http://hdl.handle.net/123456789/2854 O curso de Engenharia da Computação foi criado como parte de um conjunto de ações do Programa de Expansão e Reestruturação das Universidades Federais – REUNI na UFMA, visando, principalmente, fomentar a formação de engenheiros no estado do Maranhão. 2026-06-30T12:34:12Z http://hdl.handle.net/123456789/10771 Título: Análise de confiabilidade de sistemas ferroviários eletroeletrônicos Autor(es): SANTOS, Saulo de Tassio da Costa dos Resumo: RESUMO A confiabilidade dos sistemas de medição de velocidade é um aspecto fundamental para a se- gurança e a disponibilidade operacional dos sistemas ferroviários, especialmente em ferrovias de grande porte e elevada demanda operacional, como a Estrada de Ferro Carajás (EFC). Nesse contexto, o tacômetro desempenha papel essencial no funcionamento do sistema Automatic Train Control (ATC), pois é responsável por fornecer a informação de velocidade utilizada nos processos de controle e proteção do trem. Diante dessa importância, este trabalho tem como objetivo avaliar a confiabilidade do tacômetro Alstom 40 PPR, equipamento amplamente em- pregado no sistema ATC da EFC, por meio de métodos de Engenharia de Confiabilidade. A metodologia adotada baseia-se na Análise de Dados de Vida (Life Data Analysis – LDA), uti- lizando a distribuição de Weibull de dois parâmetros, escolhida por sua flexibilidade na mode- lagem de diferentes comportamentos de falha. Para isso, foram utilizados dados históricos de falhas, tratados estatisticamente tanto no software Orion Compass quanto em uma rotina desen- volvida em Python, utilizando a biblioteca Python Reliability. Essa abordagem permitiu com- parar metodologias distintas, incluindo regressão em Y no Orion e estimativa por máxima ve- rossimilhança na ferramenta em Python, contribuindo para uma análise mais completa do com- portamento do componente. Os resultados obtidos indicaram que a distribuição de Weibull apresentou boa aderência aos dados analisados nas duas ferramentas. O valor do parâmetro de forma β superior a 1 caracterizou um comportamento de falha associado ao desgaste progres- sivo do componente ao longo do tempo. As curvas de confiabilidade e de taxa de falha eviden- ciaram um aumento gradual da probabilidade de falha com o avanço do tempo de operação, comportamento coerente com mecanismos de envelhecimento típicos de componentes eletro- mecânicos submetidos a uso contínuo. Conclui-se que a metodologia aplicada se mostrou adequada para a avaliação da confiabilidade do tacômetro Alstom 40 PPR, permitindo uma compreensão mais aprofundada de seu compor- tamento ao longo do ciclo de vida. Os resultados obtidos fornecem subsídios técnicos relevantes para a definição de estratégias de manutenção, revisão de intervalos de inspeção e tomada de decisão quanto à substituição preventiva do componente. Além disso, a comparação entre o Orion Compass e o Python Reliability demonstrou a importância do uso combinado de ferra- mentas computacionais distintas, reforçando a consistência dos resultados e contribuindo para o aumento da confiabilidade operacional do sistema ATC e da ferrovia como um todo. ABSTRACT The reliability of speed measurement systems is a fundamental aspect of safety and operational availability in railway environments, especially in large-scale and high-demand operations such as the Estrada de Ferro Carajás (EFC). In this context, the tachometer plays a key role in the Automatic Train Control (ATC) system, as it provides the speed information used in train protection and control functions. Given its importance, this study aims to evaluate the reliability of the Alstom 40 PPR tachometer, widely used in the EFC ATC system, through Reliability Engineering methods. The adopted methodology is based on Life Data Analysis (LDA), applying the two-parameter Weibull distribution due to its flexibility in modeling different failure behaviors. Historical failure data were analyzed using both the Orion Compass software and a Python-based routine developed with the Python Reliability library. This dual approach enabled the comparison of distinct estimation methods, including Y-regression in Orion and maximum likelihood estimation in Python, resulting in a more comprehensive understanding of the component’s behavior. The results showed that the Weibull distribution presented a good fit in both tools. The shape