Acurácia da seleção simultânea para caracteres de interesse em milho tropical de segunda safra

O milho de segunda safra, também conhecido como milho safrinha, é definido como aquele semeado entre os meses de janeiro e março. Esta modalidade de cultivo atingiu no ano agrícola de 2013/2014 uma área plantada de 9,18 milhões de hectares, superior a área cultivada com milho primeira safra, que no mesmo período foi de 6,61 milhões de hectares. Na segunda safra, há alto risco de instabilidades climáticas, principalmente em decorrência de baixas temperaturas, geadas, má distribuição de chuvas e redução do fotoperíodo. Todos estes fatores prejudicam a atividade fotossintética do milho, reduzindo sua produtividade. No entanto, dada a importância deste cultivo, empresas públicas, privadas e universidades vêm buscando incrementar a produtividade e a estabilidade. Para isso, alguns caracteres são especialmente preconizados. Devido ao alto risco de perda por adversidades ambientais, muitos produtores investem pouco em adubação, principalmente adubação nitrogenada. Neste contexto, o desenvolvimento de plantas mais eficientes no uso e, ou, tolerantes ao estresse por nitrogênio, resultaria em maior segurança para o produtor. Não obstante, a precocidade tem elevada importância, já que materiais precoces reduzem o risco de perdas neste período. No entanto, a mesma deve estar sempre associada a alta produtividade. Assim, para a seleção simultânea destes caracteres, pode-se lançar mão de índices per se de resposta das plantas ao estresse, análises gráficas e, ou, índices de seleção simultânea. Adicionalmente, os valores genotípicos das linhagens para essas características, além de serem preditos via REML/BLUP single-trait (análise univariada), também podem ser preditos via REML/BLUP multi-trait (análise multivariada). Dessa forma, os valores genotípicos são corrigidos pela covariância existente entre os caracteres. Assim, o objetivo deste trabalho foi verificar a possibilidade de seleção simultânea para eficiência no uso e tolerância ao estresse por nitrogênio, além de plantas precoces e produtivas. Para isto, linhagens de milho tropical foram cultivadas e avaliadas para estes caracteres. Foram então simulados diversos cenários de seleção simultânea. A partir destes resultados, observou-se que o índice per se de resposta das plantas ao estresse Média Harmônica da Performance Relativa (MHPR) foi o mais eficiente na seleção de plantas eficientes no uso e tolerantes ao estresse por nitrogênio. Isto ocorreu devido a forte correlação desfavorável entre os índices que estimam a eficiência e a tolerância, além da superioridade e em acurácia, herdabilidade e ganhos com a seleção deste índice per se. Já para a seleção simultânea da produtividade e precocidade, o índice Aditivo de seleção simultânea, utilizando os valores genotípicos preditos via REML/BLUP single-trait se mostrou o mais eficiente, já que obteve ganhos satisfatórios em todos os caracteres e há a possibilidade de modular, de forma mais satisfatória, os ganhos em cada caractere. Conclui-se que a seleção simultânea tanto para eficiência no uso e tolerância ao estresse por nitrogênio, quanto para produtividade e precocidade são possíveis. Além disso, a escolha do melhor método de seleção simultânea depende da magnitude e do sentido da correlação entre os caracteres.

Análise de práticas de compras sustentáveis aplicada à indústria química brasileira.

No contexto organizacional, o departamento de suprimentos exerce papel fundamental na melhoria dos desempenhos sociais e ambientais de uma cadeia. Dentre as atividades desempenhadas pela função de suprimentos está a seleção de fornecedores na qual são definidos os critérios utilizados para a escolha de um fornecedor. Sendo assim, pode-se afirmar que a função de suprimentos é capaz de estender a sua cadeia requerimentos econômicos, sociais e ambientais. Como objeto desse trabalho foi selecionada a indústria química, uma vez que trata-se de uma indústria base para diversas outras atividades econômicas e com grande importância na economia brasileira. Além disso, é um segmento marcado por acidentes ambientais bem como programas de apoio ambiental e social mundialmente reconhecidos como o Responsible Care. Diante desse contexto, esse trabalho buscou propor um modelo conceitual de seleção de fornecedores que incorpore critérios sociais e ambientais para a indústria química. A partir da revisão de literatura, elaborou-se a proposta de um modelo conceitual capaz de abranger organizações compradoras em diferentes níveis de maturidade para incorporação de critérios sociais e ambientais em seu processo de seleção de fornecedores. A primeira etapa proposta no modelo consiste na utilização de ferramentas simples como listagens, nessa primeira etapa o objetivo é proteger a organização compradora de um comportamento não adequado por parte do fornecedor à legislação pertinente. A segunda etapa do modelo consiste no desenvolvimento de uma base gerencial, estabelecimento de critérios sociais e ambientais e utilização de certificações para seleção de fornecedores. Através do método survey, por correio eletrônico, entre abril a setembro do ano de 2015, objetivou-se compreender as atitudes dos responsáveis por formular e implementar as estratégias de compras em direção às compras sustentáveis. A pesquisa demonstrou que há descompasso entre estratégia e execução no sentido de incorporar as perspectivas sociais e ambientais em um processo de seleção de fornecedores. O estudo indicou que as organizações ainda se encontram em estágios iniciais de seleção do fornecedor e compras em se tratando da inclusão de uma perspectiva socioambiental. As ações apresentam-se mais em termos de políticas e documentações, do que em nível operacional.

