O aluno Gabriel Favoretti Nichio, do curso de Engenharia de Controle e Automação (ECA), oferecido pelo Instituto de Engenharia de Sistemas e Tecnologia da Informação (IESTI), estará representando a Universidade Federal de Itajubá (UNIFEI) no congresso Americas Conference on Information Systems (AMCIS), de 15 a 17 de agosto, em Salt Lake City, Utah, nos Estados Unidos, para o qual foram aceitos dois artigos da Instituição.
Os títulos dos artigos são AI for Power Outage Prediction: Leveraging Data Insights and Integration (Inteligência artificial para previsão de queda de energia: aproveitando percepções e integração de dados) e UDF: a k-modes-Based Algorithm to Reduce Unproductive Displacement of Power Utility Teams (UDF: um algoritmo baseado em modos k para reduzir o deslocamento improdutivo de equipes de concessionárias de energia).
Além de Gabriel, são coautores do primeiro artigo o aluno André Augusto César do Nascimento, do curso de Engenharia de Computação; Rafael P. Pagan, da DDMX Produtividade Inteligente, e os professores do IESTI Edvard Martins de Oliveira, João Paulo Reus Rodrigues Leite e Luiz Olmes Carvalho.
E no segundo artigo, Gabriel é autor juntamente com André Augusto César do Nascimento, Rafael P. Pagan e os professores Edvard Martins de Oliveira e Bruno Tardiole Kuehne, também do IESTI.
Esses trabalhos são oriundos do projeto Aplicação de Métodos Computacionais para Previsão de Duração e Frequência de Interrupção de Energia em Estações Distribuidoras, coordenado pelo professor Edvard. A pesquisa é realizada em parceria de PD&I com a DDMX, empresa itajubense que financia o SInapse DDMX Labs, uma divisão do Grupo de Pesquisa em Engenharia de Sistemas e de Computação (GPESC).
Importância
Segundo o professor Edvard Martins de Oliveira, do IESTI da UNIFEI, a participação de um aluno de graduação na AMCIS 2024 oferece exposição a pesquisas inovadoras, oportunidades de networking e de entender tendências emergentes e desafios da área. “Além disso, possibilita o desenvolvimento de habilidades como apresentação em público e pensamento crítico. Participar da AMCIS 2024 preparará o aluno para sua futura carreira, proporcionando uma experiência educacional transformadora”, explicou o docente.
A AMCIS 2024 é uma conferência da Association for Information Systems (AIS), uma associação internacional para estudiosos de sistemas de informação, estabelecida há 30 anos, que publica revistas, organiza conferências e fornece um fórum para professores e gestores de sistemas de informação, contando com membros em mais de 100 países.
A AIS organiza quatro conferências anuais: International Conference on Information Systems (ICIS), que alterna entre as três regiões mundiais, e três conferências regionais: Americas Conference on Information Systems (AMCIS), European Conference on Information Systems (ECIS) e Pacific Asia Conference on Information Systems (PACIS).
Segundo o professor Edvard, “os artigos publicados na AMCIS têm Qualis A2 na Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES), do Ministério da Educação (MEC), o que indica sua alta importância”.
Resumo do 1º artigo
De acordo com o resumo do artigo AI for Power Outage Prediction: Leveraging Data Insights and Integration, quedas de energia são um grande problema para as comunidades, e os métodos antigos de prever essas quedas não funcionam bem. Com a inteligência artificial (IA) e muitos dados disponíveis, agora é possível prever essas quedas de maneira mais eficiente.
O artigo mostra como usar IA para prever quedas de energia, utilizando dados do passado, informações sobre o clima e dados de manutenção. Os dados históricos ajudam a ver padrões de quedas de energia, as informações sobre o clima ajudam a prever eventos que podem causar quedas e os dados de manutenção mostram quais equipamentos podem falhar.
A pesquisa revelou que, em algumas áreas, as previsões melhoraram 30% e acertaram mais de 88% das vezes. Isso mostra que a IA pode ajudar muito a prever e evitar quedas de energia, trazendo soluções melhores para as comunidades.
Para conferir a íntegra do artigo, acesse o link: https://aisel.aisnet.org/amcis2024/dsa/dsa/17/
Resumo do 2º artigo
De acordo com o resumo do artigo UDF: a k-modes-Based Algorithm to Reduce Unproductive Displacement of Power Utility Teams, a distribuição de energia é afetada por muitas variáveis que impactam a qualidade do serviço. As empresas sofrem muitas perdas financeiras, desde danos na infraestrutura e multas por regulamentos até falhas na logística.
Um gasto menos percebido é o deslocamento das equipes de manutenção. Muitas vezes, a equipe chega ao local e não há problema ou ele já foi resolvido. Como as empresas de energia têm muitos dados sobre incidentes de quedas de energia, há uma oportunidade de usar inteligência artificial para ajudar a identificar esses deslocamentos improdutivos.
O artigo propõe um algoritmo de agrupamento para identificar ocorrências que levam a alarmes falsos, dando tempo para a intervenção humana e redução de falhas logísticas. Os resultados mostram que o algoritmo UDF é capaz de agrupar mais de 17% dos dados que têm alta probabilidade de resultar em falso positivo, com uma precisão de aproximadamente 75%.
A íntegra do artigo pode ser acessada em: https://aisel.aisnet.org/amcis2024/dsa/dsa/16/