parameter β greater than 1 indicated a failure pattern associated with progressive wear over time. The reliability and hazard curves revealed a gradual increase in failure probability as operating time advances, consistent with aging mechanisms typical of electromechanical components exposed to continuous use. The study concludes that the methodology adopted is suitable for evaluating the reliability of the Alstom 40 PPR tachometer, allowing a deeper understanding of its life-cycle behavior. The findings provide relevant technical support for defining maintenance strategies, reviewing inspection intervals, and planning preventive replacement. Furthermore, the comparison between Orion Compass and Python Reliability highlights the importance of combining different computational tools to reinforce the consistency of results and contribute to improved operational reliability of the ATC system and the railway as a whole. 2026-01-22T00:00:00Z http://hdl.handle.net/123456789/10770 Título: Avaliação de desempenho e efetividade de redes neurais aplicadas a dados de risco de transtorno de ansiedade pediátrica Autor(es): ROCHA, Renata Costa Resumo: RESUMO Este Trabalho de Conclusão de Curso propôs um sistema computacional utilizando redes neurais artificiais para detecção (screening) e classificação multinível do risco de transtorno de ansiedade pediátrica, com base em medidas psicométricas e comporta- mentais. O objetivo foi comparar o desempenho do modelo proposto, composto por um Multilayer Perceptron (MLP) supervisionado e por um módulo não supervisionado baseado em Autoencoder associado à clusterização KMeans, empregados de forma complementar, com o modelo simbólico ADTree apresentado no estudo “Quantifying Risk for Anxiety Disorders in Preschool Children: A Machine Learning Approach”, disponibilizado no Harvard Dataverse. O delineamento experimental incluiu pré-processamento estatístico, normalização z-score, aprendizado supervisionado e análise latente não supervisionada. Na classifi- cação multinível (0–3), o MLP obteve acurácia global de 85,11%, enquanto, no cenário binário de triagem (screening), alcançou acurácia de 88,93%, sensibilidade de 80,56% e especificidade de 94,80%. Em contraste, a versão replicada do ADTree apresen- tou sensibilidade nula, evidenciando limitações de classificadores determinísticos em contextos psicológicos complexos. A interpretabilidade foi examinada por meio do método SHAP (Shapley Additive exPla- nations), que indicou forte correspondência entre as variáveis de maior influência — Afeto Ansioso, Evitação e Sofrimento Antecipatório — e os construtos clínicos definidos pelo Manual Diagnóstico e Estatístico de Transtornos Mentais, quinta edição (DSM-5), e pela Classificação Internacional de Doenças, décima primeira revisão (CID-11). Ade- mais, o módulo Autoencoder + KMeans evidenciou um continuum emocional entre os níveis de risco (0–3), reforçando o caráter dimensional do transtorno de ansiedade. Os resultados indicam que o paradigma conexionista supera o modelo simbólico em sensibilidade, estabilidade e equilíbrio métrico, preservando coerência psicológica e interpretabilidade. O sistema contribui para o avanço da Engenharia da Computação aplicada à saúde mental infantil, evidenciando o potencial de redes neurais explicáveis em triagens automatizadas e sistemas de apoio à decisão. ABSTRACT This Final Undergraduate Project proposed a computational system using artificial neural networks for detection (screening) and multilevel classification of pediatric anxiety disorder risk, based on psychometric and behavioral measures. The objective was to compare the performance of the proposed model, composed of a supervised Multilayer Perceptron (MLP) and an unsupervised module based on Autoencoder associated with KMeans clustering, employed in a complementary way, with the symbolic model ADTree presented in the study “Quantifying Risk for Anxiety Disorders in Preschool Children: A Machine Learning Approach”, available in the Harvard Dataverse. The experimental design included statistical preprocessing, z-score normalization, supervised learning, and unsupervised latent analysis. In the multilevel classification (0–3), the MLP achieved an overall accuracy of 85.11%, while in the binary screening scenario it reached an accuracy of 88.93%, sensitivity of 80.56%, and specificity of 94.80%. In contrast, the