FORMULÁRIO II: CARACTERIZAÇÃO DO PROJETO

 

II.1 Identificação do Projeto

 

A. Título do Projeto (Indicar o título do projeto, que deve ser conciso)

"Melhoramento da identificação de perdas comerciais através da análise computacional inteligente do perfil de consumo e dos dados cadastrais de
consumidores"

B. Gerente do Projeto

Nome:

Rodrigo Mendonça Queiroga

Fone:

(27) 33484450

Fax:

(27) 33484289

E-Mail:

rodrigoq@escelsa.com.br

C. Situação do Projeto

X

Novo

 

Continuidade/Alteração de projeto existente

D. Duração do Projeto

Meses

24

           

E. Investimentos Previstos (R$) (Para projeto plurianual considerar como CUSTO TOTAL o valor previsto para todos os ciclos)

Custo Total

397367,93

Custo Ciclo Atual

211082,82

F. Palavras-chave (Fornecer pelo menos 3 palavras-chave que descrevam a pesquisa relacionada ao projeto)

1

Classificação

2

Sistemas Baseados em Conhecimento

3

Prospecção de Dados

4

Algoritmos de Aproximação

5

Sistemas Híbridos

G. Categoria da Pesquisa Associada ao Projeto (Indicar apenas um tipo de pesquisa, verificando as definições do Manual)

 

1. Pesquisa Básica Dirigida

 

2. Pesquisa Aplicada

X

3. Desenvolvimento Experimental

H. Tema de Pesquisa (Indicar o tema principal abordado na pesquisa, verificando as definições do Manual)

 

1. Eficiência Energética

 

7. Qualidade do Produto

 

2. Energia Renovável

 

8. Supervisão, Controle e Proteção

 

3. Geração

x

9. Medição

 

4. Transmissão

 

10. Transmissão de Dados via Rede Elétrica

 

5. Distribuição

 

11. Pesquisa Estratégica

 

6. Meio Ambiente

   

 

II.2 Motivação para Pesquisa

 

A. Justificativas do Projeto (Descrever os elementos motivadores para a proposição do projeto de P&D)

Um dos grandes problemas enfrentados pelas empresas distribuidoras de energia elétrica são as perdas comerciais provocadas intencionalmente por consumidores ou por falhas nos medidores. Estima-se que o montante de perdas chegue a 5,5% do faturamento destas empresas.

Este problema tem sido enfrentado através da realização de inspeções técnicas no local de consumo. Contudo, não é possível inspecionar todos os consumidores atendidos pela empresa. Para se ter uma idéia, a Escelsa possui cerca de 900 mil consumidores e suas equipes de inspeção são capazes de realizar na ordem de 30 mil operações de inspeção por ano (isso sem levar em consideração que pode ser necessário realizar várias inspeções em um mesmo consumidor no período de um ano).

Como aumentar o número de equipes de inspeção acaba não sendo economicamente viável e não tende a promover melhorias significativas neste quadro (dobrando-se as equipes, seriam feitas 60 mil inspeções por ano, o que ainda é um número pequeno perante o número de consumidores), a chave para a minoração das perdas está na seleção dos consumidores que devem ser inspecionados.

Atualmente, o processo de inspeção pode ser feito através de varredura, onde uma área é escolhida e uma equipe de fiscais a percorre ponto por ponto tentando identificar possíveis perdas, ou através de inspeções de consumidores individuais selecionados por técnicos especializados nesta tarefa. Tipicamente, a seleção dos consumidores a serem inspecionados é baseada nos dados cadastrais do consumidor e no seu perfil de consumo. Com base na sua experiência, o técnico realiza consultas a base de dados e posteriormente analisa manualmente os resultados da consulta para identificar os consumidores que devem ser submetidos a inspeção.

Enquanto a operação de varredura apresenta um resultado significativamente inferior, o processo de identificação dos consumidores baseado no cadastro e nos dados de perfil de consumo é quase artesanal, o que acaba impedindo que os técnicos tenham como avaliar aprofundadamente um grande número de consumidores candidatos. Como resultado, o índice de sucessos é baixo (na Escelsa, fica na faixa de 5 a 10% do total de serviços de inspeção).

O presente contexto sinaliza para a necessidade de se investigar alternativas que permitam selecionar melhor os candidatos a serem inspecionados. Este projeto se propõe a empregar e desenvolver técnicas computacionais que sejam capazes de realizar esta tarefa. A idéia central do projeto se baseia na integração de três diferentes técnicas computacionais para melhoria do processo de seleção de consumidores candidatos a inspeção. As três técnicas são: sistemas baseados em conhecimento (muitas vezes chamados de sistemas especialistas), prospecção de dados (também conhecida como "data mining") e algoritmos de aproximação.

A técnica de sistemas baseados em conhecimento será usada para construir um módulo do sistema de identificação de perdas responsável por utilizar o conhecimento especializado dos técnicos que fazem a seleção de candidatos à inspeção. O conhecimento destes técnicos é formado por heurísticas (por exemplo, consumidores que tem consumo zero fora de localidades de veraneio são candidatos a inspeção). Embora esse tipo de conhecimento seja valioso, ele não tem sido amplamente utilizado por conta da limitação cognitiva do ser humano em avaliar uma grande quantidade de dados. Um programa de computador que detenha esse conhecimento poderá utilizá-lo de maneira muito mais efetiva.

A técnica de prospecção de dados será usada para identificar novos padrões que permitam identificar candidatos potenciais a inspeção. Tipicamente, estes padrões não foram observados pelos técnicos, mas uma análise baseada em técnicas de prospecção das bases de dados poderá revelá-los. Cabe dizer que, para facilitar esta tarefa, a Escelsa já dispõe, em seu banco de dados, do registro dos consumidores que já foram flagrados causando perdas comerciais. Estes consumidores poderão ser usados para treinar classificadores que, baseados no perfil do consumidor, o identificam como candidato potencial a inspeção ou não. Portanto, o sistema de identificação de perdas também possuirá um módulo baseado na técnica de prospecção de dados.

Um outro tipo de informação que pode ser usada nesta tarefa é o perfil de consumo do consumidor. A Escelsa já tem disponível os perfis de consumo mensal dos consumidores a partir de 1997. Com base nestes perfis, o sistema poderá identificar variações significativas no padrão de consumo do consumidor que possam indicar a existência de perdas. Contudo, a identificação de variações em curvas geométricas é um problema de grande complexidade. Para contornar este problema usaremos algoritmos de aproximação, os quais já têm sido aplicados com sucesso para atacar tarefas desta natureza.

Por fim, também é parte do projeto a integração destas diferentes técnicas no sentido de obter uma lista mais acurada dos possíveis candidatos a causadores de perdas. A integração destas diferentes técnicas de inteligência computacional será baseada no desenvolvimento de uma arquitetura de sistemas inteligentes híbridos.

 

 

 

 

 

 

 

 

 

 

 

B. Objetivos do Projeto (Descrever os objetivos mensuráveis do projeto e os resultados esperados. Utilizar sentenças com os verbos "definir", "determinar", "identificar", "desenvolver", "montar", "construir", por exemplo)

Objetivos Gerais:

    • Minorar as perdas causadas intencionalmente por consumidores e por falhas nos medidores
    • Extratificar os consumidores por perfil cadastral e de consumo de modo a permitir uma identificação inicial dos possíveis causadores de perdas comerciais
    • Aumentar o índice de sucesso na investigação de perdas comerciais e, consequentemente, desestimular a ocorrência de irregularidades e reincidências, bem como identificar mais efetivamente as falhas nos medidores

Objetivos Específicos:

  • Analisar e aplicar três diferentes técnicas de Inteligência Computacional ao problema de identificação de perdas comercias de empresas do setor energético
  • Desenvolver arquitetura computacional para a integração destas técnicas
  • Implementar sistema computacional integrado ao ambiente computacional da ESCELSA que utilize as três técnicas referidas e a arquitetura desenvolvida para melhorar o processo de investigação de perdas

Resultados Esperados:

  • Melhoria na taxa de acertos (hoje na faixa de 5 a 10% dos inspecionados) dos causadores de perdas comerciais (atingindo a faixa de 20 a 30% já seria um excelente resultado, segundo técnico da ESCELSA)
  • Publicação de Artigos Científicos
  • Projetos de Graduação em Ciência e Engenharia da Computação
  • Dissertações de Mestrado

 

 

 

 

 

 

 

 

 

 

 

 

 

II.3 Antecedentes do Projeto

A. Resumo da Revisão Bibliográfica (Fornecer sumário da revisão bibliográfica)

O problema abordado neste projeto é um problema de classificação [1]. Este tipo de problema ocorre frequentemente em vários domínios e consiste na seleção de uma categoria dentre um conjunto pré-enumerado de categorias, tendo-se por base informações a respeito do perfil do objeto a ser classificado. Neste projeto, enquanto existem apenas duas categorias a serem diferenciadas (consumidor candidato a investigação e não candidato), o perfil do objeto a ser classificado corresponde ao perfil obtido a partir dos dados cadastrais e do histórico de consumo do consumidor.

Problemas de classificação têm sido o principal tipo de aplicação para as técnicas de sistemas baseados em conhecimento [2, 3] e para as técnicas de prospecção de dados e aprendizado automático [4, 5, 6, 7]. Sistemas já desenvolvidos resolvem desde problemas de diagnóstico médico [8, 9] até o reconhecimento automático de manuscrito [10].

Uma informação importante a ser utilizada para auxiliar a identificação dos consumidores causadores de perdas comerciais é o perfil de consumo mensal de energia do consumidor. Anualmente, a maioria dos consumidores apresentam uma curva de consumo que segue um padrão próprio. Uma variação significativa neste padrão pode indicar a ocorrência de uma perda comercial. Além disso, consumidores de localidades próximas também apresentam curva semelhante. Um consumidor com curva bastante distinta dos vizinhos pode ser também um causador de perdas. O problema com a utilização destas variações é que a comparação de curvas geométricas e o estabelecimento de padrões são problemas de natureza combinatorial. Algoritmos de aproximação [11, 12] têm sido aplicados a problemas geométrica de natureza combinatorial [13].

Para reunir as potencialidades destas diferentes fontes de processamento de conhecimento pode-se utilizar Sistemas Híbridos Inteligentes [14, 15], os quais combinam duas ou mais técnicas de IA com o objetivo de obter o melhor de cada uma e aumentar o desempenho do sistema como um todo.

[1] Clancey, W.J. Heuristic Classification. Artificial Intelligence, 27, 289-350, 1985.

[2] Stefik, M. Introduction to Knowledge-based Systems. Morgan Kaufmann, 1995.

[3] Jackson, P. Introduction to Expert Systems, 3rd edition. Addison-Wesley, 1999.

[4] Brodley, C. E. and Smyth, P., Applying classification algorithms in practice. Statistics and Computing, n.7, v.1, p.45-56. 1997.

[5] Fayaad, U.M.; Shapiro, G.P., Smyth, P. From Data Mining to Knowledge Discovery: An Overview, In Fayyad, U.M. et al., Advance in knowledge discovery and data mining, Menlo Park (CA-USA): AAAI Press / The MIT Press, p.1-33, 1996.

[6] Carbonell, J. G. Introduction: Paradigms for machine learning. Artificial Intelligence, v.40, n.1/3. Sept. 1989. Reprinted In: Carbonell, J. G., ed. Machine learning: paradigms and methods. Cambridge: The MIT Press, 1990.

[7] Haykin, Simon. Neural Networks: A Comprehensive Foundation. New York(NY-USA): Macmillan College Publishing Company, Inc., 1994.

[8] Shortliffe, E. H. Computer-Based Medical Consultations: MYCIN. Elsevier, 1976.

[9] Varejao, F. M., Machado, R. J., Milidiu, R. L. Alba: a bayesian expert system shell for medical diagnosis. World Congress on Medical Physics and Biomedical Engineering, 1994.

[10] Rossetto, S., Varejão, F.M., Rauber, T. W. Identifying Knowledge Sources for Dealing with Uncertain Information present in a Handwritten Form Recognition Post-Processing, Argentine Symposium on Artificial Intelligence (ASAI'2001), p. 85-94, 2001.

[11] Harting, J.A. Clustering Algorithms, John Wiley & Sons, 1975.

[12] Motwani, R., Raghavan, P. Randomized Algorithms, Cambridge University Press, 1995.

[13] Barn, M., Eppstein, D. Approximation Algorithms for Geometric Problems. In Approximation Algorithms for NP-hard Problems, Hochbaum, T. (ed.), p. 236-342, 1998.

[14] Wermter S., Sun R. The Present and the Future of Hybrid Symbolic Systems. AI Magazine. Spring, pp. 123-126. 2001.

[15] Wermter S., Sun R. Hybrid Neural Systems. Springer, Heidelberg, Germany. 2000.

 

 

 

 

 

 

B. Pesquisas Correlatas (Indicar as pesquisas correlatas executadas, tanto pelas instituições envolvidas, quanto por outras instituições nacionais e internacionais)

  1. Sistemas Baseados em Conhecimento

Aquisição de Conhecimento

VAREJAO, Flavio Miguel, ASSIS, Sandro Coimbra, GARCIA, Ana Cristina Bicharra. Hyperadd: an incremental and hybrid approach for knowledge acquisition on active design documents. In: FLAIRS 2000 - 13TH INTERNATIONAL FLORIDA ARTIFICIAL INTELLIGENCE CONFERENCE, 2000, Orlando - Eua. Flairs'2000 Proceedings. Menlo Park: AAAI Press, 2000.

VAREJAO, Flavio Miguel, MENEZES, Crediné Silva de, GARCIA, Ana Cristina Bicharra, SOUZA, Clarisse Sieckenius de, FROMHERZ, Markus. Towards an ontological framework for knowlege-based design systems. In: VI INTERNATIONAL CONFERENCE ON ARTIFICIAL INTELLIGENCE IN DESIGN -

AID 2000, 2000, Worcester, Massachussets, Eua. Artificial Intelligence In Design'00. Dordrecht: Kluwer Academic Publishers, 2000.

 

Resolução de Conflitos de Conhecimento

Berilhes Borges Garcia, Gabriel Pereira Lopes e Flávio Miguel Varejão;
Compiling Default Theory into Extended Logic Programming, Lecture Notes in
Computer Science, vol 1952, páginas 204-216. Springer-Verlag.

Berilhes Borges Garcia e Gabriel Pereira Lopes, Introducing Plausibility
Measures in the Process of Belief Revision Through Extended Logic Programs.
Proceedings of 13th European Conference on Artificial Intelligence - ECAI´98
(Henri Prade, editor) - John Wiley & Sons Ltd, 1998, páginas 378-382.

Aplicação de Sistemas Baseados em Conhecimento para Classificação


VAREJAO, Flavio Miguel, ROSSETTO, Silvana, RAUBER, Thomas W. Identifying knowledge sources for dealing with uncertain information during handwritten form recognition post-processing. In: ARGENTINE SYMPOSIUM ON ARTIFICIAL INTELLIGENCE, 2001, Buenos Aires. Asai 2001. Buenos Aires: Sociedad Argentina de Informática e Investigación Operativa, 2001. v.3. p.85-94.

2. Classificação, Aprendizado Automático e Prospecção de Dados

VAREJAO, Flavio Miguel, MACHADO, Ricardo José, MILIDIU, Ruy Luís. Alba: um ambiente para classificação bayesiana baseada em padrões. In: VIII SIMPÓSIO BRASILEIRO DE INTELIGÊNCIA ARTIFICIAL, Brasília. 1991.

CAMARINHA-MATOS, Luis M. and MARTINELLI, Fernando J., Application of Machine Learning in Water Distribution Networks. IDA – Intelligent Data Analysis. v.2, n.4. pp.311-332, October 1998.

MARTINELLI, Fernando José. Contribuição para uma Metodologia de Aplicação de Aprendizagem Automática em Ambientes Industriais. Tese de Doutorado. Universidade Nova de Lisboa, 1999.

