UNIVERSIDADE ANHEMBI MORUMBI ANDRESSA PEREIRA DE OLIVEIRA BRUNO NORONHA FRAGOMENI MILDREDH HARUE NOGUEIRA NAIME IOSIMUTA VICTOR HIGINO VASCONCELLOS
|
|
- Rodrigo Vidal Belo
- 8 Há anos
- Visualizações:
Transcrição
1 UNIVERSIDADE ANHEMBI MORUMBI ANDRESSA PEREIRA DE OLIVEIRA BRUNO NORONHA FRAGOMENI MILDREDH HARUE NOGUEIRA NAIME IOSIMUTA VICTOR HIGINO VASCONCELLOS SMARTCOMPRAS: DESENVOLVIMENTO DE UM APLICATIVO PARA CELULARES SMARTPHONE. São Paulo 2011
2 ANDRESSA PEREIRA DE OLIVEIRA BRUNO NORONHA FRAGOMENI MILDREDH HARUE NOGUEIRA NAIME IOSIMUTA VICTOR HIGINO VASCONCELLOS SMARTCOMPRAS: DESENVOLVIMENTO DE UM APLICATIVO PARA CELULARES SMARTPHONE. Trabalho de Conclusão Curso apresentado como exigência parcial para a obtenção do título de Bacharel em Ciência da Computação da Universidade Anhembi Morumbi. Orientador: Dr. Augusto Mendes Gomes Júnior São Paulo 2011
3 S644 Smartcompras: desenvolvimento de um aplicativo para celulares smartphone / Andressa Pereira de Oliveira [et. al.] f.: il.; 30 cm. Orientador: Augusto Mendes Gomes Júnior. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) Universidade Anhembi Morumbi, São Paulo, Bibliografia: f Ciência da Computação. 2. Código de Barras. 3. Mineração de Dados. 4. Processamento de Imagens. 5. Software Vendas. I. Título. CDD 004
4 ANDRESSA PEREIRA DE OLIVEIRA BRUNO NORONHA FRAGOMENI MILDREDH HARUE NOGUEIRA NAIME IOSIMUTA VICTOR HIGINO VASCONCELLOS SMARTCOMPRAS: DESENVOLVIMENTO DE UM APLICATIVO PARA CELULARES SMARTPHONE. Trabalho de Conclusão Curso apresentado como exigência parcial para a obtenção do título de Bacharel em Ciência da Computação da Universidade Anhembi Morumbi, sob a orientação do Dr. Augusto Mendes Gomes Júnior. Aprovado em Nome do orientador/titulação/ies Nome do convidado/ titulação/ies Nome do convidado/ies
5 Dedicamos este trabalho aos nossos pais e irmãos que nos ajudaram em todos os momentos que precisamos.
6 AGRADECIMENTOS Agradecemos à Deus pela vida, saúde e sabedoria nos fornecida. Agradecemos ao nosso orientador, Dr. Augusto Mendes, pelo suporte prestado e por todo o conhecimento compartilhado. Agradecemos as nossas famílias e amigos pela paciência e, acima de tudo, por estarem ao nosso lado quando precisamos. Agradecemos à cada integrante do grupo que, entre muitos problemas, souberam superar as diferenças e entregar o projeto com qualidade.
7 O verdadeiro ato da descoberta não consiste em descobrir novas terras, mas em enxergá-las com outros olhos! Marcel Proust
8 RESUMO Este trabalho apresenta como tema central o estudo do processamento de imagens e da mineração de dados, e tem como objetivo desenvolver um software de compras que utilize o Android como sistema operacional. Este software irá realizar a captura e o processamento de uma imagem de código de barras, e aplicar conceitos de mineração de dados, com o intuito de identificar os perfis dos clientes e oferecer produtos eventualmente adquiridos que possuam um menor custo no instante da compra. Compras realizadas pessoalmente em supermercados demandam tempo e desgaste físico, uma vez que é necessário colocar e retirar o produto do carrinho diversas vezes e ainda comparar preços de produtos adquiridos constantemente. Ao mesmo tempo em que a tecnologia para celulares cresce consideravelmente, disponibilizando maiores comodidades ao usuário. O objetivo deste trabalho é integrar duas áreas importantes para o mercado (tecnologia e marketing), oferecendo conforto e comodidade ao consumidor. O processamento de imagem engloba a transformação da imagem em uma imagem digital, tratamento da cor, melhoria e restauração, segmentação e representação, e por fim reconhecimento de objetos e padrões. E o código de barras será a imagem principal neste trabalho. A mineração de dados envolve análise, tratamento, modelagem, avaliação dos resultados obtidos e por fim a implementação da mineração. Dentre os diversos algoritmos utilizados na implementação da técnica de mineração de dados, Árvore de Decisão, Redes Neurais e Apriori. Palavras-Chaves: Mineração de dados, Processamento de Imagem, Código de barras, Android.
9 ABSTRACT This work has as its central theme the study of image processing and data mining, and aims to develop shopping software that uses the Android operating system. This software will perform the capture and processing of a barcode image, and apply concepts of data mining, in order to identify customer profiles and offer products that may have accrued that have a lower cost at time of purchase. Purchases made in person at supermarkets demand time and physical stress, since it is necessary to insert and remove the product from the cart several times and also compare prices of products purchased constantly. At the same time the technology for mobile phones grows considerably, providing more facilities to the user. The objective is to integrate two important areas to the market (technology, marketing), offering comfort and convenience to the final consumer. The image processing includes transforming the image into a digital image, color treatment, improvement and restoration, segmentation and representation, and finally recognizing objects and patterns. And the bar code will be the main image in this work. Data mining involves analysis, processing, modeling, evaluation of results and finally the implementation of mining. Among the various algorithms used in implementing the data mining technique, we studied decision tree, neural networks and Apriori. Keywords: Data Mining, Digital Image Processing, Bar Code, Android.
