Eventos

Título: 3º Congresso da Associação Brasileira de Análise de Riscos, Segurança de Processo e Confiabilidade
Descrição: 3º Congresso da ABRISCO acontece de 27 a 29 de novembro de 2017, na sede da Federação das Indústrias do Rio de Janeiro (Firjan). Este evento dará oportunidade a todos os técnicos e grupos de pesquisa nacionais que trabalham com algum aspecto do desenvolvimento e aplicação de análise de risco, segurança de processo e confiabilidade no Brasil de apresentar seus trabalhos e participar das apresentações, num encontro técnico reunindo os principais especialistas do Brasil nessas áreas.
Data: 27/11/2017


Título: Oceanografia: A Produção Científica como Subsídio para a Construção de Políticas Públicas
Descrição: Café Científico Ciências do Mar - Auditório do CEERMA/Departamento de Oceanografia da UFPE em 11 Maio 2017. Programa: 14h00-14h15: Abertura Profa. Madalena Guerra (Pró-reitora Pesquisa e Pós-Graduação/UFRPE), Prof. Prof. Ernani Carvalho (Pró-Reitor Pesquisa e Pós-Graduação/UFPE), Sr. Guillaume Ernst (Consulado Geral da França), Profa. Maria Leonor Alves Maia (Diretora DRI/UFPE), Prof. José Souto (Chefe DOCEAN/UFPE) 14h15-15h00: 65 Anos de Cooperação UFPE-França em Ciências do Mar Prof. Moacyr Araujo (DOCEAN-UFPE). 15h00-15h45: O Projeto ABRAÇOS e o Planejamento Espacial Marinho Prof. Alex Costa da Silva (DOCEAN-UFPE), Profa. Flávia Lucena (BIOIMPACT-UFRPE) e Dr. Arnaud Bertrand (IRD). 15h45-16h30: Impacto da Acidificação sobre a Biodiversidade Costeira Prof. Paulo Santos (DZOO-UFPE). 16h30-17h15: A Rede CLIMA e os Objetivos do Desenvolvimento Sustentável para os Oceanos – ODS14 Prof. Moacyr Araujo (DOCEAN-UFPE). 17h15-17h30: Encerramento 17h30-18h30: Recepção CEERMA-UFPE Maiores Informações: Alex Costa - DOCEAN/UFPE 81.21268225 – alexsilvaufpe@gmail.com Guillaume Ernst – Consulado Geral França PE 81.998573398 - guillaume.ersnt@diplomatie.gov.fr
Data: 08/05/2017


Título: Defesa de mestrado em Engenharia de Produção - 23/02
Descrição: Este trabalho envolveu a distribuição q-Exponencial, a qual é capaz de modelar as três fases da curva da banheira e é uma alternativa para a distribuição Weibull. A q-Exponencial tem dois parâmetros (forma; escala) e é oriunda da entropia não-extensiva de Tsallis. Este modelo não tem a limitação de uma taxa de falhas constante como a distribuição Exponencial, assim permite modelar tanto a fase de melhoramento quanto a de degradação. Além disso, tem mais flexibilidade quanto ao decaimento da curva da Função Densidade de Probabilidade (FDP) e consegue modelar muito bem conjuntos de dados com grandes valores (característica de power law), que corresponde a fase de melhoramento de sistemas. Esta característica é interessante no contexto de confiabilidade porque muitos equipamentos podem trabalhar por muito tempo até que ocorra a primeira falha. No entanto, quando os conjuntos de dados estão relacionados à fase de degradação dos sistemas, a aplicação da distribuição q-Exponencial se torna difícil devido a problemas de convergência no processo de estimação por máxima verossimilhança (EMV). Este problema acontece por causa de uma condição chamada de “verossimilhança monótona”. Por causa disso, é praticamente impossível obter boas estimativas para os parâmetros através da função de verossimilhança original. Neste sentido, esta pesquisa aplicou o método de penalização de Firth para corrigir este problema. Nós também verificamos que uma condição de regularidade imposta pelo método de EMV não é satisfeita pela distribuição q-Exponencial. Então, com o objetivo de satisfazer esta condição, uma mudança de variável foi proposta, a qual solucionou apenas parcialmente os problemas desta distribuição, uma vez que a condição de regularidade foi satisfeita, mas, por outro lado, a função modificada ainda produziu estimativas ruins de parâmetros. Todavia, o método de Firth produziu resultados satisfatórios mesmo para amostras pequenas (20 realizações, por exemplo). Comparações dos resultados foram realizadas através de simulações Monte Carlo para as distribuições q-Exponencial original e penalizada. Além disso, intervalos de confiança bootstrap foram construídos para os parâmetros e comparações foram feitas entre o ajuste alcançado pelas distribuições q-Exponencial e Weibull. Aplicações envolvendo dados de falhas de equipamentos complexos foram feitas para testar o método de penalização de Firth. Depois da penalização, a distribuição q-Exponencial pode modelar dados de falhas na fase de degradação. Palavras-chave: q-Exponencial. Confiabilidade. Verossimilhança Monótona. Método de Firth.
Data: 23/02/2018


© 2012 Copyright CEERMA. Todos os direitos reservados.
produzido por: M2S Software