.

Tabela I–Resultados dos experimentos. Função do Conjunto de Dados Exemplos de

Treinamento+ Validação

Intervaloentre asentradas

Seleção com Amostragem Seleção Aleatória

Tempo Erro Tempo Erro

14+6 Uniforme 2.86 0.00 6.39 0.0014+6 Uniforme 4.48 0.00 10.36 0.0014+6 Uniforme 85.83 0.16 32.36 0.0014+6 Uniforme 14.31 0.00 25.25 0.00



14+6 Aleatório 3.33 0.00 6.76 0.0014+6 Aleatório 6.04 0.00 10.99 0.0014+6 Aleatório 9.74 0.00 21.54 0.0014+6 Aleatório 13.16 0.00 34.16 0.00



14+6 Uniforme 136.55 0.00 37.13 0.0021+9 Uniforme 1288.97 0.26 1288.23 0.08

70+30 Uniforme 1224.48 0.07 1285.60 0.10


5. Conclusões A regressão consiste em encontrar a relação entre duas

variáveis (uma entrada e uma saída ) e expressar essarelação por meio de uma função. A abordagem tradicionalda regressão adota um modelo específico de função (e.g.,

) e tenta encontrar coeficientes que ajustemesse modelo aos dados de treinamento. O problema é que,quando esse modelo é desconhecido, o método tradicionalnão pode ser aplicado. Nesse caso, o uso de regressãosimbólica é uma alternativa mais apropriada, pois ela écapaz de encontrar a função que se ajusta aos dados detreinamento, mesmo sem a adoção de um modelo defunção específico.

Neste artigo, um novo algoritmo evolucionário para aregressão simbólica foi proposto e um sistema correspon-dente chamado SRS foi desenvolvido. A principal inova-ção neste algoritmo está no uso de amostragem para aseleção de indivíduos da população que irão produzirdescendentes para compor a próxima geração da popula-ção. A conjectura é que o uso de amostragem pode acelerara evolução da população e reduzir o tempo necessário paraobtenção do melhor modelo de regressão. Os resultadosdos experimentos feitos com o sistema que foi implementado confirmaram essa conjectura.

Diferentemente de abordagens determinísticas, algo-ritmos evolucionários podem obter melhores resultadosconforme a disponibilidade de tempo (ou seja, quanto maistempo disponível para a evolução da população, maior aprobabilidade de se encontrar um modelo ótimo). Assim, oprincipal objetivo deste trabalho foi propor um algoritmoevolucionário que pudesse encontrar modelos ótimos emmenor tempo.

Evidentemente, modelos mais complexos podem termúltiplas entradas e envolver outros tipos de operadores(e.g., funções trigonométricas e logarítmicas). Assim, umaextensão natural desse trabalho consiste em alterar aimplementação o sistema SRS para lidar com outros tiposde funções (além das polinomiais). Outra extensãointeressante é implementar simplificação de expressões (expressões mais simples são representadas por árvores mais simples). Isso poderia reduzir do tempo necessáriopara avaliação das expressões e aumentar o desempenhodo sistema.

Agradecimentos Ao CNPq pela bolsa de Iniciação Científica¹ (Processo

151579/2014-8) e pela bolsa de Produtividade emPesquisa² (Processo 305484/2012-5).

Referências Bibliográficas [1] J. R. Koza. Genetic Programming, MIT Press,

London, 1998.

[2] D. Whitley. An Overview of Evolutionary Algo-rithms: Practical Issues and Common Pitfalls,Information and Software Technology, vol. 43, p.817–831, 2001.

[3] Morgon, R. and Pereira, S. Evolutionary Learning of Concepts, Journal of Computer and Communications, 2, 76-86 (2014).

[4] S. B. Kotsiants; I. D. Zaharakis; P. E. Pintelas.Machine Learning: A Review of Classificationand Combining Techniques, Artificial IntelligenceReview, vol. 26:3, p. 159–190, 2006.

[5] V. L. Ceder. The Quick Python Book, 2nd edition,Manning Publications Co., USA, 2010.

[6] T. Weise. Global Optimization Algorithms:Theory and Application, 2nd edition, 2008.


FATEC/SP A Faculdade de Tecnologia de São Paulo,

Documents

ISSN 1518-9082 Boletim Técnico - bt.fatecsp.brbt.fatecsp.br/media/bulletins/BT39-v3.pdf · Boletim Técnico da Faculdade de Tecnologia de São Paulo – FATEC/SP Praça Coronel Fernando