10 LISTA DE SIGLAS E ABRREVIAÇÕES API Application Programming Interface CRISP-DM Cross Industry Standard Process for Data Mining CRM Customer Relationship Management EAN European Article Numbering Association EDGE Enhanced Data-Rates for Global Evolution GPS Global Positioning System GSM Global System for Mobile IDC International Data Corporation ISBN International Standard Book Number ISSN International Standard Serial Number KDD Knowledge Discovery in Databases PDA Personal Digital Assistant RGB Red Green Blue SOAP Simple Object Access Protocol SD Secure Digital UML Unified Modeling Language UPC Universal Code Products URL Uniform Resource Locator
11 ILUSTRAÇÕES Figura 1 - Etapas completas de processamento de imagem Figura 2 Etapas básicas de processamento de imagem Figura 3 Cores RGB e escala de cinza a partir das cores RGB Figura 4 - Exemplo de código de barras Figura 5 Exemplo de código de barras UPC-A Figura 6 Exemplo de código de barras UPC E Figura 7 Exemplo de código de barras EAN Figura 8 Exemplo de código de barras EAN Figura 9 Exemplo de código de barras do tipo ISBN Figura 10 Exemplo de código de barras do tipo ISSN Figura 11 Antes e depois do processo de binarização de uma placa veicular Figura 12 - Antes e depois do processo de erosão de uma placa veicular Figura 13 - Antes e depois do processo de erosão de uma placa veicular Figura 14 Ciclo de vida do processo de mineração de dados Figura 15 Fluxograma do processo KDD Figura 16 Exemplo de árvore de decisão Figura 17 Exemplo de redes neurais Figura 18 Pseudocódigo do algoritmo Apriori Figura 19 - Arquitetura do Sistema Android Figura 20 - Ciclo de vida de uma atividade Figura 21 - Diagrama Entidade-Relacionamento do software SmartCompras Figura 22 - Diagrama de Caso de Uso do software SmartCompras Figura 23 - Diagrama de Classe do software SmartCompras Figura 24 Arquitetura do sistema Figura 25 Arquitetura da biblioteca ZXing Figura 26 Informações inseridas no banco de dados através do aplicativo SmartCompras... 65
12 Figura 27 - Projeto do banco de dados do software SmartCompras Figura 28 - Diagrama de Atividade - UC Figura 29 - Diagrama de Atividade UC Figura 30 - Diagrama de Atividade - UC Figura 31 - Diagrama de Atividade - UC Figura 32 - Diagrama de Atividade - UC Figura 33 - Diagrama de Seqüência- UC Figura 34 - Diagrama de Seqüência- UC Figura 35 - Diagrama de Seqüência- UC Figura 36 - Diagrama de Seqüência- UC Figura 37 - Diagrama de Seqüência- UC Figura 38 - Primeira tela de cadastro do SmartCompras Figura 39 - Segunda tela de cadastro do SmartCompras Figura 40 - Terceira e última tela de cadastro do SmartCompras Figura 41 - Tela de login do SmartCompras Figura 42 - Tela Principal do SmartCompras Figura 43 - Tela para digitar o código de barras Figura 44 - Tela de detalhe do produto Figura 45 - Tela do carrinho de compras Figura 46 - Tela para escolha da forma de pagamento
13 SUMÁRIO 1 INTRODUÇÃO OBJETIVO JUSTIFICATIVA ABRANGÊNCIA ESTRUTURA DO TRABALHO PROCESSAMENTO DE IMAGEM DEFINIÇÃO CAPTURA DE IMAGEM E PROCESSAMENTO DA COR MELHORIA E RESTAURAÇÃO DA IMAGEM SEGMENTAÇÃO E REPRESENTAÇÃO RECONHECIMENTO DO OBJETO E DE PADRÕES CÓDIGO DE BARRAS Conceitos Padrões Leitura de Código de Barras APLICAÇÕES Reconhecimento de placa veicular MINERAÇÃO DE DADOS FASES DA MINERAÇÃO DE DADOS ANÁLISE DESCRITIVA E ANÁLISE DE PROGNÓSTICOS BUSCA DE CONHECIMENTO TÉCNICAS DE MINERAÇÃO DE DADOS TIPOS DE ALGORITMOS Árvores de decisão Redes Neurais Apriori ANDROID... 44
14 5 MODELAGEM DO SISTEMA SMARTCOMPRAS LEVANTAMENTO DE REQUISITOS Requisitos Funcionais Requisitos Não-Funcionais MODELAGEM DO BANCO DE DADOS DIAGRAMA DE CASO DE USO DIAGRAMA DE CLASSE DESENVOLVIMENTO DO SMARTCOMPRAS ARQUITETURA DA SOLUÇÃO CAPTURA E PROCESSAMENTO DO CÓDIGO DE BARRAS Captura do código de barras Processamento do código de barras MINERAÇÃO DE DADOS TESTES CONFIGURAÇÃO DE REDE CAPTURA E PROCESSAMENTO DE IMAGEM WEBSERVICE APRIORI SISTEMA DE COMPRA CONCLUSÃO TRABALHOS FUTUROS APÊNDICE A REQUISITOS FUNCIONAIS: B DESCRIÇÃO FORMAL DOS CASOS DE USO C PROJETO DO BANCO DE DADOS D DIAGRAMAS DE ATIVIDADES E DIAGRAMA DE SEQUÊNCIA F REQUISITOS DO CELULAR UTILIZADO NO TESTE:
15 G TELAS DO SISTEMA
16 16 1 INTRODUÇÃO Há 10 anos, eram poucas pessoas que utilizavam celulares. Já nos dias de hoje, esse recurso ganhou uma importância considerável. Segundo a IDC (International Data Corporation ) o mercado de smartphone cresceu 79,7% no primeiro trimestre de Além do layout, as funcionalidades e aplicações que o celular possui, são requisitos muito avaliados no momento da compra. Pensando nisso, os desenvolvedores de softwares para smartphone seguem trabalhando com a idéia de tornar este equipamento essencial e necessário no dia a dia, sendo capaz de dispensar outros aparelhos de diversas funcionalidades. Atualmente os smartphones realizam tarefas de outros equipamentos, como por exemplo, os despertadores, o GPS(Global Positioning System), aparelhos de reprodução de música e vídeo, etc. Ainda assim, existem ramos pouco explorados, como por exemplo, o doméstico. Além da tecnologia, a área de compras também vem recebendo grande investimento. Seja de maneira virtual ou local, as lojas vem cada dia mais buscando inovações tecnológicas a fim de serem mais competitivas no mercado. Devido à concorrência acirrada, nem sempre é possível oferecer o melhor preço de determinados produtos, e gerar conforto e comodidade ao cliente pode ser um grande diferencial. Este trabalho desenvolve um software para auxiliar seus usuários no momento de realizar uma compra em supermercado, com o intuito de possibilitar conforto e economia de tempo ao usuário. 1.1 OBJETIVO O objetivo deste trabalho é a modelagem e o desenvolvimento de um software para smartphone que permita realizar compras em um supermercado. Para alcançar este objetivo alguns conceitos são estudados e/ou implementados como: a leitura e interpretação de código de barras, a conexão do software com o banco de dados do supermercado para a verificação de disponibilidade dos produtos desejados e a utilização dos conceitos de mineração de dados, para traçar o perfil do usuário de acordo com as compras realizadas.