replicated version of ADTree presented null sensitivity, highlighting the limitations of deterministic classifiers in complex psychological contexts. Interpretability was examined through the SHAP (Shapley Additive exPlanations) method, which indicated a strong correspondence between the most influential variables — Anxi- ous Affect, Avoidance, and Anticipatory Distress — and the clinical constructs defined by the Diagnostic and Statistical Manual of Mental Disorders, Fifth Edition (DSM-5), and the International Classification of Diseases, Eleventh Revision (ICD-11). Furthermore, the Autoencoder + KMeans module evidenced an emotional continuum across risk levels (0–3), reinforcing the dimensional nature of anxiety disorder. The results indicate that the connectionist paradigm outperforms the symbolic model in sensitivity, stability, and metric balance, while preserving psychological coherence and interpretability. The system contributes to the advancement of Computer Engineering applied to child mental health, highlighting the potential of explainable neural networks in automated screenings and decision-support systems. 2026-01-14T00:00:00Z http://hdl.handle.net/123456789/10769 Título: Uma aplicação móvel para acompanhamento do idoso com artrite utilizando deep learning Autor(es): SOUZA, José Marques Cardoso Resumo: RESUMO O envelhecimento populacional tem ampliado a incidência de doenças crônicas que comprometem a autonomia do idoso, entre elas a artrite, especialmente quando afeta as articulações das mãos. Nesses casos, atividades simples do cotidiano tornam-se difíceis, e a realização correta de exercícios terapêuticos passa a ser essencial para preservar a funcionalidade e reduzir desconfortos. No entanto, muitos idosos encontram dificuldades para manter essa prática fora do ambiente clínico, seja por insegurança na execução dos movimentos, seja pela ausência de acompanhamento contínuo. Diante desse cenário, este trabalho propõe o desenvolvimento de uma aplicação móvel voltada ao acompanhamento de idosos com artrite, utilizando técnicas de deep learning aplicadas à visão computacional. A solução é baseada em um pipeline que integra detecção da mão, segmentação, estimação de pose e classificação automática dos exercícios terapêuticos, empregando a arquitetura YOLO (You Only Look Once). A partir de vídeos capturados pelo próprio usuário, o sistema identifica o exercício realizado, apresenta informações sobre seus benefícios terapêuticos e disponibiliza um vídeo processado com a identificação visual do movimento. O processamento das informações é realizado em um servidor, enquanto a aplicação móvel atua como interface de interação, tornando o uso do sistema simples e acessível. Os resultados obtidos demonstram que a abordagem proposta é viável para o reconhecimento automático de exercícios da mão em condições não controladas, contribuindo para maior segurança, autonomia e adesão ao tratamento. Dessa forma, a aplicação se apresenta como uma ferramenta de apoio complementar ao acompanhamento profissional, com potencial para auxiliar na promoção da qualidade de vida de idosos com artrite. ABSTRACT The advancement of population aging has increased the prevalence of chronic conditions that compromise the autonomy of older adults, among which arthritis stands out, especially when it affects the joints of the hands. In such cases, simple daily activities become difficult, and the correct practice of therapeutic exercises becomes essential to preserve functionality and reduce discomfort. However, many older adults face difficulties in maintaining this practice outside the clinical environment, either due to insecurity in performing the movements or the lack of continuous monitoring. In this context, this work proposes the development of a mobile application aimed at monitoring older adults with arthritis, using deep learning techniques applied to computer vision. The proposed solution is based on a processing pipeline that integrates hand detection, segmentation, pose estimation, and automatic classification of therapeutic exercises, employing the YOLO architecture. From videos captured by the user, the system identifies the performed exercise, provides information about its therapeutic benefits, and makes available a processed video with visual identification of the movement. The processing is carried out on a server, while the mobile application acts as an interaction interface, ensuring simple and accessible use. The results indicate that the proposed approach is feasible for the automatic recognition of hand exercises in uncontrolled environments, contributing to greater safety, autonomy, and adherence to treatment. Thus, the application presents itself as a complementary support tool to professional monitoring, with potential to assist in promoting the quality of life of older adults with arthritis. 