Minicursos

Os minicursos confirmados são mostrados a seguir. Vagas limitadas e destinadas aos inscritos do PSE – III Congresso Brasileiro em Engenharia de Sistemas em Processos. O valor de adesão é de R$ 50,00 cada minicurso.

Inscrições

As inscrições para os minicursos poderão ser feitas pelo formulário a seguir, sob as seguintes orientações:

Indique pelo menos uma opção de minicurso;
A alocação será feita pela Comissão Organizadora com base na ordem de recebimento dos formulários e também de acordo com a preferência do congressista;
Atenção: A Comissão Organizadora entrará em contato posteriormente pelo e-mail oficial (psebr2024@usp.br), enviando o link de pagamento e instruções detalhadas;
As inscrições serão efetivadas mediante o pagamento da taxa;
No caso de desistência do minicurso após a realização do pagamento, não haverá reembolso da inscrição.

MINICURSOS:

“Machine Learning com Matlab” (Leandro Muniz – Opencadd)
“Deep Learning com MATLAB” (Leandro Muniz – Opencadd)
“Simulação com o AVEVA Process Simulation” (Bruna Giron e Heleno Bispo)
“Avaliação do Ciclo de Vida Integrada ao Simulador de Processos EMSO” (Simone Miyoshi e Felipe Furlan)
“Dynamic Optimization: Off-line and On-line” (Lorenz T. Biegler)

MAPA:

MINICURSOS OPENCADD (01/08)

São oferecidos dois minicursos da OPENCADD, de duração de 3 horas cada. Recomenda-se fazer os dois.

Minicurso 1 - Opencadd (8:30)

Machine Learning com MATLAB

Data: 01 de agosto de 2024, 8:30 às 12:00h

Local: USP (Cidade Universitária), Bloco 21

Descrição: Machine Learning consiste em algoritmos utilizados para análise de dados, onde modelos “aprendem” com dados já existentes e são utilizados para fins preditivos. As técnicas de Machine Learning são aplicadas em casos onde se encontram grandes quantidades de dados e de variáveis para análise e quando não se tem um modelo analítico já disponível. Neste minicurso, ver-se-á como aplicar os recursos do MATLAB em problemas de classificação, utilizando modelos de Machine Learning para extrair informações de dados com o objetivo de agrupá-los em categorias definidas. Os métodos de classificação utilizados serão k-Nearest Neighbours (kNN), Decision Trees e Support Vector Machines (SVM). Aborda-se os seguintes tópicos:

Visão Geral de Machine Learning: Definição, Aplicações, Conceito de Aprendizado Supervisionado e Não Supervisionado
Workflow de Classificação Supervisionada: Preparação de Dados e Seleção, Treinamento e Avaliação de Modelos
Construindo Modelos de Classificação e Analisando Resultados

Palestrante: Leandro Muniz (OPENCADD)
Abertura com: Prof. Moisés Teles dos Santos (USP) e Prof. Song Won Park (USP)

Minicurso 2 - Opencadd (13:30)

Deep Learning com MATLAB

Data: 01 de agosto de 2024, 13:30 às 17:00h

Local: Av. Lineu Prestes, nº 580 – Bloco 21

Descrição: Deep Learning consiste em uma técnica de Machine Learning utilizada para treinar modelos preditivos diretamente de dados que podem ser imagens, sons ou textos. Portanto em Deep Learning, diferentemente de Machine Learning, não se define manualmente as features a serem extraídas destes dados. Esta tarefa fica por conta do próprio algoritmo. Neste minicurso, mostra-se como aplicar recursos de Deep Learning do MATLAB em problemas de classificação de imagens explorando Convolutional Neural Network (CNN). Aborda-se os seguintes tópicos:

Visão Geral de Deep Learning: Definição, Conceito e Aplicações
Preparação de Imagens para Classificação com Rede Pré-Treinada
Transfer Learning: Definição
Modificação de Rede Pré-Treinada para realizar Transfer Learning

Palestrante: Leandro Muniz (OPENCADD)
Abertura com: Prof. Moisés Teles dos Santos (USP) e Prof. Song Won Park (USP)

MINICURSO AVEVA (01/08)

Minicurso AVEVA (8:30)

Simulação com o AVEVA Process Simulation

Data: 01 de agosto de 2024, 8:30 às 12:00h

Local: USP (Cidade Universitária), CETAI

Descrição: O AVEVA Process Simulation é um software utilizado na indústria para modelar, simular e otimizar operações industriais. Uma das características importantes desse software é sua biblioteca de energias renováveis. Essa biblioteca oferece modelos e dados específicos para simulação de processos relacionados a energias renováveis, como solar, eólica, biomassa e hidrogênio. Esse minicurso foi elaborado para fornecer aos participantes uma compreensão básica desse software de simulação. Os tópicos abordados incluem:

Criação de fluxograma
Definição de unidades
Entrada de dados em equipamentos e linhas de processo
Snapshots
Modelo estático e dinâmico
Biblioteca de renováveis
Integração do AVEVA Process Simulation com outros softwares de engenharia como PI System e Python

Palestrantes: Bruna Giron e Prof. Dr. Heleno Bispo

MINICURSO EMSO (01 e 02/08)

Minicurso EMSO (Módulos I e II)

Avaliação do Ciclo de Vida Integrada ao Simulador de Processos EMSO

Datas: 01 e 02 de agosto de 2024, ambos das 13:30 às 17:00h

Local: USP (Cidade Universitária), Semi Industrial – CETAI

Descrição: EMSO (Environment for Modeling Simulation and Optimization) é um software de simulação de processos de uso livre, desenvolvido para Simulação, Otimização e Controle de Processos e é resultado de um esforço da aproximação universidade-indústria. Dividido em dois módulos, o minicurso demonstrará o uso do EMSO e discutirá a integração do simulador com o tema Análise de Ciclo de Vida (em inglês, Life Cycle Analysis – LCA). Os principais tópicos a serem abordados são:

Análise de ciclo de vida
Interface EMSO-OpenLCA
Hands-on no uso do EMSO-OLCA

Palestrantes: Simone Carvalho Miyoshi (UFRJ) e Felipe Fernandes Furlan (UFSCar)

MINICURSO DYNAMIC OPTIMIZATION (02/08)

Minicurso (8:30)

Dynamic Optimization: Off-line and On-line

Datas: 02 de agosto de 2024, ambos das 8:30 às 12:00h

Local: USP (Cidade Universitária), Bloco 19

Descrição: The course is divided into two parts, “DAE Optimization Strategies” and “Nonlinear MPC and D-RTO”. The following subjects are covered:

Part I – DAE Optimization Strategies:

Differential Algebraic Equations (DAEs) and Optimization
Sequential Methods Based on ODE Solvers
Optimal Control – Necessary Conditions and Strategies
Collocation-based Methods
Convergence of NLP formulations to Optimal Control Solutions
Optimization of Polymer Reactor Grade Transition

Part II – Nonlinear MPC and D-RTO:

Introduction to MPC and NMPC
Nominal and Robust Stability Properties of NMPC
Terminal and NLP properties for Stability
Advanced Step NMPC (asNMPC)
Moving Horizon Estimation, MHE and asMHE
Economic NMPC
Multistage Robust NMPC
NMPC/D-RTO Case Studies

Palestrante: Lorenz T. Biegler

Localização
Av. Prof. Luciano Gualberto, trav. 3, nº 380
Cidade Universitária – Butantã
São Paulo – SP
CEP 05508-010