17 JUSTIFICATIVA Atualmente, as maneiras mais comuns de se realizar uma compra são: à distância, através de um site ou por telefone, fisicamente, se deslocando ao mercado. Porém, analisando as alternativas, a segunda mostra-se desgastante ao usuário, uma vez que ele precisa adicionar os produtos ao carrinho, retirá-los para passar ao caixa, recolocá-los no carrinho e por fim coloca-los em seu carro, enquanto a primeira alternativa, por mais cômoda que seja, não permite que o cliente toque ou veja em tamanho real o produto desejado, não podendo avaliar informações que possuam na embalagem do mesmo. Segundo a Associação Brasileira de Automação Comercial (2011), existem empresas que estudam uma 3ª alternativa de compra, onde no carrinho de compras que o cliente está utilizando possui um PDA (Personal Digital Assistant - computador de bordo) que possuiria um mapa do mercado capaz de localizar todos os produtos do mercado e, além disso, no próprio carrinho o cliente pode scannear o código de barras e já empacotar os produtos. O Grupo Pão-de-Açúcar, juntamente com outras treze grandes redes de supermercado e empresas de tecnologia, trabalha em uma loja conceito no Shopping Iguatemi localizado na cidade de São Paulo. A possibilidade de integração de diferentes tecnologias, todas em uso e crescendo no mercado, proporciona a criação de um sistema que simplifique a rotina de compras realizadas, economizando tempo, uma vez que não será necessário colocar compras no carrinho, pegar filas, empacotar, etc, que possibilite oferecer aos clientes a funcionalidade de comparação de preço de produtos de mesma subcategoria e ainda promoções ou sugestões de produtos de acordo com as compras já realizadas, durante a realização de uma nova compra. 1.3 ABRANGÊNCIA Para a elaboração deste trabalho foi realizado um estudo sobre processamento de imagens, uma vez que é realizada a leitura de código de barras via celular, de forma a possibilitar o tratamento de imagens de códigos de barras. Também foi realizado um estudo sobre mineração de dados, em que é
18 18 traçado o perfil do cliente baseado em suas preferências, de acordo com suas compras. O banco de dados foi criado baseado no diagrama entidade-relacionamento. Através de uma rede é possível conectar-se com o banco do supermercado com o intuito de manipular e consultar dados desse banco. O trabalho não abrange cobrança de valores, apenas disponibiliza as formas de pagamento de acordo com os critérios do supermercado e abrange somente o desenvolvimento para celulares com tecnologia smartphone que possuam o Android versão 2.2 como Sistema Operacional. 1.4 ESTRUTURA DO TRABALHO Os capítulos 2, 3 e 4 consistem na revisão bibliográfica, onde o capítulo 2 aborda o conceito de processamento de imagens, além de sua utilização, o capítulo 3 aborda o conceito de mineração de dados e técnicas para executá-la e o 4 nos conceitos de código de barras. A partir do capítulo 5 o sistema SmartCompras começa a ser moldado. No capítulo 5 é realizada a modelagem do SmartCompras, e o 6 mostra como foi o sistema foi implementado. O capítulo 7 explica o ambiente utilizado para os testes, apresenta os resultados obtidos e por fim, o capítulo 8 finaliza o projeto com as conclusões da monografia e propõe sugestões de temas para trabalhos futuros.
19 19 2 PROCESSAMENTO DE IMAGEM O processamento de imagem é um conjunto de operações realizadas em uma imagem, que tem como objetivo melhorar a sua qualidade para que a interpretação dos dados e o reconhecimento dos objetos contidos nela sejam feitos de forma mais precisa (GONZALEZ; WOODS, 2008). Neste capítulo são abordados os principais conceitos e as diversas técnicas de processamento de imagem, com o intuito de alcançar o melhor resultado para o seu processamento. 2.1 DEFINIÇÃO A definição de imagem segundo o dicionário Michaellis é Coleção de bits representando os pixels que caracterizam uma imagem na tela ou em uma impressora. Gonzalez e Woods (2008) definem a imagem de maneira semelhante. A imagem é uma função bidimensional, em que a amplitude de uma determinada coordenada mostra a intensidade ou o nível de cinza naquele ponto da imagem, e é definida como uma imagem digital quando a mesma possuir um número finito de pixels. O processamento de imagem utiliza diversas técnicas para melhorar as informações visuais, o que tem ajudado na resolução de problemas, que mesmo sem relacionamento entre eles (problemas distintos), necessitam de melhorias visuais nas informações para análise e interpretação humana. No mundo tecnológico, a extração das informações contidas na imagem segue um procedimento base, em que são feitas operações com intuito de analisar objetos contidos na imagem, gerando assim, modelos matemáticos. Para realizar o processamento de uma imagem, é necessário convertê-la para uma imagem digital (representada por funções bidimensionais ou mais dimensões, em caso de coloridas e multiespectrais). Após essa conversão existem outras etapas para o processamento de imagem digital (figura 1), porém nem todos os algoritmos passam por todas as etapas. Desta forma, o processamento da imagem é dividido em 4 grupos, conforme ilustra a figura 2. Na figura 1 são exibidas etapas para o processamento da imagem, etapas essas que consistem nas captura da imagem (image acquisition), no aprimoramento
20 20 (image enhancement), na restauração (image restoration), no processamento da cor (color image processing), no processamento de ondas e multi-resolução (wavelets and multiresolution processing), na compressão (compression), no processamento morfológico (morphological processing), na segmentação (segmentation), na representação e descrição (representation & description) e por fim no reconhecimento do objeto (object recongnition). As informações utilizadas em cada uma dessas etapas são encontradas ou trocadas na base de conhecimento (knowledge base). Figura 1 - Etapas completas de processamento de imagem. Fonte: GONZALEZ e WOODS (2008) Para todos os passos de processamento de imagem é necessário a implementação de softwares, havendo necessidade de utilizar hardwares somente para captura e exibição das imagens, devido à velocidade de atuação. Os próximos tópicos detalham as etapas básicas para o processamento das imagens, sendo elas: - Captura da imagem e processamento da cor; - Melhoria e restauração da imagem; - Segmentação e representação; - Reconhecimento de objetos padrões.
