Etapa Virtual: Dia 16/10 - Virtual - 9h15 - Painéis Virtuais; 10h30 - Sessões Especiais, Fóruns e Colóquios; 13h30 - Grupos de Trabalho; 17h - Sessões Especiais; 18h30 - Seminários de Pesquisa Pós-Graduada e Sessão de Premiação.Dia 17/10 - Virtual - 9h15 - Painéis Virtuais; 10h30 - Sessões Especiais, Fóruns e Colóquios; 13h30 - Grupos de Trabalho; 17h - Sessões Especiais; 18h30 - Seminários de Pesquisa Pós-Graduada.Dia 18/10 - Virtual - 9h15 - Painéis Virtuais; 10h30 - Sessões Especiais, Fóruns e Colóquios; 13h30 - Grupos de Trabalho; 17h - Sessões Especiais e Conferência; 18h30 - Seminários de Pesquisa Pós-Graduada.Etapa presencial: Dia 23/10 - Presencial - 9h00 - Mesas Redondas; 11h - Conferência; 13h30 - Grupos de Trabalho; 17h - Sessões Especiais, Fóruns e Colóquios; 18h30 - Lançamento de Livros.Dia 24/10 - Presencial - 9h00 - Mesas Redondas; 11h - Conferência; 13h30 - Grupos de Trabalho; 17h - Sessões Especiais, Fóruns e Colóquios; 18h30 - Sessão de Conjuntura.Dia 23/10 - Presencial - 9h00 - Mesas Redondas; 11h - Conferência; 13h30 - Grupos de Trabalho; 17h - Sessões Especiais, Fóruns e Colóquios; 18h30 - Assembleia (AU)

O Congresso Brasileiro de Ciência e Tecnologia de Alimentos - CBCTA trata-se de um Evento Científico Nacional e acontece a cada dois anos (anos pares) e tem sua marca consolidada no meio acadêmico, científico, governamental e empresarial, tendo reunido desde sua primeira edição mais de 20 mil participantes de 50 países e cerca de 15 mil trabalhos científicos apresentados. Portanto, a realização do 29° Congresso Brasileiro de Ciência e Tecnologia de Alimentos (CBCTA - 2024) tem papel de destaque no cenário científico e tecnológico nacional e internacional. Nesta edição o evento ocorrerá pela primeira vez em Santa Catarina, na cidade de Florianópolis. O evento está sendo executado pelo Departamento de Ciência e Tecnologia de Alimentos (CAL) da UFSC, sede administrativa da Sociedade Brasileira de Ciência e Tecnologia de Alimentos - sbCTA - Secretaria de Santa Catarina (SBCTA-SC), promotora do evento, em parceria com instituições de ensino, pesquisa e extensão de SC, e irá ocorrer nos dias 14 a 17 de outubro de 2024, no centro de eventos CentroSul, centro de Florianópolis, SC. Esta edição tem por tema central "O futuro dos alimentos: inovação, saúde e sustentabilidade na cadeia produtiva de alimentos". Serão discutidos os principais aspectos que englobam a inovação na produção de alimentos, bem como os aspectos de saúde e sustentabilidade na cadeia produtiva de alimentos serão destacados. O evento contará com uma programação científica de alto nível, que vem de encontro com as pautas mais emergentes da área de ciência de alimentos do mundo, com palestrantes de grande renome nacional e internacional. Oferecerá ainda minicursos e apresentação de trabalhos científicos, além de possibilitar contato com indústrias, empresas e representantes da área. (AU)

Decisões em diversos âmbitos frequentemente requerem analisar uma série de critérios. Essas decisões tornam-se complexas quando suas consequências têm impactos significativos na sociedade, empresas e até mesmo em nível pessoal. A análise de decisão multicritério (MCDA) tem sido amplamente utilizada como ferramenta para auxiliar nesses processos decisórios. Este projeto se concentra em um desafio na área de MCDA: lidar com incertezas nos dados envolvidos no problema. O objetivo central consiste no desenvolvimento e aplicação de métodos para abordar essa problemática em meio à incerteza. Inicialmente, será abordada uma frente metodológica, explorando técnicas de MCDA integradas com modelos de aprendizado de máquina e ciência de dados. O propósito é desenvolver métricas e métodos que possam quantificar e minimizar as incertezas presentes nos resultados das decisões. Em uma segunda fase, de natureza mais aplicada, conduziremos estudos para desenvolver ou selecionar métodos de MCDA que sejam capazes de lidar efetivamente com as incertezas em decisões de administração nos setores público e privado. A proposta de pesquisa busca avançar no campo dos problemas de decisão multicritério sob incertezas, desenvolvendo e aplicando técnicas na interseção das áreas de MCDA e administração, aproveitando o potencial de modelos de aprendizado de máquina e ciência de dados. (AU)

