https://repositorio.ufsc.br/handle/123456789/115611 2026-09-05T21:29:41Z 2026-09-05T21:29:41Z Sandler, Luana Rathunde https://repositorio.ufsc.br/handle/123456789/274049 2026-07-11T14:58:54Z 2026-07-02T00:00:00Z

Avaliação de modelos fundacionais para previsão de demanda hídrica em regime zero-shot Sandler, Luana Rathunde A identificação antecipada de padrões de consumo contribui para um planejamento mais eficiente e para a maior confiabilidade dos sistemas de abastecimento de água, justificando a adoção de técnicas computacionais como suporte aos processos de tomada de decisão. Os modelos fundacionais baseados na arquitetura Transformer ampliaram o potencial de generalização em tarefas de previsão de séries temporais ao aprender representações a partir de dados provenientes de múltiplos domínios. Nesse contexto, este trabalho avalia os modelos Chronos e Moirai para a previsão diária de demanda hídrica utilizando dados de uma cidade litorânea do sul do Brasil, caracterizada por significativas flutuações populacionais impulsionadas pelo turismo sazonal. Os modelos são aplicados em regime de inferência zero-shot e seu desempenho é comparado com resultados estatísticos e de aprendizado de máquina (ARIMA e MLP), por meio de estratégias de janela deslizante e expansiva. Os resultados demonstram que o Chronos com covariáveis superou todas as abordagens de referência nas configurações de maior contexto histórico, sem qualquer treinamento ou ajuste fino local e, com uma fração do custo computacional exigido pelos métodos supervisionados. Esses achados evidenciam a viabilidade dos modelos fundacionais para aplicações com dados históricos limitados ou que demandam implantação rápida. TCC (graduação) - Universidade Federal de Santa Catarina, Campus Joinville, Ciência e Tecnologia.

2026-07-02T00:00:00Z Carneiro, Maria Eduarda https://repositorio.ufsc.br/handle/123456789/273986 2026-07-10T13:40:05Z 2026-06-30T00:00:00Z

Severidade de acidentes rodoviários em Santa Catarina: a influência dos fatores climáticos, temporais e viários Carneiro, Maria Eduarda Todos os anos, milhares de pessoas perdem a vida ou ficam feridas em acidentes rodoviários no Brasil, gerando impactos humanos, sociais e econômicos de grande magnitude. Nesse contexto, compreender os fatores associados à severidade desses acidentes torna-se fundamental para o aprimoramento das políticas de segurança viária. Assim, este estudo investiga de que forma fatores climáticos, temporais e viários influenciam a severidade dos acidentes em rodovias federais de Santa Catarina, segundo estado brasileiro com maior número de acidentes em rodovias federais. Utilizando registros da Polícia Rodoviária Federal referentes ao período de 2017 a 2025, foram empregadas duas abordagens analíticas: a regressão logística multinomial, para estimar a influência das variáveis explicativas sobre os diferentes níveis de severidade dos acidentes, e a análise de associações par a par por meio da métrica lift, aplicada aos dez trechos com maior incidência de acidentes graves. Os resultados indicaram que condições de chuva estiveram associadas a uma menor probabilidade relativa de acidentes graves e fatais, enquanto períodos noturnos, pistas simples e trechos em curva apresentaram maior probabilidade de desfechos fatais. Adicionalmente, a análise de associações indicou que as combinações entre as variáveis tipo de pista x horário; condição meteorológica x horário; e traçado da via x horário foram as mais recorrentes nos trechos críticos. Esses achados contribuem para a identificação dos fatores associados à severidade dos acidentes e oferecem suporte à formulação de estratégias de prevenção e ao fortalecimento da segurança viária nas rodovias federais catarinenses.; Every year, thousands of people lose their lives or suffer injuries in road traffic accidents in Brazil, generating human, social, and economic impacts of considerable magnitude. In this context, understanding the factors associated with accident severity is essential for improving road safety policies. Therefore, this study investigates how climatic, temporal, and roadway-related factors influence the severity of accidents on federal highways in the state of Santa Catarina, the second Brazilian state with the highest number of accidents on federal highways. Using records from the Brazilian Federal Highway Police covering the period from 2017 to 2025, two analytical approaches were employed: multinomial logistic regression, to estimate the influence of explanatory variables on different levels of accident severity, and pairwise association analysis using the lift metric, applied to the ten highway segments with the highest incidence of severe accidents. The results indicated that rainy conditions were associated with a lower relative probability of severe and fatal accidents, whereas nighttime periods, undivided highways, and curved road segments showed a higher probability of fatal outcomes. Additionally, the association analysis revealed that the combinations of roadway type × time of day; weather condition × time of day; and road alignment × time of day were the most recurrent among the critical highway segments. These findings contribute to the identification of factors associated with accident severity and provide support for the development of prevention strategies and the strengthening of road safety on federal highways in Santa Catarina. TCC (graduação) - Universidade Federal de Santa Catarina, Campus Joinville, Ciência e Tecnologia.