Automatização do processo de seleção de transformações para otimização do tempo de execução por meio de aprendizado de máquina no arcabouço da LLVM.

A rápida evolução do hardware demanda uma evolução contínua dos compiladores. Um processo de ajuste deve ser realizado pelos projetistas de compiladores para garantir que o código gerado pelo compilador mantenha uma determinada qualidade, seja em termos de tempo de processamento ou outra característica pré-definida. Este trabalho visou automatizar o processo de ajuste de compiladores por meio de técnicas de aprendizado de máquina. Como resultado os planos de compilação obtidos usando aprendizado de máquina com as características propostas produziram código para programas cujos valores para os tempos de execução se aproximaram daqueles seguindo o plano padrão utilizado pela LLVM.

Real time optimization in chemical process: evaluation of strategies, improvements and industrial application.

The increasing economic competition drives the industry to implement tools that improve their processes efficiencies. The process automation is one of these tools, and the Real Time Optimization (RTO) is an automation methodology that considers economic aspects to update the process control in accordance with market prices and disturbances. Basically, RTO uses a steady-state phenomenological model to predict the process behavior, and then, optimizes an economic objective function subject to this model. Although largely implemented in industry, there is not a general agreement about the benefits of implementing RTO due to some limitations discussed in the present work: structural plant/model mismatch, identifiability issues and low frequency of set points update. Some alternative RTO approaches have been proposed in literature to handle the problem of structural plant/model mismatch. However, there is not a sensible comparison evaluating the scope and limitations of these RTO approaches under different aspects. For this reason, the classical two-step method is compared to more recently derivative-based methods (Modifier Adaptation, Integrated System Optimization and Parameter estimation, and Sufficient Conditions of Feasibility and Optimality) using a Monte Carlo methodology. The results of this comparison show that the classical RTO method is consistent, providing a model flexible enough to represent the process topology, a parameter estimation method appropriate to handle measurement noise characteristics and a method to improve the sample information quality. At each iteration, the RTO methodology updates some key parameter of the model, where it is possible to observe identifiability issues caused by lack of measurements and measurement noise, resulting in bad prediction ability. Therefore, four different parameter estimation approaches (Rotational Discrimination, Automatic Selection and Parameter estimation, Reparametrization via Differential Geometry and classical nonlinear Least Square) are evaluated with respect to their prediction accuracy, robustness and speed. The results show that the Rotational Discrimination method is the most suitable to be implemented in a RTO framework, since it requires less a priori information, it is simple to be implemented and avoid the overfitting caused by the Least Square method. The third RTO drawback discussed in the present thesis is the low frequency of set points update, this problem increases the period in which the process operates at suboptimum conditions. An alternative to handle this problem is proposed in this thesis, by integrating the classic RTO and Self-Optimizing control (SOC) using a new Model Predictive Control strategy. The new approach demonstrates that it is possible to reduce the problem of low frequency of set points updates, improving the economic performance. Finally, the practical aspects of the RTO implementation are carried out in an industrial case study, a Vapor Recompression Distillation (VRD) process located in Paulínea refinery from Petrobras. The conclusions of this study suggest that the model parameters are successfully estimated by the Rotational Discrimination method; the RTO is able to improve the process profit in about 3%, equivalent to 2 million dollars per year; and the integration of SOC and RTO may be an interesting control alternative for the VRD process.