No dia 26 de fevereiro de 2026 aconteceu a defesa de dissertação de mestrado do acadêmico Etson dos Santos Rodrigues. A orientação foi do prof. Dr. Roderval Marcelino e a coorientação do prof. Antônio Sobieranski. O título do trabalho foi Método Preditivo de Desligamentos Pré-Breakeven no Setor Tecnológico via Aprendizado de Máquina. O trabalho foi aprovado.
No dia 12 de fev de 2026 aconteceu a defesa da tese de Peterson Duart Diehl. O título da tese é, predição de propriedades mecânicas em processos de forjamento a quente com inteligência artificial. Nesta pesquisa Peterson foi orientado pelo prof. Lírio Shaeffer(UFRGS) e coorientado pelo prof. Roderval Marcelino (UFSC). Esta tese é mais um fruto da parceria existente entre a UFRGS, via PPG3M e a UFSC via PPGTIC. O trabalho foi de excelente qualidade com aplicação real na indústria de trasnforção. Parabéns ao Peterson e todos envolvidos.
No dia 17/12/25, às 9hs, tivemos a defesa de dissertação de mestrado do acadêmico Iury Melo Américo cujo título foi: Predição de Curvas de
Escoamento de Aço Utilizando Algoritmos de Inteligência Artificial.
Resumo do trabalho: Este trabalho avalia o desempenho de diferentes algoritmos de aprendizado de máquina para
predição de curvas de escoamento de metais utilizando a composição química, temperatura,
deformação e taxa de deformação como variáveis de entrada. O objetivo é proporcionar
uma alternativa à experimentação laboratorial, reduzindo custos com a geração dessas
curvas, essenciais na análise do processo industrial de conformação mecânica. A pesquisa
classifica-se como tecnológica aplicada, empregando a implementação de um protótipo
computacional dividido em duas etapas: seleção e avaliação de modelos de regressão, e
o desenvolvimento de uma ferramenta web para uso por engenheiros. Foram utilizados
métodos de validação cruzada, limpezas e padronizações no dataset extraído de simulações
em QForm, além de otimização de hiperparâmetros empregando bibliotecas como scikitlearn,
Tensorflow e Optuna. Os principais modelos avaliados foram Random Forest,
XGBoost, GradientBoosting, SVR e redes neurais rasas e profundas. O modelo XGBoost
apresentou o melhor desempenho, superando inclusive redes neurais profundas, com erro
absoluto médio de 7,53 MPa no conjunto de validação, demonstrando robustez mesmo
diante de materiais não presentes no treinamento. Constatou-se que tanto temperatura
quanto taxa de deformação podem influenciar o desempenho, especialmente em aços de
alta liga, levantando potenciais temas para estudos futuros. Ao final, foi desenvolvida uma
API e aplicação web para facilitar a aplicação prática dos modelos em ambiente industrial.
Os resultados confirmam que técnicas de aprendizado de máquina são capazes de auxiliar
na predição confiável de curvas de escoamento, atendendo aos objetivos propostos.
No dia 17/12/25, às 9hs, tivemos a defesa de dissertação de mestrado do acadêmico Anderson Conti Soprana, cujo título foi: Redes de Sensores sem fio para Agricultura: Análise de Rede Thread Baseada em IEEE 802.15.4.
O resumo do trabalho: Este trabalho tem como objetivo investigar o desempenho e a confiabilidade da rede Thread, baseada no padrão IEEE 802.15.4, em cenários de comunicação sem fio voltados à agricultura de precisão. A pesquisa propõe a análise de uma Rede de Sensores Sem Fio (RSSF) Thread como alternativa viável para o monitoramento de variáveis ambientais em locais com restrição de conectividade, visando maior eficiência energética, escalabilidade e segurança na transmissão dos dados. A metodologia adotada combina abordagem experimental e análise quantitativa, com captura e validação de pacotes realizada por meio do software Wireshark. Foram conduzidos testes de payload sob condições de baixa e alta carga, variando-se distância e intensidade de sinal entre os dispositivos, para mensuração de métricas como RSSI, LQI, jitter e perda de pacotes. Os resultados obtidos demonstraram que a rede mantém estabilidade e baixa taxa de erro até cerca de 100 metros, apresentando valores médios de RSSI entre -60 dBm e -80 dBm e LQI superior a 50. A partir dessa distância, observou-se degradação progressiva da qualidade do enlace e aumento da perda de pacotes, especialmente sob cargas mais elevadas, evidenciando os limites operacionais da tecnologia em cenários de longa distância e alto tráfego. O estudo também implementou sensores DHT11 integrados à rede Thread, comprovando a viabilidade de coleta e transmissão de dados de temperatura e umidade para um servidor web, validando a integridade e estabilidade da comunicação. As análises confirmaram a robustez e aplicabilidade do protocolo em sistemas distribuídos de monitoramento e automação. Conclui-se que o Thread é uma solução promissora para redes mesh de baixo custo e consumo reduzido, adequadas a aplicações de Internet das Coisas (IoT) em ambientes agrícolas, residenciais e industriais de pequena escala, contribuindo para a evolução das tecnologias de comunicação em sistemas inteligentes.
Como resultado do trabalho da tese de dissertação de doutorado do acadêmico Peterson Duarte Diehl foi publicado no journal The International Journal of Advanced Manufacturing Technology o artigo intitulado Predictive modeling of hardness in bainitic steel forging processes using artificial intelligence. Este trabalho é fruto de uma forte parceira entre a UFSC e a UFRGS junto aos cursos de Engenharia da Computação(UFSC), programa de pós-graduação em TIC (UFSC) e o programa de pós-graduação da UFRGS PPG3M. O estudo é fruto de um projeto aprovado no CNPQ onde visa-se a aplicação de IA nos processos de fabricação mecânica, em especial, conformação mecânica.
Link de acesso ao trabalho: https://link.springer.com/article/10.1007/s00170-025-16888-8#citeas
No dia 01 de outubro de 2025 o professor Dr. Roderval Marcelino proferiu uma palestra cujo tema foi, IA na Borda, para a vertical de Inteligência Artificial do Sigma Parque em Tubarão. A palestra foi seguida de muita troca de ideias e possibilidade de projetos e parcerias entre os envolvidos.
O laboratório de pesquisa CPSlab (https://cpslab.ufsc.br/) sob a coordenação do professor Roderval está com vaga aberta para bolsista do curso de Engenharia da Computação ou Tecnologias da Informação e Comunicação, com foco no desenvolvimento web de uma aplicação.
O bolsista selecionado deverá dedicar 20 horas semanais ao projeto, todas as manhãs, no laboratório que fica na UFSC unidade Mato Alto atuando no desenvolvimento web utilizando React Native, manipulação básica de banco de dados e controle de versão via GitHub.
Requisitos:
- Estar regularmente matriculado no curso de Engenharia da Computação ou TIC.
- Conhecimento básico em React Native para desenvolvimento de interfaces responsivas.
- Noções básicas de banco de dados (modelagem e consultas simples).
- Uso de Git e GitHub para versionamento de código.
Benefícios:
Bolsa de R$ 1.600,00
Duração do projeto: 18 meses
Horas de dedicação: 20hs, todas as manhãs
Vagas: Uma vaga
Interessados entrar em contato: roderval.marcelino@ufsc.br