Esta pesquisa tem como objetivo analisar as dinâmicas de transição para a sustentabilidade no setor elétrico brasileiro, com foco na participação e engajamento dos atores do segmento de energia solar. Ela investiga os processos de transição de regimes sociotécnicos e a formação de redes de governança nesse contexto, considerando a interação entre tecnologia e sociedade. O conceito de regime sociotécnico combina ideias da economia evolucionária com insights da história e sociologia da tecnologia, destacando a incorporação social do conhecimento científico, práticas de engenharia e tecnologias de processos. Na literatura sobre transições para a sustentabilidade, há consenso de que a transformação e a transição de regimes não são lineares nem teleológicas. Portanto, a governança da transição e as dinâmicas conflituosas entre mudança tecnológica e sociedade precisam compreendidas como parte dos estudos das transições. A transição sociotécnica no setor elétrico brasileiro envolve diversos interesses, alinhamento de atores e negociação de objetivos conflitantes. A transformação do sistema elétrico é social e politicamente moldada, com objetivos como segurança de abastecimento, autossuficiência regional, abastecimento econômico, ecologia e sustentabilidade. O estudo de caso escolhido é a evolução das redes de energia sola no Brasil, uma fonte de energia sustentável em expansão, mas que enfrenta resistência de outros atores do setor elétrico que disputam o futuro do setor. Essa pesquisa busca expor as negociações desses objetivos e caminhos de desenvolvimento por meio das metodologias qualitativas das Ciências Sociais. Considera-se que análise da governança, formação de coalizões e definição de objetivos na arena de debate do setor energético pode contribuir para alcançar os objetivos da sustentabilidade energética. (AU)

O grande desafio do desenvolvimento sustentável neste século é equilibrar o aumento da demanda em energia com as restrições impostas pelas emissões de carbono e as mudanças climáticas. Neste contexto, os avanços recentes de inteligência artificial, ciência de dados e computação de alto desempenho têm papel fundamental para melhorar a eficiência computacional e a eficácia dos modelos matemáticos, com foco em energias renováveis. Esta proposta tem como objetivo formar um Centro de Excelência nacional para o desenvolvimento de novas técnicas e aplicação de resultados recentes de inteligência artificial, ciência de dados e computação de alto desempenho, para aplicações em energia renováveis, tais como eólica, solar, biogás e hidrogênio. O Centro está organizado em grupos de trabalho (GTs) - um grupo transversal (GT0) e 4 grupos verticais (GT1-4): GT0 - Inteligência Artificial, Computação de Alto Desempenho e Ciência de Dados: dedicado a alavancar o desenvolvimento de soluções de inteligência artificial, ciência de dados e computação de alto desempenho nas aplicações de Energias Renováveis. O GT0 visa fornecer inteligência artificial avançada como ferramentas de modelagem de ciência de dados para outros GTs em aplicações de Energias Renováveis e desenvolver métodos de inteligência artificial conceitualmente novos, explorando os recursos de HPC dos membros do CEAIRE, que inclui os mais avançados centros de supercomputação do Brasil.GT1 - Energia eólica onshore e offshore: dedicado a combinar monitoramento de dados com técnicas de modelagem, previsão e controle e com estratégias voltadas à integridade estrutural com vistas a produzir soluções de IA objetivando o aumento da eficiência na produção, o aumento da vida útil residual de componentes e sistemas, a mitigação da intermitência e uma contribuição para a flexibilidade do sistema elétrico.GT2 - Energia Solar: dedicado a uso de bases de dados observados em superfície e satélites, combinado com técnicas de IA para abordar problemas complexos relacionados à caracterização do recurso e sua intrínseca relação com o clima, impactos da variabilidade climática, previsão do recurso em diferentes horizontes de tempo, detecção e diagnóstico de falhas de sistemas de geração distribuída e centralizada, gestão de O&M e mitigação da intermitência. Os problemas serão abordados tanto do ponto de vista das geradoras quanto do operador do sistema.GT3 - Energia Renovável a partir de Biogás: dedicado à energia do biogás gerado a partir de biomassa - como culturas energéticas dedicadas, resíduos de culturas agrícolas, resíduos de produção animal, resíduos florestais, algas, resíduos municipais, incorporando IA para apoiar a) previsões espacialmente explícitas de produção de biomassa no Brasil; b) previsões das propriedades da biomassa; c) previsão e monitoramento do desempenho do processo de conversão de biomassa; d) controle e melhoria de processos com ênfase em biodigestão, produção de energia, pré-tratamento de gases, disposição de lodo e produção de fertilizantes; e) previsão do desempenho dos sistemas de uso final de biogás/biometano; f) modelagem e otimização da cadeia de suprimentos com ênfase na análise do ciclo de vida, escala e logística para conectar o biogás a sistemas sustentáveis de bioenergia.GT4 - Hidrogênio: a produção de hidrogênio utilizando fontes de energia como eólica e solar é um dos pilares para atingir a meta da descarbonização da economia mundial. Assim, técnicas de IA serão fundamentais para aumentar a eficiência de produção de hidrogênio, principalmente pelo dimensionamento e integração dos equipamentos usados, estabelecimentos de procedimentos de O&M que visem aumento da vida útil desses equipamentos e otimização de manutenções preventivas e preditivas. Cada grupo de trabalho irá desenvolver projetos de pesquisa, desenvolvimento e inovação que estarão relacionados ao contexto da rede temática, com o apoio de empresas de grande e médio porte. (AU)

