ISEL - Mat. Aplic. Indústria - Dissertações de Mestrado
Permanent URI for this collection
Browse
Recent Submissions
- Modelo de otimização estocástico multietapa para licitação em mercados de energia e serviços de sistema de uma central solar fotovoltaicaPublication . Pereira, Juliana Jacinta da Silva; Martins, Ana Alexandra Antunes Figueiredo; Sousa, Jorge Alberto Mendes deO preço da energia é altamente volátil no Mercado Ibérico de Eletricidade (MIBEL) e nos diversos mercados de Serviços de Sistema, devido a condições meteorológicas, fatores económicos e outros elementos influentes. Assim, os agentes de mercado encontram dificuldades em licitar de forma otimizada para maximizar os seus lucros. O objetivo deste trabalho consiste em desenvolver um modelo de otimização estocástico multietapa que otimiza as licitações para o dia seguinte nos diversos mercados de energia, considerando a previsão de produção de energia de um parque fotovoltaico com capacidade total de 100 MW. Para atingir esta finalidade, este trabalho apresenta uma breve explicação sobre os mercados de energia, permitindo, assim, a construção do modelo com base no funcionamento deste mercados. A revisão da literatura também é um elemento importante, uma vez que analisa os métodos que são utilizados neste âmbito por outros autores. A construção de um modelo de otimização estocástico é um aspeto que distingue este trabalho, uma vez que permite, de certa forma, capacitar um agente de mercado a tomar decisões informadas em cenários de incerteza, fornecendo as potenciais flutuações dos preços de energia em cada mercado. Uma das etapas deste modelo, inclui o mercado de Reserva de Regulação Secundária, sendo este também um fator diferenciador relativo a outros trabalhos. O produtor que gere a central fotovoltaica pode utilizar os resultados obtidos e a análise de sensibilidade a alguns dos parâmetros do modelo, para licitar nos diversos mercados, tendo em conta o nível de risco que está disposto a assumir.
- Railway signal monitoring - an algorithmic approach for improved. Maintenance strategiesPublication . Henriques, Inês Figueiredo Leão; Cal, Filipe Santiago; Lopes, Nuno David de JesusAbstract This study is part of Solvit’s project SIGRail Monitoring and it aims to develop and optimise algorithms that will enhance railway monitoring and maintenance processes. The work is divided into four sections. The initial stage of the project entails the formulation of an ensemble method for the identification of the railway line on which the train is situated, utilising geographical coordinates and machine learning techniques. Subsequently, the algorithm for obtaining the kilometric point (PK) is significantly enhanced combining an artificial neural network (ANN) and the golden section method for identifying the optimal distance between two points in space. The third phase of the study requires defining the direction of the train, then separating and counting the journeys within a given file. This is a crucial step, as it forms the basis for the subsequent phase, the fourth stage, in which a dynamic algorithm is employed to generate key performance indicators (KPIs), evaluating the quality of each journey based on a number of factors including the level of signal, the quality of the signal, the handover point, and the serving cell connected. The first, second and third parts have been incorporated into the project, so some of the evidence presented here is the result of this implementation.
- Reconhecimento automático de tabelas em documentosPublication . Fonseca, Diana Sofia Picado; Rodrigues, José Alberto de Sousa; Silva, Luís Manuel Ferreira daA extração de dados em formato digital tem vindo a ser uma necessidade comum a muitas empresas e é necessária para o funcionamento adequado das operações em muitos setores, devido ao aumento significativo do volume de dados em formato digital, verificado nos últimos anos. Os métodos manuais de inserção de informações de dados tabulares resultam em erros frequentes e, muitas vezes, a rapidez com que a tarefa manual da extração dos dados tabulares é realizada não permite atender aos requisitos da maior parte das empresas. Com isto, a Closer teve a necessidade de recorrer a um software da Microsoft, o Azure Forms Recognizer. O software tem custos elevados, para a escala em que é necessária a utilização deste por parte dos clientes e é ainda necessária a implementação de restrições que permitem agrupar os dados da tabela que são erradamente separados e para que seja possível extrair os valores de que os clientes normalmente precisam. Esta tese tem como objetivo o desenvolvimento de uma base de implementação de um algoritmo de inteligência artificial (IA) que supere a adversidade dos custos elevados, onde será realizada a deteção, o reconhecimento da estrutura e a extração das informações para um documento estruturado. Esta metodologia explora a utilização de modelos de deteção de objetos, nomeadamente, o modelo YOLOv8, tanto na tarefa de deteção das tabelas como no reconhecimento de estruturas que auxiliam na obtenção das células das tabelas. Este modelo é reconhecido por realizar deteções com alta precisão e por ser muito rápido no processamento de grandes volumes de imagens. Para a implementação da metodologia, foram realizados os treinos de vários modelos YOLO, com um conjunto de imagens que contêm tabelas de diferentes fornecedores e foram aplicadas restrições aos resultados das redes neuronais para que fosse possível atender aos requisitos.