21 21 Figura 2 Etapas básicas de processamento de imagem. Fonte: O AUTOR (2011) 2.1 CAPTURA DE IMAGEM E PROCESSAMENTO DA COR Existem várias maneiras diferentes para capturar uma imagem, como por exemplo, câmeras de vídeos, scanners ou sensores dedicados (infravermelho, raiox, etc) (MUENZ, 2008). Assumindo que a entrada seja feita através de uma câmera (que atualmente já possui um nível de sensibilidade muito alta), é necessário fazer uma conversão de sinal analógico para digital, em que a imagem digital é discretizada espacialmente (em coordenadas x e y) e em luminância (que são os níveis de cinza). As intensidades são indexadas em uma tabela de conversão chamada Look-Up Table (ROSA, 2008). Durante a conversão (para digital) é importante saber que essa digitalização precisa ser feita nos dois componentes da imagem: espacial e amplitude. Um processo conhecido como Amostragem (GONZALEZ; WOODS, 2008) define o componente espacial, nesse processo a imagem é representada em sua forma mais simples (função contínua e infinita), que se transforma em uma matriz finita de pixels (ou elementos picturais) com tamanhos iguais. Já o processo de amplitude (denominado quantização), a partir de uma função contínua de amplitude, define o nível discreto de cinza permitido para cada pixel, fazendo atribuições funcionais de valores de níveis de cinza para cada par de coordenadas distintas da função, transformando essa imagem em uma função bidimensional (2-D). A qualidade da imagem original com aproximação pela matriz depende da quantidade de amostras e níveis de cinza que foram utilizados no processo, quanto maiores esses números, melhor a qualidade. Caso haja necessidade de manter pequenos os números de níveis de cinza, pode-se utilizar a técnica de espaçamento
22 22 irregular (BERTHOUD, 2004), distribuindo esses níveis em espaços que variam de estreitos a muito grandes. Há ainda a possibilidade de existir grandes níveis de cinza em uma escala, e pequenos em outras. Nesse caso, o procedimento ideal é espaçar de maneira suave onde há maiores níveis e, sem suavidade nos menores. No modelo de cor RGB (Red, Green e Blue), um dos mais simples e freqüentemente utilizado, todas as cores são representadas a partir da mistura das três cores primárias, porém, nem todas as cores possíveis pelo sistema RGB são identificadas pelos olhos humanos, sendo que geralmente essas cores são utilizadas apenas em computadores. A conversão em escala de cinza nesse modelo parte do princípio de que todos os bytes de cada pixel precisam ter o mesmo valor. Portanto, para realizar essa conversão é necessário percorrer toda a imagem pixel a pixel, alterando seus respectivos valores para que todos fiquem com seus valores iguais. Uma opção para realizar essa conversão, é obter o valor RGB atual, calcular sua média aritmética e repassar o valor obtido ao R, ao G e ao B do pixel atual, realizando esse processo nos demais pixels. A figura 3 mostra uma imagem em RGB e em escala de cinza. Figura 3 Cores RGB e escala de cinza a partir das cores RGB. Fonte: O AUTOR (2011) 2.2 MELHORIA E RESTAURAÇÃO DA IMAGEM Após a captura/conversão da imagem são necessárias algumas correções para que, posteriormente, o algoritmo possa interpretá-la de forma mais eficaz. Estas correções podem ser feitas através de filtros e são denominadas melhoria da imagem. Porém, esta melhoria é muito subjetiva, cabendo ao observador dizer se o resultado está satisfatório, tendo então a restauração da imagem. Este passo é fundamentado principalmente em funções e métodos matemáticos (estatística). Para este passo, existem várias técnicas (GONZALEZ; WOODS, 2008), como
23 23 por exemplo: A filtragem inversa em que uma estimativa da imagem restaurada é encontrada pela divisão da imagem degradada e da estimativa da função de degradação; A filtragem de Wiener minimiza a diferença entre a imagem inicial e a restaurada, considerando também os ruídos, ou seja, é como a filtragem inversa que também trata ruídos; A transformação geométrica em que os pixels são alterados espacialmente para distorcer as imagens e etc. 2.3 SEGMENTAÇÃO E REPRESENTAÇÃO A segmentação é a primeira fase do processamento, se considerar a informação que é necessária extrair da imagem, e por mais fácil que pareça para um ser humano, é talvez a fase mais complexa para o computador. Nesta fase são identificados os objetos (dividindo a imagem de acordo com o agrupamento de pixels), possibilitando definir regiões de interesse para análise, e para isso é importante saber o tipo de imagem que será segmentada e ter em mente o nível de detalhe, pois sem essas informações o processo se torna mais complexo, uma vez que não existe uma técnica específica para isso e sim técnicas que dependem de uma série de fatores (ALBURQUERQUE, 2000). Há os seguintes exemplos de implementação: Detecção de descontinuidade: tenta identificar as bordas da imagem, normalmente aplica a técnica gradiente, na qual intensifica as tonalidades tentando aproximar-se ao máximo de uma imagem binária; Técnicas de limiar: parte do pressuposto que pixels com as mesmas características pertencem à mesma região; Métodos baseados em regiões: partindo de um pixel (chamado semente), ele é comparado com seus vizinhos, agrupando-os por região. Analisando o código de barras da figura 4, pode-se concluir que ele pode ser segmentado em duas regiões: o fundo da imagem (parte branca) e o das listras (parte preta).