A pandemia de Covid-19 provocou mudanças significativas em várias esferas, incluindo a maneira como a ciência é realizada e disseminada. Diante da necessidade de distanciamento social e das restrições de viagem, a adaptação às novas circunstâncias e a adoção de abordagens remotas para a divulgação científica, organização de eventos científicos e reuniões de colaboração internacional tornaram-se essenciais. Neste contexto, a aquisição e modernização de equipamentos de audiovisual emergem como necessidades prementes em nossa instituição. Estes recursos são fundamentais não apenas para assegurar a continuidade das atividades científicas e de pesquisa, mas também para fomentar a interação e colaboração entre pesquisadores de diversas regiões do Brasil e do mundo. A implementação de uma sala de videoconferência bem equipada é, portanto, uma etapa crucial para expandir nossas capacidades de comunicação e colaboração científica em um cenário global cada vez mais interconectado. (AU)

A proposta deste projeto é ampliar a capacidade do uso de dados e evidências da Prefeitura de Campinas para traduzir seu Plano Municipal pela Primeira Infância (2018) no Plano Plurianual - PPA (2025-2028) que reflita programas e metas para o desenvolvimento da primeira infância campineira.Para tanto, serão utilizadas simulações ex ante de políticas públicas a partir de modelagens computacionais para avaliar cenários de alocação mais efetiva de recursos para o alcance das metas propostas pelo Índice de Desenvolvimento Sustentável das Cidades Brasileiras (IDSC-BR).Os resultados das simulações serão úteis para gestores do Programa Infância Campineira, mas também para gestores das demais Secretarias Setoriais que implementam programas relacionados ao desenvolvimento da primeira infância. Para a elaboração de um PPA que reflita as necessidades deste público campineiro, é necessário que os gestores estejam alinhados e cientes das suas responsabilidades frente ao desenvolvimento infantil.As simulações ex ante de políticas públicas são oriundas de técnicas de modelagem de sistemas complexos para o desenvolvimento de modelos computacionais capazes de avaliar o potencial de impacto de programas antes da sua implementação. O formato da entrega será alinhado com a Prefeitura, sendo possível entregar dados em formatos abertos, relatórios ou visualizações em sistemas web.A Instituição Parceira será responsável por disponibilizar dados públicos ainda não abertos pela transparência ativa da Prefeitura (excluídos aqueles protegidos pela Lei Geral de Proteção de Dados) e orientar para que a saída dos dados (ou conhecimento científico gerado) seja útil para as decisões de planejamento orientadas à elaboração do PPA.Desta forma, o objetivo principal é avaliar potenciais cenários de redução horizontal da pobreza na primeira infância campineira, através da simulação computacional ex ante de programas da área de saúde, assistência social e educação para garantia do alcance das metas presentes no Índice do Desenvolvimento Sustentável das Cidades Brasileiras que serão definidas no PPA.Os principais riscos envolvidos refletem o não aproveitamento ou consideração do conhecimento científico no processo de gestão pública. Entre esses riscos estão a dependência de decisões externas, a necessidade de consulta ou deliberação de conselhos ou outras instâncias, restrições orçamentárias, conflitos de interesse, prioridades de outros setores, restrições jurídicas e incertezas quanto aos resultados das pesquisas científicas dentro dos prazos necessários para o processo de gestão pública. Esses riscos serão identificados e tratados de forma adequada ao longo do projeto, com medidas para mitigação e acompanhamento. (AU)