 

 

 

 

 

 

II.4 Benefícios do Projeto

 

A. Benefício à Reputação das Instituições (Utilizar a lista de resultados do manual e fornecer detalhes adicionais)

  1. Reconhecimento como Centro de Excelência: A área de pesquisa em Inteligência Artificial da UFES é composta por um número significativo e atuante de pesquisadores. É interesse deste grupo se tornar referência nacional. Este projeto poderá trazer visibilidade para este grupo de pesquisadores.
  2. Demanda por serviços de consultoria: Este projeto atua sobre um problema que pode ser de interesse de outras instituições e empresas (por exemplo, receita federal, empresas de distribuição de água e esgoto e prefeituras).
  3. Artigos em revistas e anais: Várias publicações devem ser originadas a partir deste projeto em virtude de sua complexidade e grau de inovação.

 

 

 

 

 

 

 

 

B. Benefícios para a Capacitação Científica e Tecnológica (Quantificar os títulos obtidos como resultado das atividades a serem desempenhadas no projeto de P&D)

  1. Títulos de mestrado (2): Este projeto certamente pode originar duas dissertações de mestrado. Uma seria resultante da comparação das diferentes técnicas e outra resultante da sua integração. Contudo, a obtenção destes títulos será dependente do interesse de alunos do programa de mestrado em Informática da UFES.
  2. Projetos Finais de Graduação: Este projeto irá originar de dois a quatro projetos finais de graduação dos cursos de Engenharia e Ciência da Computação.

 

 

 

 

 

C. Resultados para a(s) Concessionária(s) (Descrever os impactos para o aperfeiçoamento dos seus processos internos e melhoria da qualidade do serviço prestado, devendo quantificá-los sempre que possível)

  1. Melhoria de processos internos: O processo de seleção de consumidores a serem investigados melhorará em termos de precisão (melhor taxa de sucessos) e em termos de tempo de execução (uma vez que a seleção dos candidatos deixará de ser um processo manual e passará a ser automatizado).
  2. Melhoria na qualidade do serviço prestado: Com a melhoria na escolha dos consumidores a serem investigados, as inspeções se tornarão mais efetivas e o consumidor será desestimulado a provocar perdas comerciais. Reduzindo-se as perdas comerciais, o sistema de cobrança de energia se tornará mais justo e equalitário para todos os consumidores. Além disso, aumentará o faturamento da empresa, possibilitando maiores investimentos em outras áreas ou mesmo reduzindo a necessidade de reajustes nas tarifas.

 

 

 

 

 

 

 

 

 

 

II.5 Empresas Cooperadas e Instituições

 

A. Empresas Cooperadas

Nome

 

Aporte total (R$)

 

Aporte no Ciclo (R$)

 

Nome

 

Aporte total (R$)

 

Aporte no Ciclo (R$)

 

Nome

 

Aporte total (R$)

 

Aporte no Ciclo (R$)

 

Nome

 

Aporte total (R$)

 

Aporte no Ciclo (R$)

 

B. Instituições

Nome

Fundação Espírito-santense de Tecnologia (FEST)

OBS.: Fundação conveniada a Universidade Federal do Espírito Santo (UFES)

CNPJ

02 980 103/ 0001 - 90

Papel

Executora

Contribuição

 

Nome

 

CNPJ

 

Papel

 

Contribuição

 

Nome

 

CNPJ

 

Papel

 

Contribuição

 

Nome

 

CNPJ

 

Papel

 

Contribuição

 

C. Direitos de Propriedade Intelectual (Indicar a(s) instituição(ões) que deterá(ão) os direitos de propriedade intelectual resultantes deste projeto)

É assegurado à ESCELSA o direito de propriedade sobre todos documentos, relatórios e manuais advindos do desenvolvimento do projeto.

Publicações técnico-científicas geradas a partir de assuntos relacionados ao projeto não poderão portar dados considerados pela ESCELSA estratégicos ou particulares. Os textos produzidos com essa finalidade deverão ser autorizados pela mesma.

A ESCELSA e a UFES dividirão igualmente, 50% (cinqüenta por cento) cada um, eventuais patentes, propriedades intelectuais ou royalties sobre produtos gerados em decorrência do desenvolvimento deste projeto, segundo legislação vigente de propriedade industrial.

 

 

 

 

 

II.6 Equipes do Projeto

 

A. Equipe Técnica e Científica

Nome

CPF

Categoria1

Entidade Contratante

End. Eletrônico

Custo Horário (R$/h)

Analista Rodrigo Mendonça Queiroga

577031166-53

G

ESCELSA

rodrigoq@escelsa.com.br

45

Prof. Flávio Miguel Varejão

925394837-04

C / D

FEST

fvarejao@inf.ufes.br

50

Prof. Raul Henriques Cardoso Lopes

514054436-00

D

FEST

raulh@inf.ufes.br

40

Eng. Fernando José Martinelli

947811177-91

D

FEST

fernandomartinelli@escelsa.com.br

40

Prof. Berilhes Borges Garcia

947081427-49

D

FEST

berilhes@inf.ufes.br

40

Prof. Sérgio Antônio Andrade de Freitas

576764106-49

M (em doutoramento)

FEST

sergio@inf.ufes.br

35

Eng. Rogério Miguel Coelho

036261247-11

J

FEST

 

25

Bruno Oliveira Silvestre

076023447-74

B

FEST

 

10

Arthur Cypriano Costa

084932037-26

B

FEST

 

10

1Categorias: Coordenador da Equipe de P&D (C), Gerente do Projeto (G), Doutor (D), Mestre (M), Especialista (E), Superior Senior (S), Superior Pleno (P), Superior Júnior (J) e Bolsista de Iniciação Científica (B)

 

B. Equipe Auxiliar Técnica e Administrativa (Fornecer quantitativo)

Categoria2

Número

Entidade Contratante

Custo Horário Médio (R$/h)

Administrativo

1

FEST

5

       

2Categorias: Técnico e Administrativo.