24 24 Figura 4 - Exemplo de código de barras. Fonte: ERDEI (1994) Após o resultado da segmentação é realizado a parametrização, em que se identifica e cria os parâmetros e depois faz a representação, ou seja, o resultado da segmentação é agrupado, podendo gerar uma nova representação (dependendo da necessidade). 2.4 RECONHECIMENTO DO OBJETO E DE PADRÕES Os últimos passos para o processamento da imagem são: fazer o reconhecimento do objeto e do padrão, ou seja, interpretar a informação contida na imagem de acordo com uma base de dados anteriormente definida, lhe fornecer uma identificação e extrair um padrão entre elas. Depois de a imagem estar segmentada e devidamente pré-classificada entre o que é fundo e o que é objeto, deve-se aplicar um algoritmo que seja capaz de reconhecer todas as características do objeto (área, perímetro, posição na imagem, número de furos e etc.). Existem diversos métodos para reconhecimento de padrão, como por exemplo, utilização de redes neurais, abordagem sintática, abordagem estatística, cabendo na hora de aplicá-la, saber escolher a mais eficaz (CONCI, MONTEIRO, 2004). 2.5 CÓDIGO DE BARRAS O código de barras é um símbolo composto de barras paralelas de larguras e espaçamentos variados (GROSSMANN, ZYNGIER, 1991) que armazenam informações (ERDEI, 1994). O código de barras surgiu devido à necessidade de identificação dos produtos de maneira automatizada, ou seja, a quantidade de produtos crescia
25 25 exponencialmente e os mercados/indústrias precisavam de um número único de identificação para cada um deles. Inicialmente existiam duas possibilidades, o código magnético e o código de barras. Embora o código magnético fosse praticamente imune a cópias, era muito caro de se implementar devido a materiais especiais e necessitava um contato físico entre a máquina e o produto, diferentemente do código de barras (mais utilizado) que é mais simples, com menor custo em sua fabricação e fácil de realizar sua leitura (GROSSMANN, ZYNGIER, 1991). O primeiro país a utilizar o código de barras foi os Estados Unidos da America e utilizava o padrão UPC (Universal Code Products - mais detalhes na seção 2.5.2). Segundo o site Linha Base (2010), existem dois tipos de código de barras, os numéricos e os alfanuméricos, sendo que as características de um código de barras podem aparecer em diversos padrões Conceitos Para analisar um código de barras, alguns conceitos são fundamentais. Suas definições são: a. Barras: é responsável por absorver a luz do scanner. Geralmente possui a cor preta e seu tamanho varia de um a vários módulos; b. Caractere Inicial: é o caractere que indica o inicio do código; c. Caractere Final: é o caractere que indica o fim do código; d. Dígito: cada um dos caracteres representados por barras e espaços, podendo ser, numéricos ou alfanuméricos; e. Espaço: é responsável por refletir a luz do scanner, geralmente possui a cor da embalagem e seu tamanho varia de um a vários módulos; f. Fator de Magnitude (FM): é responsável por aumentar (em até 200%) ou diminuir (em até 80%) o código de barras, a partir da dimensão inicial do código; g. Módulos: é o elemento mais estreito do código de barras, independentemente de ser um espaço ou uma barra, onde todos os outros caracteres têm tamanho múltiplo ao modulo, como por exemplo, a zona muda e outros elementos do código de barra; h. Separadores: caractere auxiliar que permite a identificação das extremidades do código, bem como do sentido da leitura, permite também separar as zonas do código de barras e são formados por barras e espaços;
26 26 i. Sinais de enquadramento: são as marcas que delimitam a área do código de barra; j. Zonas Mudas: são espaços antes do caractere inicial e após o caractere final, com tamanho de, no mínimo, 10 módulos (caso seja menor, o scanner não o consegue ler) que possibilitam a leitura do código juntamente com o padrão escolhido Padrões Existem diversos padrões de código de barras, mas são abordados abaixo somente os principais existentes, com maior ênfase no EAN 13 (European Article Number). Os padrões são: a) UPC (Universal Product Code) Criado pelos Estados Unidos e possui duas versões (ERDEI, 1994), sendo que a UPC-A possui doze (12) caracteres numéricos que são representados por 2 espaços e 2 barras. A figura 5 ilustra um exemplo de código de barras no padrão UPC-A. Figura 5 Exemplo de código de barras UPC-A. Fonte: ERDEI (1994) Analisando a figura 5, os números do código de barra UPC-A são subdivididos em 4 grandes grupos, sendo eles: A Categoria do produto; B Identificação do fabricante do produto; C Identificação do produto; D Digito de verificação. E a versão UPC E (figura 6) é um código reduzido que consiste em retirar, seguindo 1 dos 4 modelos, os números 0 (zero) considerando 2 (dois) atributos número do fabricante e número do produto. 1º modelo: Caso, no código UPC-A, o número do fabricante termine em 000, 100 ou 200, o UPC-E terá os 2 primeiros números do fabricantes, os 3 últimos
27 27 números do produto, seguido pelo terceiro número do fabricante. 2º modelo: Caso, no código UPC-A, o número do fabricante termine em 00, precedido de um número entre 3 e 9, o UPC-E terá os 3 primeiros números do fabricantes, os 2 últimos números do produto, seguido do número 3. 3º modelo: Caso, no código UPC-A, o número do fabricante termine em 0 e não atende nenhum dos requisitos dos 2 modelos apresentados anteriormente, o UPC-E terá os 4 primeiros números do fabricantes, o último número do produto, seguido do número 4. 4º modelo: Caso, no código UPC-A, o número do fabricante não termine em 0, o UPC-E terá todos os números do fabricantes e o último número do produto, seguido do número 4. Figura 6 Exemplo de código de barras UPC E. Fonte: ERDEI (1994) b) EAN (European Article Numbering Association) - Criado para utilização no mercado europeu é também muito utilizado no Brasil (GROSSMANN, ZYNGIER, 1991). Assim como o UPC, possui duas versões, sendo elas a EAN 13 utilizada no mundo inteiro (exceto pelos Estados Unidos e Canadá), possui 13 dígitos e 30 barras e 29 espaços que codificam a informação (ERDEI, 1994), conforme ilustrado pela figura 7. Figura 7 Exemplo de código de barras EAN 13. Fonte: ERDEI (1994)
28 28 Analisando a figura 7, os números do código de barra EAN 13 são subdivididos em 4 grandes grupos (GROSSMANN, ZYNGIER, 1991), sendo eles: -Número do país: os três primeiros dígitos (BRASIL = 789); -Identificação do fabricante do produto: este número pode variar de 4 a 5 dígitos, dependendo da quantidade de produtos que a empresa possui; -Identificação do produto: assim como a quantidade de dígitos do fabricante, a identificação do produto também varia de 4 a 5 dígitos; -Dígito de verificação: o último dígito que consiste em conferir se o leitor efetuou uma leitura corretamente. A seguir está o passo a passo de como criar o dígito verificador ou conferir se a leitura foi feita corretamente (GROSSMANN, ZYNGIER, 1991): Passo 1 - Enumerar de 1 a 13 os dígitos do código de barras (iniciando do código verificador terminando no primeiro dígito do país). Passo 2 Somar todos os valores dos dígitos ímpares a partir do terceiro dígito. Passo 3 Somar todos os valores dos dígitos pares e multiplicar por 3. Passo 4 Somar o resultado do passo 2 e do passo 3. Passo 5 - O dígito verificador será o menor número encontrado que, somado ao resultado do passo 4, se iguala a um número múltiplo de 10. E a versão EAN 8: Possui 8 dígitos e é utilizado somente em embalagens pequenas, ele é a forma reduzida do código EAN 13, conforme representado pela figura 8. Figura 8 Exemplo de código de barras EAN 8. Fonte: ERDEI (1994) c) Codificação internacional de livros e revistas Ainda existem outros 2 tipos de códigos de barras que são os de Livros (ISBN International Standard Book Number) e o de revistas (ISSN International Standard Serial Number ), que devido a um acordo da ISBN e da ISSN eles utilizam o código EAN, porém a estrutura do código é diferente. No ISBN, o código de barras, ilustrado na figura 9, é constituído por (ERDEI,
