Please use this identifier to cite or link to this item: https://ric.cps.sp.gov.br/handle/123456789/35383
Title: Monitoramento preditivo com integração das tecnologias de IA e IoT aplicado à segurança nas universidades.
Other Titles: Predictive Monitoring with AI and IoT applied to security in universities.
Authors: ALVES, Alex Feitoza
GUIMARÃES, Gustavo Ramos
Advisor: DIAS, Jônatas Cerqueira
Other contributor: DIAS, Jônatas Cerqueira
PEGETTI, Ana Lucia
AQUINO FILHO, Gilmar Ferreira de
type of document: Artigo Científico
Keywords: Inteligência artificial;Internet das coisas
Issue Date: 10-Dec-2024
Publisher: 129
Citation: ALVES, Alex Feitoza; GUIMARÃES, Gustavo Ramos. Monitoramento preditivo com integração das tecnologias de IA e IoT aplicado à segurança nas universidades, 2024. Trabalho de conclusão de curso (Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas) - Faculdade de Tecnologia de Praia Grande, Praia Grande, 2024.
Abstract: Este estudo investiga a aplicação conjunta de Inteligência Artificial (IA) e Internet das Coisas (IoT) no desenvolvimento de um sistema de monitoramento com análise preditiva para aprimorar a segurança nas universidades. O problema de pesquisa aborda a questão de como a integração dessas tecnologias pode contribuir para enfrentar os desafios de segurança enfrentados por essas instituições, como furtos, violência e acesso não autorizado. Este trabalho tem como objetivo propor a utilização de sensores e dispositivos IoT conectados para coleta de dados em tempo real, combinados com técnicas de IA para análise preditiva, visando identificar ameaças potenciais e prevenir incidentes de segurança. A metodologia adotada inclui uma abordagem exploratória aplicada, utilizando a plataforma Dimensions AI para a coleta de dados relevantes, com foco na análise qualitativa dos fenômenos observados. A revisão da literatura revelou que a integração de tecnologias como vigilância por vídeo, sensores IoT, aprendizado de máquina e análise preditiva pode proporcionar uma abordagem multifacetada para a segurança universitária. Essas tecnologias permitem a detecção precoce de anomalias, reconhecimento facial para controle de acesso, monitoramento de multidões e veículos, além da prevenção de acidentes. O aprendizado federado (FL) também se destaca como uma técnica promissora para aprimorar a segurança e a privacidade, permitindo o treinamento de modelos de IA sem a necessidade de compartilhar dados sensíveis. No entanto, a implementação desses sistemas enfrenta desafios relacionados à infraestrutura e expertise tecnológica. Conclui-se que, com planejamento adequado, colaboração institucional e a adoção de um modelo de referência, os sistemas de monitoramento com análise preditiva com IA e IoT representam uma solução viável e eficaz para enfrentar os problemas de segurança nas universidades, proporcionando um ambiente mais seguro e protegido para estudantes, professores e funcionários.
Abstract: This study investigates the joint application of Artificial Intelligence (AI) and the Internet of Things (IoT) in the development of a monitoring system with predictive analysis to enhance security in universities. The research problem addresses the question of how the integration of these technologies can contribute to addressing the security challenges faced by these institutions, such as theft, violence, and unauthorized access. This work aims to propose the use of connected IoT sensors and devices for real-time data collection, combined with AI techniques for predictive analysis, to identify potential threats and prevent security incidents. The adopted methodology includes an applied exploratory approach, using the Dimensions AI platform for the collection of relevant data, with a focus on qualitative analysis of the observed phenomena. The literature review revealed that the integration of technologies such as video surveillance, IoT sensors, machine learning, and predictive analysis can provide a multifaceted approach to university security. These technologies enable early detection of anomalies, facial recognition for access control, crowd and vehicle monitoring, and accident prevention. Federated Learning (FL) also stands out as a promising technique to enhance security and privacy, allowing the training of AI models without the need to share sensitive data. However, the implementation of these systems faces challenges related to infrastructure and technological expertise. It is concluded that, with proper planning, institutional collaboration, and the adoption of a reference model, monitoring systems with predictive analysis using AI and IoT represent a viable and effective solution to address security problems in universities, providing a safer and more protected environment for students, teachers, and staff.
URI: https://ric.cps.sp.gov.br/handle/123456789/35383
Appears in Collections:Trabalhos de Conclusão de Curso

Files in This Item:
File Description SizeFormat 
ads_2024_2_alexfeitozaalves_monitoramentopreditivo.pdf307.36 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.