No abstract

No abstract

This research aims to propose and try out a model to assess the Industrial Engineering students' satisfaction, with a focus on private higher education institutions. The research tool used in this study was the Student Questionnaire 2011 National Exam for the Assessment of Student Performance (ENADE), made available by the Brazilian Ministry of Education (MEC). The questions were designed to assess undergraduate students general satisfaction based on the following constructs: Teacher Involvement, Student Interest, Course Demands, Course Organization, and General Satisfaction.

A PROPOSTA DESTE TRABALHO CONSISTE NA COLETA DE PEQUENAS JANELAS DE TEMPO COM HISTÓRICOS DE PREÇO E VOLUME, JUNTAMENTE A INDICADORES TÉCNICOS DERIVADOS DESSES DADOS COM A UTILIZAÇÃO DE MODELOS CONSOLIDADOS PELA LITERATURA COMO AS REDES NEURAIS RECORRENTES COM ARQUITETURA LONG SHORT-THERM MEMORY (LSTM) PARA PREDIÇÃO DE SÉRIES TEMPORAIS, QUE SÃO UM TIPO ESPECÍFICO DE REDES NEURAIS ARTIFICIAIS CAPAZES DE APRENDER DEPENDÊNCIAS DE LONGO PRAZO, ADAPTANDO-SE MELHOR PARA O PROBLEMA. ESTE TRABALHO TAMBÉM PROPÕE UM MÉTODO DE COMBINAÇÃO DE TRANSFORMADAS WAVELET PARA ALIMENTAR AS ARQUITETURAS DE REDES NEURAIS RECORRENTES PARA PREVISÃO DESSAS TENDÊNCIAS. AS TRANSFORMADAS SÃO USADAS PARA PRÉ-PROCESSAR AS SÉRIES TEMPORAIS NÃO LINEARES REMOVENDO RUÍDOS, SUAVIZANDO O SINAL PRODUZIDO PELA ALTA VOLATILIDADE DAS SÉRIES, FORNECENDO UM PARADIGMA DE APRENDIZADO DE FASE MAIS PRÓXIMO DA REDE NEURAL ARTIFICIAL.

Recebido em 8 de setembro de 2020 / Aceito em 14 de setembro de 2020 RESUMO. A treliçaé uma estrutura triangular rígida, com resistência aos esforços normais, podendo ser utilizada em telhados, mezaninos, torres de energia, de telecomunicações e pontes. Logoé possível afirmar que esse sistema estrutural apresenta uma grande relevância no cenário da engenharia de estruturas. Nesta pesquisaé utilizado um método probabilístico de otimização global baseado em inteligência coletiva ou inteligência de enxame, com aplicações promissoras em diversos campos das ciências aplicadas, o Algoritmo de Colônia de Vagalumes (ACV), para determinação do peso mínimo de uma treliça de benchmark. Foi conduzida uma análise de sensibilidade com os parâmetros do algoritmo como: população (Npop), número de iterações (Ngen), parâmetro de aleatoriedade α, fator de atratividade β e parâmetro de absorção de luz (γ). A treliça utilizada nos testes foi uma estrutura de benchmark com 10 barras e essa foi otimizada obtendo um valor de peso mínimo em torno de 2284 kg, tal valor quando comparado a outros trabalhos da literatura mostram a efetividade do método adotado nesse trabalho. O software utilizado para as implementações e simulação das treliças foi o MATLAB ® .