29 ): - Identificação ISBN (978 ou 979); - Número ISBN do livro; - Caractere de verificação. Figura 9 Exemplo de código de barras do tipo ISBN. Fonte: GROSSMANN, ZYNGIER (1991) Já no ISSN o código de barras, ilustrado na figura 10, é constituído por: - Identificação ISSN (977); - Número ISSN da publicação; - Dígito extra; - Caractere de verificação. Figura 10 Exemplo de código de barras do tipo ISSN. Fonte: REVISTA INFO (2010) Leitura de Código de Barras Técnicas complexas para decodificar códigos de barras só eram utilizadas em computadores. Contudo, graças ao avanço tecnológico, atualmente é possível realizar essa decodificação em aparelhos móveis, desde que possuam qualidade no processamento câmera (é necessário uma imagem de boa qualidade) e grande espaço em memória, igualando-se a um computador. A captura de código de barras pode ser feita por um feixe de laser, ou por algoritmos de reconhecimento de imagens que são capturados através da câmera de um celular, desde que haja garantia de que não haverá interferência (problemas como sombras, falta de foco, imagens com excesso ou falta de iluminação, etc) na imagem. Independentemente da maneira que se captura a imagem do código de
30 30 barras, o seu processamento é similar, portanto, somente está explicado o processamento da imagem no item Captura pela câmera do celular. a) Captura pela câmera do celular O ideal para capturar um código de barras através de uma câmera de celular é utilizar códigos de barras impressos em uma área ampla e com pequena densidade de informações impressa. Em códigos com alta densidade de informação, cada uma das informações é armazenada em pequenos detalhes da imagem, tornando a captura mais complexa. O ideal que se tenha uma câmera de alta resolução e códigos de barras visivelmente grandes com pouca densidade de informação. Devido à grande probabilidade de ruídos nas imagens capturadas por uma câmera de um celular, é necessário aplicar técnicas de processamento digitais antes de se obter o código de barras. Dessa forma, a imagem é convertida em escala de cinza, seguindo o conceito de conversão de imagens em RGB. Além disso, é provável que o código de barras não esteja devidamente alinhado, por isso é necessário também detectar as bordas (caracterizadas por tons de cinza). O código resulta em grandes quantidades de pixels de bordas, indicando as direções perpendiculares à direção que deve ser percorrida para a leitura do código de barras. Assim, tornam-se simples identificar a direção da imagem. Uma vez que se obtiveram as direções da imagem é possível construir um histograma (maneira comum de se representar níveis de cinza) de direções, com o intuito de localizar a borda comum da imagem que corresponde as direções das barras do código. Para identificar as larguras das barras, é utilizada a direção obtida no histograma e uma constante, fazendo com que a imagem seja percorrida em linha reta, o que, finalmente, possibilita a leitura do código de barras e depois é feita a conta do código verificador para verificar se o código lido é o correto. b) Captura pelo scanner Existem inúmeros tipos de scanners diferentes e cada um possui um mecanismo próprio para fazer a captura do código de barras. Scanner é um instrumento capaz de emitir e receber um feixe de luz
31 31 vermelho. Ao iluminar (ou percorrer) toda a largura do código de barras e receber o feixe refletido, o decodificador é responsável por converter para um sinal elétrico digital, processá-lo, verificando se realmente o código de barras foi lido corretamente, e por fim transmiti-lo a um computador central. Dependendo do modelo do scanner, o decodificador pode ficar dentro do scanner ou em um circuito externo ao scanner (ERDEI, 1994). 2.6 APLICAÇÕES Existem inúmeras aplicações para o processamento de imagem digital. As principais áreas são: a. Reconhecimento de placa veicular; b. Reconhecimento de caracteres; c. Análise de cromossomos; d. Mapeamento de terrenos e superfícies; e. Detecção de faces e objetos; f. Sistemas de segurança; g. Monitoramento da poluição; h. Planejamento Urbano; i. Análise de clima e temperatura; j. Determinação do tipo k. Tomografia computadorizada; l. Ultrassonografia. O reconhecimento de placa tem um objetivo muito similar ao reconhecimento de código de barras, por isto, na seção existe uma explicação mais detalhada de como a placa veicular é processada. Já o reconhecimento facial, abordado na seção 2.6.2, possui diversas técnicas e a escolha de qual aplicar depende do objetivo de implementação Reconhecimento de placa veicular. Inicialmente é feita a captura da placa veicular, sendo a segunda etapa o préprocessamento, onde é identificado a região da placa, e por fim a imagem resultante do pré-processamento é classificada, podendo então identificar os caracteres
32 32 presentes na placa veicular. Para isso, os seguintes conceitos são utilizados (CONCI, MONTEIRO, 2004): - Binarização (Limiarização): Consiste na transformação da placa veicular de tons de cinza para pixels preto e branco (figura 11). Para alguns autores, este processo consiste em retirar o plano de fundo da imagem. Figura 11 Antes e depois do processo de binarização de uma placa veicular. Fonte: CONCI, MONTEIRO (2004) - Erosão: Consiste em reduzir de tamanho uma imagem, contanto que não perca as características geométricas importantes (figura 12), com o intuito de facilitar o reconhecimento de um caractere que esteja grudado ou muito próximo a outro. (Problema comumente encontrado no reconhecimento de caracteres de uma placa veicular). Figura 12 - Antes e depois do processo de erosão de uma placa veicular. Fonte: CONCI, MONTEIRO (2004) - Segmentação dos caracteres: última fase do pré-processamento é a segmentação de caractere, ou seja, separar as letras e os números (figura 13). Figura 13 - Antes e depois do processo de erosão de uma placa veicular. Fonte: CONCI, MONTEIRO (2004)
33 33 3 MINERAÇÃO DE DADOS O grande avanço tecnológico tem gerado grande volume de dados, e conseqüentemente criado a necessidade de novas técnicas e ferramentas capazes de transformar grande número de dados em informações significativas e em conhecimento. Informações que possuem importância considerável para planejamento, gestão e tomada de decisões, não podem ser descobertas ou identificadas apenas com recursos de gerenciamento do banco de dados comum. Devido à necessidade de extração dessas informações surgiu à mineração de dados, também conhecido como Data Mining (NAVEGA, 2002). Na década de 80, empresas perceberam que não aproveitavam todas as informações que tinham de seus clientes. Com isso, decidiram extrair essas informações, com o intuito de definir perfis e padrões de clientes, tornando a empresa mais competitiva. Inicialmente os dados só eram extraídos, os conceitos de mineração de dados que existem atualmente foram desenvolvidos e amadurecidos ao longo dos anos (AMO, 2004). Tal amadurecimento torna fundamental o processo de mineração de dados em empresas que sabem aplicá-lo e que apliquem o conceito de CRM (Customer Relationship Management), pois conseguem um auxilio fundamental para tomada de decisões, aumentando a probabilidade de se obter sucesso (BRAGA, 2005). Mineração de dados é o nome dado ao processo de análise de objetos que visa encontrar padrões escondidos nos dados compreensíveis para pessoas e extrair informações sem conhecimento prévio de um banco de dados (AMORIM, 2006). O processo de mineração de dados é uma etapa do processo KDD (Knowledge Discovery in Databases em português, Descoberta de Conhecimento em Base de dados), que, segundo Addrians e Zantinge (1996), permite a extração não trivial de conhecimento previamente desconhecido e potencialmente útil de um banco de dados. 3.1 FASES DA MINERAÇÃO DE DADOS Como dito anteriormente, a mineração de dados vai além de uma simples extração de dados. Atualmente dados tratados adequadamente são de grande
