Título:	Autonomia de meios operativos para apoio à decisão em sistemas de comando e controle: uma abordagem preditiva e conceitual utilizando aprendizado de máquina.
Autor(es):	Jesus, Valquire da Silva de
Orientador(es):	Lopes, Giseli Rabello Cordeiro, Kelli de Faria
Palavras-chave:	Ontologia bem fundamentada Aprendizado de máquina Comando e controle Autonomia OntoUML
Áreas de conhecimento da DGPM:	Operações
Data do documento:	2025
Editor:	Universidade Federal do Rio de Janeiro (UFRJ)
Descrição:	Em cenários militares complexos, como aqueles enfrentados pela Marinha do Brasil (MB) em operações navais, o planejamentologístico exige exatidão, especialmentequanto àautonomia de meios operativos, entendida como a capacidade de operar sem reabastecimento externo. Essa autonomia depende de fatores como consumo de suprimentos, número de militares embarcados e condições de emprego das plataformas navais, operando em contextos apoiados por sistemas de Comando e Controle (C²). Embora técnicas de Aprendizado de Máquina (AM) sejam usadas para antecipar demandas logísticas, a heterogeneidade semântica dos dados e a falta de contextualização reduzem a eficácia de abordagens puramente quantitativas. Para enfrentar esses desafios, este trabalho propõe a abordagem ATOp (Autonomia de Meios Operativos), que integra Ontology-Driven Conceptual Modeling (ODCM) e AM para aprimorar a predição de autonomia. Fundamentada na Unified Foundational Ontology (UFO), a ATOp explicita o conhecimento logístico do domínio e viabiliza a segmentação semântica dos dados por meio da metacategoria ontológica Situation, que representa contextos relevantes ao comportamento operacional. Essa segmentação sustenta um pipeline de regressão com comitê de modelos (ensemble), que coordena múltiplos algoritmos especializados. A pesquisa incluiu o desenvolvimento da ATOp-NavalOntology, uma ontologia bem fundamentada, a engenharia de dados a partir de fontes heterogêneas da MB e a realização de experimentos com otimização bayesiana de hiperparâmetros e validação cruzada (k-fold), voltados à construção do ATOp-PredictiveModel. A avaliação utilizou métricas (R² e RMSE) e testes estatísticos (Friedman e Durbin-Conover) para garantir comparações confiáveis. Os resultados mostram que a combinação entre ontologias bem fundamentadas e AM estrutura os dados de forma a evidenciar padrões relevantes, melhora a capacidade preditiva e supera modelos isolados, como o Gradient Boosting, quando aplicados diretamente a dados brutos. O ATOp-PredictiveModel obteve o melhor poder de predição e menor custo computacional, apresentando diferenças estatisticamente significativas. Como contribuição, a ATOp oferece um modelo replicável que integra conhecimento semântico ao apoio à decisão em domínios operacionais sustentados por sistemas de C².
Tipo de Acesso:	Acesso aberto
URI:	https://www.repositorio.mar.mil.br/handle/ripcmb/847975
Tipo:	Trabalho de fim de curso
Aparece nas coleções:	Operações Navais: Coleção de Trabalhos de Conclusão de Curso

Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.