 

II.7 Metodologia da Pesquisa

A. Diretrizes Metodológicas (Descrever a metodologia a ser seguida para a pesquisa salientando seu aspecto inovador)

A metodologia utilizada envolverá o estudo do problema e de trabalhos relacionados existentes na literatura, a seleção e adaptação das técnicas de sistemas baseados em conhecimento, prospecção de dados e algoritmos de aproximação para a sua aplicação neste problema específico, a proposição de uma forma de integrar estas diferentes técnicas, o desenvolvimento de um sistema de classificação baseado nesta proposta e, por fim, na realização de experimentos que avaliem o desempenho efetivo das técnicas desenvolvidas no projeto para selecionar os consumidores que devem ser investigados.

Cabe dizer que existem três diferentes linhas para a realização dos experimentos. Na primeira linha obtém-se uma amostra com os consumidores escolhidos para investigação nos últimos anos pela Escelsa, usamos o sistema para indicar quais deles ele selecionaria como investigáveis e verificamos se o total de acertos do sistema é superior ao que foi obtido pelos técnicos. Na segunda linha podemos aplicar o sistema a todos os consumidores da base de dados da Escelsa e mostrar seus resultados aos técnicos. Estes indicariam se as escolhas do sistemas fazem sentido ou não. Por fim, a terceira linha consiste em deixar o sistema em operação ao longo de um ano e verificar qual a melhoria no índice de sucessos na escolha dos consumidores a serem investigados e comparar com a taxa atual de acertos.

Somente a aplicação de uma das técnicas mencionadas ao problema proposto já requereria inovação científica. Cada domínio de problema de classificação apresenta especificidades que acabam por demandar a realização de adaptações das técnicas mencionadas para a resolução do problema. Adicionalmente, o projeto irá realizar a integração destas técnicas para investigar se a sua combinação pode elevar o desempenho na solução do problema. Portanto, a integração destas técnicas também será um aspecto inovador desta pesquisa.

 

 

 

 

 

 

B. Etapas do Projeto (Listar e descrever as principais atividades do projeto, incluindo aquelas relacionadas com a transferência dos resultados da pesquisa para os consumidores/beneficiários. Indicar o cronograma de execução de cada etapa no cronograma físico mantendo a correspondência entre as etapas)

Nome etapa

Descrição

Produto

1

Atualização Bibliográfica e Especificação de Requisitos do Sistema

- Análise de artigos técnicos e científicos que abordem problemas semelhantes ao do projeto

- Aquisição de Conhecimento através da realização de entrevistas com os técnicos da ESCELSA atualmente responsáveis pela escolha dos consumidores a serem inspecionados

- Identificação dos dados cadastrais e de consumo disponíveis nos bancos de dados da ESCELSA, bem como seu formato e forma de armazenamento

- Aquisição de Equipamentos do Projeto

- Relatório Técnico descrevendo revisão bibliográfica, procedimento adotado pelos especialistas para escolha de consumidores e especificação de dados do projeto

- Relatório Parcial No. 1

2

Especificação dos Requisitos Operacionais e Proposta de Arquitetura Geral do Sistema

- Identificação dos ambientes computacionais utilizados pela ESCELSA para armazenamento dos dados cadastrais e de perfil de consumo

- Especificação dos mecanismos de comunicação e integração do sistema a ser desenvolvido com os ambientes da ESCELSA

- Seleção e Refinamento de amostra de consumidores utilizada para treinamento e teste do módulo de prospecção de dados

- Seleção dos softwares a serem utilizados

- Proposta de Arquitetura do Sistema Híbrido

- Aquisição de Ferramentas de Software a serem Utilizadas no Sistema

- Relatório Técnico descrevendo a arquitetura geral do sistema, seus módulos, as interfaces de comunicação dos módulos e o modo de comunicação com as bases de dados da ESCELSA

- Amostragem de consumidores e seus dados

- Relatório Parcial No. 2

3

Projeto dos Módulos do Sistema

- Projeto do Módulo de Sistema Baseado em Conhecimento

- Projeto do Módulo do Sistema de Prospecção de Dados

- Projeto do Módulo do Sistema de Análise do Perfil de Consumo

- Relatório Técnico descrevendo a especificação funcional, as interfaces de entrada e saída e os componentes de cada módulo do sistema.

- Relatório Parcial No. 3

4

Implementação Inicial dos Módulos do Sistema utilizando apenas parte das funcionalidades desejadas e do conhecimento disponível

- Implementação Inicial do Módulo de Sistema Baseado em Conhecimento

- Implementação Inicial do Módulo do Sistema de Prospecção de Dados

- Implementação Inicial do Módulo do Sistema de Análise do Perfil de Consumo

- Versões iniciais independentes dos Módulos do Sistema prontos para a fase de validação e teste

- Relatório Parcial No. 4

5

Testes de Validação, Comunicação, Desempenho Computacional e Experimentação das Versões Iniciais

- Testes de Validação de cada Módulo e respectivos ajustes

- Testes de Comunicação de cada Módulo com as bases de dados na ESCELSA e respectivos ajustes

- Testes de Desempenho Computacional de cada Módulo e respectivos Ajustes

- Experimentação da Efetividade de cada Módulo do Sistema na Tarefa de Identificação dos Consumidores a serem Investigados

- Módulos Iniciais do Sistema validados e com desempenho computacional satisfatório

- Interfaces de Comunicação com bases de dados validadas

- Resultados da Experimentação Inicial sobre efetividade obtidos

- Relatório Parcial No. 5

6

Análise dos Resultados com Versões Iniciais

- Análise dos Resultados da Experimentação Inicial

- Identificação da Técnica que obteve melhor desempenho geral

- Identificação das Razões de Sucesso e/ou Insucesso

- Indicações de Melhorias a serem realizadas em cada Módulo

- Escrita de artigo científico

- Submissão de artigos para congressos ou outros meios de publicação.