34 34 importância em propagandas específicas para um determinado público alvo. Uma vez traçado o perfil de clientes, torna-se mais fácil identificar em quais campanhas (de propaganda) melhor se encaixa o que aumenta a possibilidade de venda dos produtos desejados, uma vez que já se sabe a quem deve ser oferecido (NAVEGA, 2002). A especificação do que se deseja encontrar nos dados, como por exemplo, tipo de regularidade, categoria de padrões, ou até mesmo padrões que podem surpreender, é conhecida como tarefas. Já a especificação de métodos que garantem como descobrir padrões é conhecida como técnica de mineração de dados (NAVEGA, 2002). Existem diversas técnicas de mineração de dados, por isso, deve-se escolher a melhor para o problema a ser resolvido. Particularmente, cada problema possui uma determinada técnica, portanto, o sucesso de cada tarefa depende da intuição e experiência do analista que implementará a mineração de dados. A interpretação dos padrões descobertos, e a possibilidade de retorno aos outros processos é determinada na etapa final da mineração de dados, no pósprocessamento. A partir do objetivo proposto, analisam-se as informações obtidas na extração, identificando e apresentando as melhores (SFERRA, CORRÊA, 2001). Para a garantia da obtenção dos conhecimentos relevantes, é importante estabelecer metas bem definidas. A maioria desses métodos são baseados em técnicas de aprendizado de máquina, reconhecimento de padrões e estatísticas. Em 1996 três empresas especializadas no, até então imaturo, mercado de mineração de dados, criaram um modelo de processos genérico (figura 14), tendo como objetivo padronizar as etapas (ciclo de vida) do processo de mineração, nomeando o projeto como CRISP-DM (Cross Industry Standard Process for Data Mining) (SFERRA, CORRÊA, 2001). O ciclo de vida é compreendido pelas seguintes etapas: Entendimento do Negócio (Business Understanding): Fase inicial que tem como foco, juntamente com o negócio, levantar quais são os objetivos, bem como requisitos do projeto. Uma vez entendido os objetivos, é definido o problema e projetado um plano inicial. Seleção dos Dados (Data Understanding): A partir da coleção de dados, inicia a primeira captura de dados, buscando com que o time de projeto tenha um
35 35 primeiro contato com o banco de dados, a fim de identificar possíveis problemas de qualidade e detectar subconjuntos que se julgam interessantes para criar hipóteses. Figura 14 Ciclo de vida do processo de mineração de dados. Fonte: SFERRA,CORRÊA (2001) Limpeza (ou Preparação) dos Dados (Data Preparation): Fase de preparação dos dados, onde se tratam ruídos, dados estranhos ou inconsistentes, através de limpeza, transformação, integração e/ou formatação dos dados da etapa anterior. Ocasionalmente são desempenhadas diversas vezes e de maneira aleatória. É responsável também por preparar os dados para a ferramenta de modelagem. Modelagem dos Dados (Modeling): Fase que aplica técnicas de modelagem sobre conjunto de dados anteriormente preparado, tendo seus parâmetros calibrados, para obter valores otimizados. Pode-se aplicar diversas técnicas de modelagem para o mesmo problema, sendo que algumas técnicas possuem requerimentos específicos na forma de dados, podendo então voltar para a etapa anterior. Avaliação dos Dados (Evaluation): Nesta fase é avaliado o modelo gerado na fase de modelagem. Esta etapa visa garantir a qualidade do modelo e verificar se as expectativas da organização serão alcançadas e se alguma questão importante do negócio ainda não foi englobada. A decisão sobre a utilização dos resultados da mineração é obtida no fim desta fase e seus resultados podem ser mostrados de várias formas, desde que, possibilitem uma análise criteriosa, e a verificação da
Processamento de Imagem. Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com
Processamento de Imagem Prof. MSc. André Yoshimi Kusumoto andrekusumoto.unip@gmail.com Visão Computacional Não existe um consenso entre os autores sobre o correto escopo do processamento de imagens, a
Leia maisSEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS
SEGMENTAÇÃO DE IMAGENS EM PLACAS AUTOMOTIVAS André Zuconelli 1 ; Manassés Ribeiro 2 1. Aluno do Curso Técnico em Informática, turma 2010, Instituto Federal Catarinense, Câmpus Videira, andre_zuconelli@hotmail.com
Leia maisADM041 / EPR806 Sistemas de Informação
ADM041 / EPR806 Sistemas de Informação UNIFEI Universidade Federal de Itajubá Prof. Dr. Alexandre Ferreira de Pinho 1 Sistemas de Apoio à Decisão (SAD) Tipos de SAD Orientados por modelos: Criação de diferentes
Leia maisPROCESSO DE DESENVOLVIMENTO DE SOFTWARE. Modelos de Processo de Desenvolvimento de Software
PROCESSO DE DESENVOLVIMENTO DE SOFTWARE Introdução Modelos de Processo de Desenvolvimento de Software Os modelos de processos de desenvolvimento de software surgiram pela necessidade de dar resposta às
Leia maisUNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS
UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS VINICIUS DA SILVEIRA SEGALIN FLORIANÓPOLIS OUTUBRO/2013 Sumário
Leia maisISO/IEC 12207: Gerência de Configuração
ISO/IEC 12207: Gerência de Configuração Durante o processo de desenvolvimento de um software, é produzida uma grande quantidade de itens de informação que podem ser alterados durante o processo Para que
Leia mais5 Mecanismo de seleção de componentes
Mecanismo de seleção de componentes 50 5 Mecanismo de seleção de componentes O Kaluana Original, apresentado em detalhes no capítulo 3 deste trabalho, é um middleware que facilita a construção de aplicações
Leia maisExtração de Requisitos
Extração de Requisitos Extração de requisitos é o processo de transformação das idéias que estão na mente dos usuários (a entrada) em um documento formal (saída). Pode se entender também como o processo
Leia maisDisciplina: Introdução à Informática Profª Érica Barcelos
Disciplina: Introdução à Informática Profª Érica Barcelos CAPÍTULO 4 1. ARQUITETURA DO COMPUTADOR- HARDWARE Todos os componentes físicos constituídos de circuitos eletrônicos interligados são chamados
Leia maisMINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br
MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para
Leia maisFATEC Cruzeiro José da Silva. Ferramenta CRM como estratégia de negócios
FATEC Cruzeiro José da Silva Ferramenta CRM como estratégia de negócios Cruzeiro SP 2008 FATEC Cruzeiro José da Silva Ferramenta CRM como estratégia de negócios Projeto de trabalho de formatura como requisito
Leia maisDATA WAREHOUSE. Introdução
DATA WAREHOUSE Introdução O grande crescimento do ambiente de negócios, médias e grandes empresas armazenam também um alto volume de informações, onde que juntamente com a tecnologia da informação, a correta
Leia mais2 Diagrama de Caso de Uso
Unified Modeling Language (UML) Universidade Federal do Maranhão UFMA Pós Graduação de Engenharia de Eletricidade Grupo de Computação Assunto: Diagrama de Caso de Uso (Use Case) Autoria:Aristófanes Corrêa
Leia maisAlgoritmos e Programação (Prática) Profa. Andreza Leite andreza.leite@univasf.edu.br
(Prática) Profa. Andreza Leite andreza.leite@univasf.edu.br Introdução O computador como ferramenta indispensável: Faz parte das nossas vidas; Por si só não faz nada de útil; Grande capacidade de resolução
Leia maisMódulo 4. Construindo uma solução OLAP
Módulo 4. Construindo uma solução OLAP Objetivos Diferenciar as diversas formas de armazenamento Compreender o que é e como definir a porcentagem de agregação Conhecer a possibilidade da utilização de
Leia maisA lógica de programação ajuda a facilitar o desenvolvimento dos futuros programas que você desenvolverá.