Restaurar ecossistemas degradados nunca foi tão urgente quanto hoje. A Década da ONU da Restauração de Ecossistemas busca impedir, interromper e reverter a degradação de ecossistemas em todos os continentes e oceanos. Ela pode erradicar a pobreza, combater a mudança climática, e evitar extinções em massa. Os desafios ambientais atuais são de escala global e se relacionam a inúmeros problemas em várias áreas. Eles incluem desmatamento ilegal, reduções drásticas na biodiversidade em múltiplos biomas, poluição do ar, água e lençóis freáticos, aquecimento global, alta pegada energética, tratamento inadequado de resíduos, uso de combustíveis fósseis, uso abusivo de fertilizantes e pesticidas nocivos, epidemias, mortes ou perda de bens devido a desastres naturais como enchentes, ciclones tropicais, furacões, tufões, incêndios naturais e muitos outros. Graças aos significativos avanços na tecnologia de informação e comunicação (TIC), ciência de dados e inteligência artificial nas duas últimas décadas, há múltiplas oportunidades para utilizar esses conhecimentos e tecnologias em amplo benefício do meio ambiente. Por exemplo, redes de sensores sem fio, Internet das Coisas, redes aéreas de drones, sensores de alta capacidade, filtragem, interpretação e análise de dados podem ser usados para coletar e processar dados de sensores sobre recursos naturais, animais ou flora para monitorar sua pureza ou estado de saúde, automatizando processos de proteção e restauração. Além disso, pode-se usar ciência de dados e aprendizado de máquina para distinguir eventos naturais e anormais e obter previsões mais precisas para os resultados de medidas de restauração ou melhoria de ecossistemas. O projeto EcoSustain agrega um grupo interdisciplinar de pesquisadores altamente qualificados de algumas das melhores universidades brasileiras que partem de sua experiência com ciência da computação, engenharia de software, simulações, análise de dados, aprendizado de máquina, IoT, e ciências ambientais para investigar, modelar, e desenvolver soluções tecnológicas visando à criação de sistemas de software, protocolos de comunicações, serviços em rede, modelos de aprendizado de máquina etc. para monitorar a analisar ecossistemas e recursos naturais em tempo real, além de garantir a efetiva prevenção, previsão e redução dos processos de degradação ambiental causados por humanos e seu estilo de vida. (AU)

A conservação de Florestas Tropicais é necessária devido ao importante papel que as mesmas desempenham no ecossistema global com sua grande biodiversidade, depósito de carbono, e sua função reguladora de chuvas nas regiões adjacentes, além de abrigarem povos indígenas.Infelizmente, milhões de hectares de florestas tropicais tem sido perdidos a cada ano através de desmatamento e degradação por diferentes e complexos motivos.Neste projeto de pesquisa é apresentado a proposta para um novo sistema de monitoramento chamado ForestEyes, o qual visa aliar ciência cidadã e aprendizado de máquina na detecção de desmatamento.A Ciência Cidadã permite que voluntários comuns possam colaborar com a inspeção de segmentos de imagens de sensoriamento remoto sobre uma região florestal, buscando detectar regiões desmatadas ou degradadas, participando, assim, de um experimento cientifico visando a melhoria da sustentabilidade do planeta, adquirindo também mais conhecimento e envolvimento com o importante tema.Técnicas de Aprendizado de Máquina serão utilizadas a partir de bases de dados com amostras rotuladas pelos voluntários na fase anterior, permitindo ampliar a área de cobertura de detecção.Experimentos iniciais ao longo de seis campanhas oficiais, já demonstrados através de sólidos trabalhos científicos publicados, obtiveram mais de 81.000 contribuições de 644 voluntários distintos,permitindo criar uma sólida base de treinamento para modelos de classificação, cujos resultados foram comparados com o programa oficial de monitoramento da Amazônia Legal Brasileira (PRODES).A metodologia desenvolvida mostrou-se promissora, tanto do ponto de vista da acurácia dos voluntários envolvidos, quanto da técnica de classificação utilizada.Este projeto propõe melhorias ao citado projeto ampliando a base de dados através da experimentação e investigação do uso de imagens de sensoriamento remoto de múltiplos sensores ópticos e de radar (SAR), em diferentes regiões geográficas e diversos períodos de tempo, o que implica em desafios científicos e tecnológicos nas fases de pré-processamento das imagens, ciência cidadã e aprendizado de máquina. (AU)