2026-01-22T00:00:00Z http://hdl.handle.net/123456789/10768 Título: Compila: uma jornada lúdica pela engenharia da computação Autor(es): SILVA, Emanuelle Victória Fernandes Resumo: RESUMO A evasão e a retenção no ensino superior constituem desafios persistentes, especialmente em cursos das áreas de Ciências Exatas, Engenharias e Computação, nos quais elevados índices de reprovação e dificuldades conceituais são frequentemente observados nos períodos iniciais da graduação. Nesse contexto, este trabalho tem como objetivo desenvolver um jogo de tabuleiro educativo, denominado COMPILA, como recurso pedagógico complementar voltado ao apoio do processo de ensino-aprendizagem em cursos de Computação, com foco na Engenharia da Computação da Universidade Federal do Maranhão (UFMA). A pesquisa caracteriza-se como aplicada, de abordagem qualitativa e caráter exploratório. O desenvolvimento do jogo fundamentou-se na análise dos Projetos Pedagógicos de Curso (PPC) e das ementas das disciplinas, organizando os conteúdos em fases formativas que representam, de forma lúdica, a trajetória acadêmica do estudante. O COMPILA incorpora princípios de metodologias ativas e aprendizagem lúdica, utilizando desafios progressivos, tomada de decisão e interação social como elementos centrais de sua dinâmica. Para avaliação do recurso desenvolvido, foi aplicado o questionário System Usability Scale (SUS) a seis estudantes da área de Computação, após a realização de uma partida do jogo. Os resultados indicaram uma pontuação média de 85,8 no SUS, valor considerado elevado segundo os critérios de interpretação do instrumento, sugerindo boa aceitação, clareza das regras e facilidade de uso do jogo. Embora não tenha como finalidade mensurar impactos diretos sobre aprendizagem ou redução da evasão e retenção, o estudo evidencia que o COMPILA apresenta condições adequadas de usabilidade que justificam sua adoção como ferramenta pedagógica complementar em contextos educacionais, especialmente em propostas fundamentadas em metodologias ativas e abordagens lúdicas no ensino de Computação. ABSTRACT Dropout and retention in higher education remain persistent challenges, especially in programs related to Exact Sciences, Engineering, and Computing, where high failure rates and conceptual difficulties are frequently observed in the early semesters of undergraduate studies. In this context, this study aims to develop an educational board game, called COMPILA, as a complementary pedagogical resource to support the teaching and learning process in Computing programs, with a focus on Computer Engineering at the Federal University of Maranhão (UFMA). The research is characterized as applied, with a qualitative approach and an exploratory nature. The development of the game was based on the analysis of the Course Pedagogical Projects (PPC) and course syllabi, organizing the curricular contents into formative phases that ludically represent the students’ academic trajectory. COMPILA incorporates principles of active learning methodologies and playful learning, using progressive challenges, decision-making, and social interaction as central elements of its dynamics. To evaluate the developed resource, the System Usability Scale (SUS) questionnaire was applied to six Computing students after a game session. The results indicated an average SUS score of 85.8, which is considered high according to the instrument’s interpretation criteria, suggesting good acceptance, clear rules, and ease of use. Although the study does not aim to measure direct impacts on learning outcomes or reductions in dropout and retention rates, the findings indicate that COMPILA presents adequate usability conditions to justify its adoption as a complementary pedagogical tool in educational contexts, particularly within proposals grounded in active methodologies and playful approaches to Computing education. 2026-01-23T00:00:00Z