
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Pessin, Gustavo | - |
| Autor(es): dc.contributor | Freitas, Gustavo Medeiros | - |
| Autor(es): dc.contributor | Pessin, Gustavo | - |
| Autor(es): dc.contributor | Freitas, Gustavo Medeiros | - |
| Autor(es): dc.contributor | Santana, Adrielle de Carvalho | - |
| Autor(es): dc.contributor | Baduê, Claudine Santos | - |
| Autor(es): dc.creator | Kiepper, Leonardo Silveira | - |
| Data de aceite: dc.date.accessioned | 2026-08-11T11:24:10Z | - |
| Data de disponibilização: dc.date.available | 2026-08-11T11:24:10Z | - |
| Data de envio: dc.date.issued | 2026-07-29 | - |
| Data de envio: dc.date.issued | 2025 | - |
| Fonte completa do material: dc.identifier | https://www.repositorio.ufop.br/handle/123456789/21433 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1187949 | - |
| Descrição: dc.description | Programa de Pós-Graduação em Instrumentação, Controle e Automação de Processos de Mineração. Departamento de Engenharia de Controle e Automação, Escola de Minas, Universidade Federal de Ouro Preto. | - |
| Descrição: dc.description | Robôs de serviço são máquinas complexas e especializadas usadas em diversas in- dústrias de diferentes áreas, como petróleo, agricultura e mineração. Devido à presença de poeira e água nos ambientes de operação, um requisito construtivo desses robôs é o grau de proteção IP. Existe uma relação entre requisitos de proteção IP e suscetibilidade a sobreaquecimento quando os sistemas são desprovidos de um mecanismo de arrefeci- mento. O EspeleoRobô é um robô de serviço desenvolvido pelo Instituto Tecnológico Vale e é utilizado em diversas tarefas de mapeamento e inspeção. Buscando aumentar a confiabilidade e a disponibilidade física do robô em operações, essa dissertação pro- põe o desenvolvimento de um modelo preditivo híbrido que tenha papel como ferramenta de autodiagnóstico. Um modelo baseado em física é usado para aproximar a tendência da temperatura da CPU, e um modelo de aprendizado de máquina é usado para refinar a predição do modelo baseado em física. O modelo híbrido foi ensaiado por simulação Monte Carlo. O modelo proposto conseguiu ser treinado e alcançou RMSE de 1,14 °C no primeiro segmento, enquanto técnicas do estado da arte não tiveram dados suficien- tes para treinamento, atingindo RMSE de 4,39 °C no pior caso. Os resultados obtidos indicam que a abordagem híbrida desenvolvida constitui uma alternativa viável para a predição da temperatura da CPU em sistemas robóticos embarcados com disponibilidade limitada de dados históricos. A estratégia de combinar um modelo analítico de baixa complexidade com um modelo baseado em dados aplicado ao resíduo permitiu reduzir a complexidade do problema de aprendizado, mantendo desempenho adequado e custo computacional reduzido. | - |
| Descrição: dc.description | Service robots are complex and specialized machines used across multiple industries, including oil and gas, agriculture, and mining. Because these robots often operate in environments where dust and water are present, a design requirement is compliance with an IP ingress protection rating. There is a relationship between high ingress protection requirements and susceptibility to overheating when systems are not equipped with an ac- tive cooling mechanism. EspeleoRobô, a service robot developed by Instituto Tecnológico Vale, is used in several mapping and inspection tasks. In order to improve the reliability and physical availability of the robot during operations, this dissertation proposes the development of a hybrid predictive model intended to function as a self-diagnostic tool. A physics-based model is used to approximate the trend of the CPU temperature, and a machine learning model is used to refine the prediction produced by the physics-based model. The hybrid model was evaluated through Monte Carlo simulation. The pro- posed model was successfully trained, attaining an RMSE of 1.14 °C on the first segment, while state of the art techniques failed at training for lack of training samples, attaining an RMSE of 4.39 °C on the worst case. The results indicate that the proposed hybrid approach constitutes a viable alternative for predicting CPU temperature in embedded robotic systems with limited historical data availability. The strategy of combining a low- complexity analytical model with a data-driven model applied to the residual reduces the complexity of the learning problem while maintaining adequate predictive performance and low computational cost. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Direitos: dc.rights | aberto | - |
| Direitos: dc.rights | Attribution-NoDerivs 3.0 United States | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by-nd/3.0/us/ | - |
| Direitos: dc.rights | Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 14/05/2026 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante. Não permite a adaptação. | - |
| Palavras-chave: dc.subject | Aprendizado do computador | - |
| Palavras-chave: dc.subject | Robôs industriais | - |
| Palavras-chave: dc.subject | Robótica | - |
| Palavras-chave: dc.subject | Controle preditivo | - |
| Título: dc.title | Modelo híbrido em dois estágios para predição da temperatura de CPU em um robô de serviço. | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - UFOP | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: