INTRODUÇÃO: Nos últimos anos, o aprendizado de máquina tem incrementado sua importância nas diferentes áreas da Engenharia. Uma delas é na Dinâmica de Fluidos Computacional (CFD). CFD é um conjunto de técnicas para analisar sistemas de mecânica de fluidos e transferência de calor. Entre às sus aplicações a difusão e convecção de calor é uma das mais importantes, princIpalmente aplicado a diversos equipamentos e instalações industriais e residenciais. Entanto, as redes neurais podem ser aplicadas a sistemas complexos e principalmente não-lineares, a fim de reduzir o tempo de cálculo de por exemplo simulações realizadas via CFD. Exemplos de alguns trabalhos importantes acoplando CFD e redes neurais são Shang (2005), Morshed e Kaluarachchi (1998), Benning et al (2001), Shayya e Sablani (1998), e Balaji et al (2021). Assim, o problema de pesquisa a ser tratado neste trabalho, é o desenvolvimento de um estudo que possa otimizar as análises desenvolvidas no Laboratório de Ciências Térmicas, com foco na solução de problemas de dinâmica de fluidos computacional, transferência de calor e—finalmente— transferência de massa, utilizando softwares livres e de código aberto, como Python (bibliotecas TensorFlow e Keras) e OpenFOAM (software de dinâmica de fluidos computacional e transferência de calor). – OBJETIVOS: Os objetivos de este trabalho podem ser divididos em objetivos gerais e objetivos específicos. O objetivo geral de este trabalho é o de desenvolver uma metodologia adequada de implementação de métodos de redes neurais integradas à solução de problemas de dinâmica de fluidos e de transferência de calor e massa. Os objetivos específicos do plano de trabalho são: Desenvolver uma metodologia para resolver problemas de dinâmica de fluidos computacional otimizada via aprendizado de máquina; Adicionar a metodologia para também resolver problemas difusivos de transferência de calor; Implementar modelos de difusão de massa no OpenFOAM e a metodologia para resolver este tipo de problemas com aprendizado de máquina; Desenvolver o acoplamento das equações de difusão do calor e da massa no OpenFOAM e otimizar a solução via aprendizado de máquina. – MATERIAIS E MÉTODO: – RESULTADOS: Os resultados obtidos foram a utilização das ferramentas aprendidas nas seções anteriores, a problemas reais, como por exemplo, dados de qualidade de vinho vermelho e dados de segmentação de clientes. Em cada um deles foram aplicadas técnicas de regressão e clusterização, respectivamente. – CONSIDERAÇÕES FINAIS: Com base nos resultados obtidos, pode ser desenvolvida uma discussão maior sobre as informações obtidas nestes resultados. Com relação à qualidade do vinho, os resultados da regressão linear podem nos indicar a melhor proporção de componentes para obtermos uma qualidade ótima do vinho. Por sua vez, com relação à segmentação de clientes, estes resultados podem servir para identificar o tipo de clientes por categoria e adaptar as ofertas e promoções adequadas para cada categoria.