- The use of artificial intelligence in the recognition of railway assets based on high-resolution drone imagesPublication . Robu, Cristian; Geraldes, Carlos José Brás; Cal, Filipe SantiagoAbstract Ensuring the safety and operational continuity of railway infrastructure requires precision, efficiency, and reliability in maintenance and management practices. Traditional methods of asset management, characterized by manual processes and high error rates, often fall short of these requirements due to their labor-intensive nature and significant costs. This thesis aims to overcome these challenges by integrating advanced artificial intelligence (AI) technologies into the asset management process, with a particular focus on deep learning for automated object detection. This research explores the application of YOLOv9, the latest iteration of the You Only Look Once object detection algorithm, for identifying and cataloguing railway assets from high-resolution drone-captured images. Drones provide a unique aerial perspective, enabling comprehensive monitoring of extensive and often inaccessible railway areas. YOLOv9 is especially well-suited for this task due to its efficiency in processing large volumes of high-resolution images and its robustness in delivering real-time, high-accuracy detections. The study involved training the YOLOv9 model on a dataset of drone-captured images, which were carefully annotated with the locations and identities of various railway assets. The performance of the model was assessed by measuring its precision and recall in detecting these assets under a wide range of different environmental conditions. The findings reveal that AI can improve the precision and efficiency of railway asset management. The YOLOv9 model significantly reduced the time required for asset inspections, thereby contributing to safer railway operations. This approach highlights the scalability and flexibility of AI technologies in infrastructure management, offering valuable insights into their potential for broader applications across various sectors. The findings underscore the transformative potential of AI in improving the management of critical infrastructure and lay the groundwork for future research in this rapidly evolving field.
- Planeamento de afetação de veículos de transporte públicoPublication . Jin, Catarina; Madeira, José Firmino Aguilar; Quinteiro, Teresa Maria de Araújo MeloO presente relatório aborda o problema apresentado pela Tecmic, empresa com a qual elaborei no âmbito de um estágio curricular no semestre de verão de 2023/24. Este projeto trata o problema de planeamento da afetação de veículos de transporte público, com o objetivo de minimizar o número de veículos necessários para cumprir os horários predefinidos de diversas rotas. Através da utilização de dados reais fornecidos pela Carris, e da aplicação de técnicas de otimização como o Simulated Annealing e o algoritmo NSGA-II, com o apoio computacional de Python, foi possível propor soluções boas que equilibram múltiplos critérios, tais como a redução do número de veículos e a melhoria da distribuição de tarefas. Para este fim, foram explorados diferentes cenários de atribuição de viagens com tempos de pausa variáveis, simulando situações reais. A implementação dos algoritmos permitiu otimizar as soluções minimizando o tempo de inatividade, bem como o equilíbrio do número de viagens atribuídas aos veículos. O projeto apresenta a importância da sincronização de horários e da distribuição equilibrada de veículos entre as rotas. Os resultados obtidos mostram que as técnicas aplicadas conseguem reduzir o número de veículos em circulação, ao mesmo tempo que garantem o cumprimento rigoroso dos horários.
- Influencers dynamics in viral marketing networksPublication . Coimbra, Beatriz Batista; Rocha, José Leonel Linhares da; Carvalho, Sónia Raquel FerreiraAbstract Nowadays, social media is the most used type of media for viewing content, which can be news, information or entertainment. As such, we are more exposed to information and influences from others. The influence that one person exerts on another is related to various factors, from the type of interest the person has in the subject, who the person transmitting the information is and what kind of relationship they have with them. There are people who are more influenceable than others, and people who are able to influence a greater number of people. People who have the ability to influence a large number of people are called influencers. Today, the term influencer is associated with a job in which influencers team up with brands or companies in order to get users to buy the products or services presented. The technique of choosing a group of influencers so that the chosen information reaches the greatest number of people is called Viral Marketing. In this paper we explore some of the existing methods that study the process of spreading information and influences. Firstly, we present the Influence Maximization problem, one of the models used to model it and how it is related to Viral Marketing. Next, we name two epidemiology models and relate the spread of diseases to the spread of information. The third chapter explores an information propagation model that takes into account the interest users have in the message that is being propagated. The next chapter focuses on identifying influencers on social networks, using two methods: EVC measure and Influence Maximization algorithms. Finally, the last chapter presents the conclusions of this work and the developments to be made for future works.