- Versões Iniciais dos Módulos do Sistema implantadas e sendo usadas pela ESCELSA para auxiliar a escolha dos consumidores a serem investigados

- Relatório Final do Primeiro Ciclo do Projeto

7

Reprojeto e reimplementação dos Módulos do Sistema

- Reprojeto dos Módulos para inclusão de novas funcionalidades e conhecimento com vistas a obtenção de melhorias de desempenho de classificação

- Reimplementação dos Módulos

- Versões finais independentes dos Módulos do Sistema prontos para a fase de validação e teste

- Relatório Parcial No. 7

8

Testes de Validação, Desempenho Computacional e Experimentação das Versões Finais

- Testes de Validação de cada Módulo na versão final e respectivos ajustes

- Testes de Desempenho Computacional de cada Módulo e respectivos Ajustes

- Experimentação da Efetividade de cada Módulo Final do Sistema na Tarefa de Identificação dos Consumidores a serem Investigados

- Versões finais dos Módulos do Sistema validados e com desempenho computacional satisfatório

- Resultados da Experimentação com Módulos Finais sobre efetividade obtidos

- Relatório Parcial No. 8

9

Análise dos Resultados com Versões Finais

- Análise dos Resultados da Experimentação com Versões Finais

- Identificação das Técnicas que apresentaram melhor desempenho geral e por natureza do consumidor

- Relatório Técnico descrevendo os resultados do experimento e as conclusões obtidas.

- Relatório Parcial No. 9

10

Projeto e Implementação do Sistema Integrado

- Adaptação da Arquitetura Geral do Sistema para levar em conta as conclusões obtidos a partir da análise dos resultados

- Implementação do Sistema Inteligente Híbrido Integrado

- Sistema Completo pronto para validação e teste

- Relatório Parcial No. 10

11

Testes de Validação, Comunicação, Desempenho Computacional e Experimentação do Sistema Integrado

- Testes de Validação do Sistema e respectivos ajustes

- Testes de Comunicação do Sistema as bases de dados na ESCELSA e respectivos ajustes

- Testes de Desempenho Computacional do Sistema e respectivos Ajustes

- Experimentação da Efetividade do Sistema na Tarefa de Identificação dos Consumidores a serem Investigados

- Sistema validado e com desempenho computacional satisfatório

- Resultados da Experimentação sobre efetividade obtidos

- Relatório Parcial No. 11

12

Conclusões

- Confecção do Manual de Referência e do Manual do Usuário do Sistema

- Análise dos Resultados da Experimentação

- Escrita de artigos científicos

- Treinamento dos Usuários do Sistema na Escelsa

- Implantação do Sistema

- Manuais de Referência e do Usuário do Sistema finalizados

- Submissão de artigos para revistas especializadas.

- Sistema implantado e sendo usado pela ESCELSA para auxiliar a escolha dos consumidores a serem investigados

- Relatório Final do Projeto

C. Riscos Associados ao Projeto (Descrever os fatores que podem causar atrasos ou impedir a implementação do projeto como proposto originalmente. Estimar os níveis de risco)

Fatores:

Embora de possibilidade remota, os seguintes fatores podem causar atrasos no cronograma ora proposto (de modo algum impedirão a implementação do projeto):

    • Disponibilidade de Tempo dos Especialistas
    • Inadequação das Bases de Dados
    • Dificuldades de Acesso e Comunicação com as Bases de Dados
    • Complexidade Computacional

Avaliação dos Riscos:

Riscos Técnicos:

Considerando-se o grau de capacitação da equipe envolvida e sua experiência em projetos de mesma complexidade científica, os riscos técnicos podem ser considerados baixos.

Riscos Financeiros:

Praticamente não existem, considerando o montante apresentado no projeto dentro da capacidade de investimento de uma empresa do porte da ESCELSA (única investidora).

Riscos de Atraso no Cronograma:

São considerados baixos. No entanto, os fatores mencionados acima podem causar algum atraso.

Riscos

Baixo

Médio

Elevado

Risco técnico

x

   

Risco financeiro

x

   

Risco de atraso no cronograma

x

   

 

 

 

 

 

 

II.8 Cronogramas

A. Cronograma Físico

Mês 1

Março

Ciclo: 1

No

Etapa

1

2

3

4

5

6

7

8

9

10

11

12

1

Atualização Bibliográfica e Especificação de Requisitos do Sistema

                       

2

Especificação dos Requisitos Operacionais e Proposta de Arquitetura Geral do Sistema

                       

3

Projeto dos Módulos do Sistema

                       

4

Implementação Inicial dos Módulos do Sistema utilizando apenas parte das funcionalidades desejadas e do conhecimento disponível

                       

5

Testes de Validação, Comunicação, Desempenho Computacional e Experimentação das Versões Iniciais

                       

6

Análise dos Resultados com Versões Iniciais

                       