2026-06-30T00:00:00Z Conde, Nathan Kurths Mendonça https://repositorio.ufsc.br/handle/123456789/273919 2026-07-09T14:38:34Z 2026-06-25T00:00:00Z

Avaliação de ferramentas de reconhecimento automático de fala visando aplicações em educação inclusiva Conde, Nathan Kurths Mendonça Apresenta-se neste artigo uma análise do desempenho de ferramentas de reconhecimento automático de fala (ASR) voltadas para a transcrição de áudios em português. O estudo surgiu a partir do crescimento do uso de soluções baseadas em inteligência artificial em atividades acadêmicas e profissionais que dependem da conversão de fala em texto. O principal objetivo foi comparar diferentes ferramentas de transcrição, observando aspectos como precisão dos resultados, tempo de processamento e comportamento em diferentes condições de áudio. Para a realização dos testes foram utilizados arquivos com variações de duração, qualidade sonora e presença de ruídos, buscando aproximar a análise de situações reais de uso. As transcrições obtidas foram comparadas com textos de referência para identificar erros, limitações e pontos positivos de cada solução avaliada. Durante a análise, foi possível perceber que a qualidade do áudio influencia diretamente no desempenho das ferramentas, principalmente em gravações longas ou com interferências externas. Os resultados indicam que as tecnologias atuais já oferecem resultados satisfatórios em muitos cenários, mas ainda apresentam dificuldades em situações mais complexas, mostrando que o reconhecimento automático de fala continua sendo uma área em constante evolução.; This study analyzes the performance of automatic speech recognition (ASR) tools focused on audio transcription in Portuguese. The research emerged from the growing use of artificial intelligence-based solutions in academic and professional activities that depend on converting speech into text. The main objective was to compare different transcription tools, considering aspects such as transcription accuracy, processing time, and performance under different audio conditions. To conduct the tests, audio files with variations in duration, sound quality, and background noise were used in order to approximate real-world usage scenarios. The generated transcriptions were compared with reference texts to identify errors, limitations, and strengths of each evaluated solution. During the analysis, it was observed that audio quality directly influences the performance of the tools, especially in long recordings or those containing external interference. The results indicate that current technologies already provide satisfactory outcomes in many scenarios; however, they still face difficulties in more complex situations, demonstrating that automatic speech recognition remains an area under continuous development. TCC (graduação) - Universidade Federal de Santa Catarina, Campus Joinville, Ciência e Tecnologia.

2026-06-25T00:00:00Z Dias, Ruam Heil https://repositorio.ufsc.br/handle/123456789/273866 2026-07-08T17:18:40Z 2026-07-01T00:00:00Z

Estruturação comercial em uma startup de tecnologia: um estudo de caso prático Dias, Ruam Heil Startups de base tecnológica (Deep Tech) frequentemente concentram seus esforços no desenvolvimento técnico e negligenciam a estruturação de processos de vendas, o que gera gargalos operacionais e eleva as taxas de mortalidade dessas empresas no mercado B2B (de empresa para empresas). O objetivo geral deste trabalho é apresentar um framework prático de engenharia de processos para a modelagem e implementação de um setor comercial, com foco em startups Deep Tech B2B. A metodologia adotada classifica-se como um estudo de caso empírico e predominantemente qualitativo, conduzido sob a perspectiva de um observador participante durante a estruturação comercial da startup Noctua. O método integra fundamentos de gestão e inovação a ferramentas de engenharia de vendas, incluindo a criação de um funil de vendas com etapas de negociação, adaptação do framework de qualificação BANT para avaliação de maturidade digital, o uso de quadros Kanban para controle visual de fluxo de tarefas e a automação consultiva de pré-vendas via Modelos de Linguagem (LLMs). Como resultado, a aplicação do framework proporcionou a rastreabilidade total do funil de vendas, a redução do ciclo de negociações complexas e a criação de uma métrica de conversão previsível, resultando na captação de clientes estratégicos. Conclui-se que a aplicação de processos de engenharia ao setor de vendas elimina o caráter subjetivo da gestão, validando um modelo replicável que atua como ponto chave para a sobrevivência e escalabilidade de novos negócios de alta complexidade.; Technology-based startups (Deep Tech) frequently concentrate their efforts on technical development and neglect the structuring of sales processes, which generates operational bottlenecks and elevates the mortality rates of these companies in the B2B (Business-to-Business) market. The general objective of this work is to present a practical process engineering framework for the modeling and implementation of a commercial department, focusing on B2B Deep Tech startups. The methodology adopted is classified as an empirical and predominantly qualitative case study, conducted under the perspective of a participant observer during the commercial structuring of the startup Noctua. The method integrates management and innovation fundamentals with sales engineering tools, including the creation of a sales funnel with negotiation stages, the adaptation of the BANT qualification framework for digital maturity assessment, the use of Kanban boards for visual workflow control of tasks, and the consultative automation of pre-sales via Large Language Models (LLMs). As a result, the application of the framework provided full traceability of the sales funnel, a reduction in the complex negotiation cycle, and the creation of a predictable conversion metric, resulting in the acquisition of strategic customers. It is concluded that the application of process engineering to the sales sector eliminates the subjective nature of management, validating a replicable model that acts as a key factor for the survival and scalability of new high-complexity businesses. TCC (graduação) - Universidade Federal de Santa Catarina, Campus Joinville, Ciência e Tecnologia.

2026-07-01T00:00:00Z