Navegando por Autor "Pansera, Vanessa"

Agora exibindo 1 - 2 de 2

Modelagem Matemática do Tempo de Vida de Baterias utilizando Modelos Analíticos
(2018-07-13) Pansera, Vanessa
A utilidade, comodidade e facilidade presentes no uso de dispositivos eletrônicos mó- veis, como celulares, tablets e notebooks, fez com que o mercado destes aparelhos expandisse. Além das vantagens citadas, estes dispositivos também fornecem aos seus usuários a possibilidade de mobilidade durante seu uso, pois são alimentados por baterias recarreg áveis. Deste modo, a funcionalidade destes aparelhos está diretamente ligada a suas baterias, o que torna importante o estudo do tempo de vida das mesmas. Uma alternativa para tal estudo é o emprego da modelagem matemática. Na literatura técnica há várias categorias de modelos matemáticos utilizados para realizar essa predição, entre eles estão os modelos analíticos, que são caracterizados por equações fundamentadas em leis físicas ou empíricas, possuem compreensão e implementações computacionais acessíveis, além de serem considerados de boa acurácia, podendo ser adaptados a diferentes tipos de baterias. Neste sentido, a presente pesquisa tem por objetivo avaliar cinco modelos analíticos, o modelo Linear, a Lei de Peukert, a Lei de Peukert Estendida, o modelo Ki- BaM e o modelo de Rakhmatov e Vrudhula, utilizando a teoria Estatística, estabelecendo critérios e considerando diferentes conjuntos de dados para a estimação dos parâmetros empíricos dos modelos. Critérios para a validação também foram estabelecidos. Além disto, investigou-se qual a metodologia mais indicada para a estimação dos parâmetros do modelo KiBaM, e qual a medida de tendência central é mais adequada para determinar a imprecisão nal dos modelos a partir dos erros obtidos para os per s de descarga utilizados na validação. Para validar os modelos, os tempos de vida simulados foram comparados com os tempos de vida obtidos de uma plataforma de teste, considerando oito baterias novas de Lítio Íon Polímero (Li-Po) modelo PL-383562-2C. Por m, é observado que a Lei de Peukert e o modelo de Rakhmatov e Vrudhula possuem maior acurácia que os demais quando seus parâmetros empíricos são estimados pelo método dos Mínimos Quadrados não linear, observa-se também que os modelos obtiveram melhores resultados quando seus parâmetros empíricos foram estimados com conjuntos de 4 e 6 dados, e que todos os modelos apresentaram boa acurácia, pois todos os erros foram inferiores a 5%.
Modelagem matemática dos efeitos da época de semeadura da aveia na definição de um zoneamento de escape às doenças foliares
(2024-05-23) Pansera, Vanessa
A modelagem matemática, por meio de abordagens estatísticas e de inteligência artificial, permite descrever fenômenos naturais, podendo ser aplicada a diversas áreas do conhecimento. Por meio de modelos e métodos é possível retratar, caracterizar, quantificar, realizar previsões e otimizar processos, o que auxilia na tomada de decisões, configurando a modelagem matemática como um meio eficiente no estudo de sistemas complexos. Na agricultura, a aveia é um cereal que tem seu cultivo realizado em estação fria e possui múltiplos propósitos de uso. Entretanto, a ocorrência de doenças foliares, causadas por patógenos fúngicos, pode prejudicar significativamente a produtividade e a qualidade de grãos de aveia. Fatores como a temperatura e a umidade do ar influenciam na ocorrência destas doenças, sendo que as principais são a ferrugem da folha e a helmintosporiose, causadas pelos patógenos Puccinia coronata e Drechslera avenae, respectivamente. O controle destas doenças normalmente é realizado mediante a aplicação de agrotóxicos fungicidas, entretanto, seu uso pode causar contaminação nos grãos e poluição ambiental. Estudos apontam que os efeitos nocivos de agrotóxicos podem estar relacionados com as taxas de óbitos por câncer na região noroeste do estado do Rio Grande do Sul. Destaca-se que cada vez mais busca-se uma agricultura mais sustentável com menor uso de defensivos agrícolas. Neste contexto, o ajuste da época de semeadura da aveia pode ser uma proposta inovadora na obtenção de uma zona de escape aos patógenos fúngicos, baseada em períodos com menores temperaturas, para um controle satisfatório das doenças foliares em aveia, minimizando os efeitos destas moléstias. A modelagem matemática, por meio de modelos estatísticos e de inteligência artificial, pode auxiliar na indicação de uma época de semeadura que possibilite o controle natural às doenças foliares da aveia. Deste modo, o objetivo deste estudo é modelar matematicamente os efeitos da época de semeadura da aveia, determinando a época ideal que possibilite o aproveitamento de uma zona de escape natural às doenças foliares, promovendo um cultivo produtivo e mais sustentável, na condição da região noroeste do estado do Rio Grande do Sul. Para o desenvolvimento do estudo, foi realizado um experimento em condições reais de cultivo, em blocos casualizados e esquema fatorial 2x7, compreendendo duas condições de aplicação de fungicida e sete épocas de semeadura, com 3 repetições. As épocas de semeadura consideradas foram 15 de abril, 01 de maio, 15 de maio, 01 de junho, 15 junho, 01 de julho e 15 de julho e as condições de uso de fungicida foram a ausência e a presença de uma aplicação na fase de paniculamento. Os dados experimentais foram obtidos em quatro anos agrícolas, de 2018 a 2021, com três cultivares de aveia, URS Corona, URS Taura e URS Guria, no sistema de sucessão soja-aveia. Em cada ano agrícola, foi determinada uma zona de escape às doenças foliares em razão da temperatura do ar, analisando o ciclo de desenvolvimento da aveia e seus resultados em cada cenário de semeadura. Os dados experimentais foram avaliados por meio de análise de regressão, de modelos de adaptabilidade e estabilidade, de modelos de análise de contribuição relativa, de métodos de seleção de variáveis e de inteligência artificial. As semeaduras de 01 de maio até 01 de junho evidenciaram os melhores resultados para a área foliar necrosada e produtividade de grãos na maioria das análises. Houve destaque para as épocas de 01 de maio e 15 de maio, que por meio da zona de escape, demonstraram condições para um controle satisfatório sobre as doenças foliares, com proteção até os 105 dias após a emergência, evidenciando também as maiores médias de produtividade de grãos. Uma aplicação de fungicida no paniculamento não foi eficiente tendo em vista os custos e os impactos à saúde a longo prazo. Com base nos resultados das análises estatísticas e de inteligência artificial, foi possível reposicionar a época de recomendação de semeadura da aveia. Dessa forma, o período ideal de semeadura da aveia na região noroeste do Rio Grande do Sul ocorre de 25 de abril a 10 de maio, anterior à atual recomendação, podendo ser estendido até 01 de junho. Palavras-chave: Matemática aplicada, Modelagem computacional, Inteligência artificial, Avena sativa, Fungicida