A. Cronograma Físico

Mês 1

Março

Ciclo: 2

No

Etapa

1

2

3

4

5

6

7

8

9

10

11

12

7

Reprojeto e reimplementação dos Módulos do Sistema

                       

8

Testes de Validação, Desempenho Computacional e Experimentação das Versões Finais

                       

9

Análise dos Resultados com Versões Finais

                       

10

Projeto e Implementação do Sistema Integrado

                       

11

Testes de Validação, Comunicação, Desempenho Computacional e Experimentação do Sistema Integrado

                       

12

Conclusões

                       

B. Cronograma Financeiro

Nº Etapa

Valores Totais (R$)

Desembolsos R($)

1

2

3

4

5

6

7

8

9

10

11

12

1

46848,02

30424,46

16423,56

                   

2

24635,34

   

16423,56

8211,78

               

3

24635,34

     

8211,78

16423,56

             

4

57482,06

         

16423,56

16423,56

16423,56

8211,78

     

5

24635,34

               

8211,78

16423,56

   

6

32846,72

                   

16423,56

16423,56

Total

211082,82

30424,46

16423,56

16423,56

16423,56

16423,56

16423,56

16423,56

16423,56

16423,56

16423,56

16423,56

16423,56

B. Cronograma Financeiro

Nº Etapa

Valores Totais (R$)

Desembolsos R($) (Indicar o cronograma por ciclo para todo o período de duração do projeto)

1

2

3

4

5

6

7

8

9

10

11

12

7

54332,81

15523,79

15523,79

15523,79

7761,90

               

8

23285,70

     

7761,90

15523,79

             

9

23285,70

         

15523,79

7761,90

         

10

38809,50

           

7761,90

15523,79

15523,79

     

11

15523,80

                 

7761,90

7761,90

 

12

31047,60

                 

7761,90

7761,90

15523,79

Total

186285,11

15523,79

15523,79

15523,79

15523,79

15523,79

15523,79

15523,79

15523,79

15523,79

15523,79

15523,79

15523,79

Os recursos programados e utilizados no Cronograma Financeiro devem ser contabilizados em item orçamentário (número contábil específico) para cada projeto, que deverá ser reportado no relatório de acompanhamento a ser enviado ao órgão regulador, para fins de controle e fiscalização.

C. Previsão de Recursos Humanos (Informar, por etapa e por ciclo para todo o período de duração do projeto, a alocação mensal de horas do Gerente do Projeto, Coordenador de Equipe, pesquisadores, equipe técnica e de apoio, justificando eventuais sazonalidades em função do próprio desenvolvimento do projeto.)

Etapa

(Descrever a alocação de RH prevista por etapa)

Ciclo: 1

Meses

Categoria

Nome

1

2

3

4

5

6

7

8

9

10

11

12

Gerente

Rodrigo Mendonça Queiroga

22

22

22

22

22

22

22

22

22

22

22

26

Coordenador

Flávio Miguel Varejão

40

40

40

40

40

40

40

40

40

40

40

40

Pesq. Doutor

Raul Henriques Cardoso Lopes

30

30

30

30

30

30

30

30

30

30

30

30

Pesq. Doutor

Fernando José Martinelli

20

20

20

20

20

15

10

20

20

20

20

20

Pesq. Mestre

Berilhes Borges Garcia

30

30

30

30

30

30

30

30

30

30

30

30

Pesq. Mestre

Sérgio Antônio Andrade de Freitas

26

35

35

35

35

35

35

35

35

35

35

35

Superior Junior

Rogério Miguel Coelho

40

40

40

40

40

40

40

40

40

40

40

40

Iniciação Científica

Bruno Oliveira Silvestre

50

50

50

50

50

50

50

50

50

50

50

50

Iniciação Científica

Arthur Cypriano Costa

50

50

50

50

50

50

50

50

50

50

50

50

Técnico Administrativo

A Definir

30

30

30

30

30

30

30

30

30

30

30

30

C. Previsão de Recursos Humanos (Informar, por etapa e por ciclo para todo o período de duração do projeto, a alocação mensal de horas do Gerente do Projeto, Coordenador de Equipe, pesquisadores, equipe técnica e de apoio, justificando eventuais sazonalidades em função do próprio desenvolvimento do projeto.)

Etapa

(Descrever a alocação de RH prevista por etapa)

Ciclo: 2

Categoria

Nome

1

2

3

4

5

6

7

8

9

10

11

12

Gerente

Rodrigo Mendonça Queiroga

22

22

22

22

22

22

22

22

22

22

22

26

Coordenador

Flávio Miguel Varejão

40

40

40

40

40

40

40

40

40

40

40

40

Pesq. Doutor

Raul Henriques Cardoso Lopes

30

30

30

30

30

30

30

30

30

30

30

30

Pesq. Doutor

Fernando José Martinelli

20

20

20

20

20

15

10

20

20

20

20

20

Pesq. Mestre

Berilhes Borges Garcia

30

30

30

30

30

30

30

30

30

30

30

30

Pesq. Mestre

Sérgio Antônio Andrade de Freitas

26

35

35

35

35

35

35

35

35

35

35

35

Superior Junior

Rogério Miguel Coelho

40

40

40

40

40

40

40

40

40

40

40

40

Iniciação Científica

Bruno Oliveira Silvestre

50

50

50

50

50

50

50

50

50

50

50

50

Iniciação Científica

Arthur Cypriano Costa

50

50

50

50

50

50

50

50

50

50

50

50

Técnico Administrativo

A Definir

30

30

30

30

30

30

30

30

30

30

30

30

II.9 Destino dos Recursos e Viabilidade Econômica

A. Principais Materiais e Equipamentos

   