Valores elevados de razão de mortalidade materna (RMM) e de mortalidade infantil são indicadores de condições socioeconômicas precárias, baixa escolaridade e de dificuldade de acesso a serviços de saúde de qualidade, constituindo metas importantes para se atingir o desenvolvimento sustentável entre os países. Em 2015 consolidou-se a agenda dos Objetivos de Desenvolvimento Sustentável (ODS). Esta agenda tem em seu Objetivo 3 "assegurar uma vida saudável e promover o bem-estar para todos, em todas as idades". Para adequar os indicadores globais da Agenda 2030 à realidade brasileira, o Governo Federal, em parceria com o Instituto de Pesquisa Econômica Aplicada (Ipea), propôs para a meta 3.1, reduzir a RMM para no máximo 30 mortes por 100 mil nascidos vivos e como meta 3.2. reduzir a mortalidade neonatal para no máximo 5 por mil nascidos vivos até 2030. Para alcançar estas metas é necessário esforço político, científico e estratégico. Uma das estratégias é permitir acesso a dados públicos de maneira estruturada e com responsabilidade para que a sociedade tenha acesso à informação, que gestores públicos possam tomar decisões baseadas em evidências e que as discussões sobre políticas públicas sejam embasadas em dados confiáveis, uma necessidade que na Obstetrícia se torna evidente pela dificuldade que temos enfrentado na redução da mortalidade nesta população. O objetivo principal deste projeto é alcançar redução da mortalidade materna, fetal e neonatal, por meio de análise, redesenho e monitoramento da rede de atenção materna e perinatal (contribuição científica para a gestão de políticas públicas) realizados por pesquisadores especializados na área de ciência de dados, epidemiologia e de atenção materno-infantil em trabalho conjunto com gestores da secretaria estadual de saúde. Este projeto tem como característica predominante do processo de gestão pública, as políticas públicas em execução (PEX) no âmbito da rede de atenção materna e perinatal do Estado de São Paulo, um programa de governo estabelecido pelo Ministério da Saúde e pela Secretaria de Estado da Saúde de São Paulo. Apesar ser um programa consolidado, as dificuldades observadas para a redução da mortalidade materna, fetal e neonatal no Estado de São Paulo, tornam esse projeto de suma importância visto que vislumbramos oportunidade de melhoria nesta linha de cuidado, com a construção de instrumentos para monitoramento e análise das diferentes iniciativas, bem como pela possibilidade de redesenho, adequação e qualificação da rede, baseada em análises de dados. Serão utilizados os bancos de dados: SINASC (Sistema Nacional sobre Nascidos Vivos), SIM (Sistema de Informação sobre Mortalidade), CNES (Cadastro Nacional de Estabelecimentos de Saúde), SIHSUS (Sistema de Informações Hospitalares do SUS), os dados do IBGE (Censo, PNAD e PNADC), além de dados da regulação e dos planos da Rede Cegonha de cada uma das RRAS. Essas bases serão tratadas e carregadas utilizando o fluxo ETL (extract, transform, load) e as análises serão realizadas utilizando os programas abertos R e Python. Para integralizar as informações serão aplicados algoritmos de similaridade entre os dados identificados, seja por alguma variável-chave ou por meio de um modelo probabilístico. Nas análises de associação e de predição serão considerados modelos e algoritmos supervisionados e não supervisionados de machine learning. Serão também construídos painéis de monitoramento com atualização em tempo real disponíveis para gestores e toda população. Serão utilizados softwares livres e a documentação de cada análise será divulgada permitindo transparência de reprodutibilidade. Encontramos na chamada FAPESP PPPP 2023, um cenário ideal para apresentarmos este projeto (ReMaP), que nos dará oportunidade única de reunir pesquisadores com experiência neste tipo de análise de dados e a gestão pública para assim modificar estes indicadores no estado de São Paulo. (AU)