- Métodos para a definição de estratégias de negociação aplicadas a criptoativos.Publication . Malaca, Tomás Farinha; Martins, Ana Alexandra Antunes Figueiredo; Sousa, Jorge Alberto Mendes deApós o mercado de criptomoedas ter afundado, ou seja, o valor monetário investido nesta área ter diminuído muito por parte dos investidores, a desconfiança sobre estas moedas aumentou também. A Bitcoin continua a ser a moeda que desperta mais interesse, talvez por ser a primeira, criada em 2008. Será efetuada uma explicação do que é a Bitcoin e de como funciona, tal como uma comparação com o mercado de ações e quais as diferenças entre ambos os mercados. Irão ser analisadas as vantagens e desvantagens da mesma. Desta forma, será feito um estudo sobre algumas técnicas utilizadas para previsão de preço e tendências, de modo a escolher as melhores técnicas para aumentar a precisão que se obtém comparativamente com outros trabalhos. Além disso, é importante estar ciente das tendências atuais e dos efeitos potenciais no valor e uso da Bitcoin, tais como fatores externos e atualizações da moeda. Para alcançar resultados superiores aos alcançados, foi criado um Bot que combina diversas técnicas de previsão e indicadores técnicos de modo a maximizar os lucros alcançados ao longo do tempo. Com este método, foram conseguidos resultados satisfatórios e com bastante certeza de que funcionará para os dias de hoje, por ter os indicadores e métodos de previsão mais atuais. Para além de todos os métodos já testados, foi criado um método novo e inovador para a maximização da função de lucros da Bitcoin. O método criado tem em conta a otimização de uma função de lucros com base em algumas restrições para tornar o problema aplicável ao mundo real. O melhor resultado obtido para os lucros foi com base neste método trabalhado pelos orientadores e aluno, onde os resultados foram muito superiores aos conseguidos para a mesma altura por outros métodos já amplamente testados pela comunidade científica.
- Comparison between interpretability methods in object detectionPublication . Carvalho, Diogo Camilo de; Geraldes, Carlos; Enguica, RicardoAs redes neuronais profundas (DNN) são ferramentas muito poderosas e flexíveis. Com tais capacidades, estas t ˆem sido adotadas em diversos tipos de problemas: desde problemas clássicos com dados tabulares até problemas de texto e imagem. Na base dos problemas de imagem, estão as redes neuronais convulsionais (CNN). A CNN é um tipo de DNN especializado em classificação de imagens, segmentação de imagens e deteção de objetos. No entanto, devido à forma como as DNN são construídas, estes constituem modelos de caixa preta. Ou seja, não é possível compreender as razoes subjacentes que levam o modelo a tomar uma decisão específica. Esta limitação do algoritmo leva à resistência em adotar estes métodos em áreas mais sensíveis, como medicina, condução autónoma, finanças, etc. Portanto, a capacidade de interpretar e explicar as razoes subjacente de cada decisão do modelo ´e fundamental para diversas aplicações e será o principal foco desta tese. Atualmente, existem diversas técnicas que tentam apresentar uma explicação para qualquer modelo de DNN, no entanto, dada a diversidade de técnicas, torna-se difícil identificar quais são as melhores ou mais adequadas para um determinado cenário. Assim, neste estudo, é apresentada uma comparação entre várias técnicas populares de explicabilidade. Os resultados mostram que técnicas como D-RISE e LIME conseguem produzir explicações claras sobre as razões por trás de diversos modelo de visão computacional, proporcionando confiança ao utilizador. No entanto, estes métodos revelão-se computacionalmente dispendiosos. Porém, outros algoritmos menos dispendiosos em termos computacionais, como por exemplo o Grad-CAM e o Eigen-CAM tornam-se boas opções, fornecendo explicações rápidas, mesmo com um decréscimo na qualidade. É também possível concluir que estes métodos são excelentes para detetar problemas não identificados nos dados considerados, evitando dificuldades na fase de produção do sistema.