Ciclo: 1

Descrição

Justificativa

Etapa

Origem

Custo unit.(R$)

Qtde

Custo total (R$)

Microcomputador

Equipamento disponibilizados aos membros da equipe para Programação

1

N

2500,00

3

7500,00

Livros

Revisão Bibliográfica

1

I

150,00

10

1500,00

Software

Software para Data Mining

2

I

5000,00

1

5000,00

Origem: N => Nacional - I => Importado

 

B. Despesas por Categoria Contábil e Origem dos Recursos (Valores em R$)

Tipo de Custo

Subtotal

Origem dos Recursos

Observações

Próprios

Cooperados

Outros

Despesas

Recursos Humanos

114022,52

114022,52

     

Serviços de Terceiros

15000,00

15000,00

     

Materiais/Equipamentos

14000,00

14000,00

     

Material de Consumo

1000,00

1000,00

     

Viagens e Diárias

0,00

0,00

     

Outros

67060,30

67060,30

     

TOTAL

211082,82

211082,82

     

A. Principais Materiais e Equipamentos

   

Ciclo: 2

Descrição

Justificativa

Etapa

Origem

Custo unit.(R$)

Qtde

Custo total (R$)

Origem: N => Nacional - I => Importado

 

B. Despesas por Categoria Contábil e Origem dos Recursos (Valores em R$)

Tipo de Custo

Subtotal

Origem dos Recursos

Observações

Próprios

Cooperados

Outros

Despesas

Recursos Humanos

114022,52

114022,52

     

Serviços de Terceiros

10000,00

10000,00

     

Materiais/Equipamentos

0,00

0,00

     

Material de Consumo

1000,00

1000,00

     

Viagens e Diárias

0,00

0,00

     

Outros

61262,59

61262,59

     

TOTAL

186285,11

186285,11

     

B.1 Justificativa para Custos Outros:

Ciclo 1:

a.Custos Pessoal Escelsa (267,17 h x R$ 45/h): 12022,52

b.Custos Contratada (FEST): 199060,30

c.Custo Total (itens a + b): 211082,82

d. Despesas Pessoais Contratada: 102000,00

d.1 Coordenador (40 h x 12 meses x R$50/h): 24000,00

d.2 Pesq. Dsc. Raul (30 h x 12 meses x R$ 40/h): 14400,00

d.3 Pesq. Dsc. Berilhes (30 h x 12 meses x R$ 40/h):14400,00

d.4 Pesq. Dsc. Fernando (225 h R$ 40/h): 9000,00

d.5 Pesq. Msc. Sérgio (411,43 h x R$ 35/h): 14400,00

d.6 Superior Júnior (40 h x 12 meses x R$ 25/h): 12000,00

d.7 Inic. Cient. 1 (50 h x 12 meses x R$ 10/h): 6000,00

d.8 Inic. Cient. 2 (50 h x 12 meses x R$ 10/h): 6000,00

d.9 Tec. Admin. (30 h x 12 meses x R$ 5/h): 1800,00

e. Custos Outros: 67060,30

e.1 INSS (20% sobre item d): 20400,00

e.2 ISS-QN (5% sobre item b): 9953,02

e.3 CPMF (0,38% sobre item b): 756,43

e.4 Fundo Desen. Academico UFES (10% sobre item b): 19906,03

e.5 FEST: 15049,52

e.5.1 Despesas Bancárias (10 R$ x 12 meses): 120,00

e.5.2 Despesas Administrativas (7,5% sobre item b): 14929,52

e.6 Reserva Técnica (0,5% sobre item b): 995,30

Ciclo 2:

a.Custos Pessoal Escelsa (267,17 h x R$ 45/h): 12022,52

b.Custos Contratada (FEST): 174262,59

c.Custo Total (itens a + b): 186285,11

d. Despesas Pessoais Contratada: 102000,00

d.1 Coordenador (40 h x 12 meses x R$50/h): 24000,00

d.2 Pesq. Dsc. Raul (30 h x 12 meses x R$ 40/h): 14400,00

d.3 Pesq. Dsc. Berilhes (30 h x 12 meses x R$ 40/h):14400,00

d.4 Pesq. Dsc. Fernando (225 h R$ 40/h): 9000,00

d.5 Pesq. Msc. Sérgio (411,43 h x R$ 35/h): 14400,00

d.6 Superior Júnior (40 h x 12 meses x R$ 25/h): 12000,00

d.7 Inic. Cient. 1 (50 h x 12 meses x R$ 10/h): 6000,00

d.8 Inic. Cient. 2 (50 h x 12 meses x R$ 10/h): 6000,00

d.9 Tec. Admin. (30 h x 12 meses x R$ 5/h): 1800,00

e. Custos Outros: 61262,59

e.1 INSS (20% sobre item d): 20400,00

e.2 ISS-QN (5% sobre item b): 8713,13

e.3 CPMF (0,38% sobre item b): 662,20

e.4 Fundo Desen. Academico UFES (10% sobre item b): 17426,26

e.5 FEST: 13189,70

e.5.1 Despesas Bancárias (10 R$ x 12 meses): 120,00

e.5.2 Despesas Administrativas (7,5% sobre item b): 13069,70

e.6 Reserva Técnica (0,5% sobre item b): 871,30

 

 

C. Viabilidade Econômica (Somente para projetos, cujo valor total seja maior ou igual à R$ 400.000,00)