INTRODUÇÃO A lógica de programação é extremamente necessária para as pessoas que queiram trabalhar na área de programação, seja em qualquer linguagem de programação, como por exemplo: Pascal, Visual Basic,
Leia maisProcessos de gerenciamento de projetos em um projeto
Processos de gerenciamento de projetos em um projeto O gerenciamento de projetos é a aplicação de conhecimentos, habilidades, ferramentas e técnicas às atividades do projeto a fim de cumprir seus requisitos.
Leia maisA Grande Importância da Mineração de Dados nas Organizações
A Grande Importância da Mineração de Dados nas Organizações Amarildo Aparecido Ferreira Junior¹, Késsia Rita da Costa Marchi¹, Jaime Willian Dias¹ ¹Universidade Paranaense (Unipar) Paranavaí PR Brasil
Leia mais10 DICAS DE TECNOLOGIA PARA AUMENTAR SUA PRODUTIVIDADE NO TRABALHO
10 DICAS DE TECNOLOGIA PARA AUMENTAR SUA PRODUTIVIDADE NO TRABALHO UMA DAS GRANDES FUNÇÕES DA TECNOLOGIA É A DE FACILITAR A VIDA DO HOMEM, SEJA NA VIDA PESSOAL OU CORPORATIVA. ATRAVÉS DELA, ELE CONSEGUE
Leia maisMódulo 4: Gerenciamento de Dados
Módulo 4: Gerenciamento de Dados 1 1. CONCEITOS Os dados são um recurso organizacional decisivo que precisa ser administrado como outros importantes ativos das empresas. A maioria das organizações não
Leia maisAnálise e Desenvolvimento de Sistemas ADS Programação Orientada a Obejeto POO 3º Semestre AULA 03 - INTRODUÇÃO À PROGRAMAÇÃO ORIENTADA A OBJETO (POO)
Análise e Desenvolvimento de Sistemas ADS Programação Orientada a Obejeto POO 3º Semestre AULA 03 - INTRODUÇÃO À PROGRAMAÇÃO ORIENTADA A OBJETO (POO) Parte: 1 Prof. Cristóvão Cunha Objetivos de aprendizagem
Leia maisMÓDULO 9 METODOLOGIAS DE DESENVOLVIMENTO DE SISTEMAS
MÓDULO 9 METODOLOGIAS DE DESENVOLVIMENTO DE SISTEMAS O termo metodologia não possui uma definição amplamente aceita, sendo entendido na maioria das vezes como um conjunto de passos e procedimentos que
Leia maisCurso de Data Mining
Curso de Data Mining Sandra de Amo Aula 2 - Mineração de Regras de Associação - O algoritmo APRIORI Suponha que você seja gerente de um supermercado e esteja interessado em conhecer os hábitos de compra
Leia maisDadas a base e a altura de um triangulo, determinar sua área.
Disciplina Lógica de Programação Visual Ana Rita Dutra dos Santos Especialista em Novas Tecnologias aplicadas a Educação Mestranda em Informática aplicada a Educação ana.santos@qi.edu.br Conceitos Preliminares
Leia maisCAPÍTULO 3 - TIPOS DE DADOS E IDENTIFICADORES
CAPÍTULO 3 - TIPOS DE DADOS E IDENTIFICADORES 3.1 - IDENTIFICADORES Os objetos que usamos no nosso algoritmo são uma representação simbólica de um valor de dado. Assim, quando executamos a seguinte instrução:
Leia maisProcessos Técnicos - Aulas 4 e 5
Processos Técnicos - Aulas 4 e 5 Trabalho / PEM Tema: Frameworks Públicos Grupo: equipe do TCC Entrega: versão digital, 1ª semana de Abril (de 31/03 a 04/04), no e-mail do professor (rodrigues.yuri@yahoo.com.br)
Leia maisOrientação a Objetos
1. Domínio e Aplicação Orientação a Objetos Um domínio é composto pelas entidades, informações e processos relacionados a um determinado contexto. Uma aplicação pode ser desenvolvida para automatizar ou
Leia maisMÓDULO 11 ELEMENTOS QUE FAZEM PARTE DO PROJETO DO SISTEMA
MÓDULO 11 ELEMENTOS QUE FAZEM PARTE DO PROJETO DO SISTEMA Através dos elementos que fazem parte do projeto do sistema é que podemos determinar quais as partes do sistema que serão atribuídas às quais tipos
Leia maisFLUXOGRAMA DA PESQUISA
FLUXOGRAMA DA PESQUISA Desde a preparação até a apresentação de um relatório de pesquisa estão envolvidas diferentes etapas. Algumas delas são concomitantes; outras são interpostas. O fluxo que ora se
Leia mais1.1. Organização de um Sistema Computacional
1. INTRODUÇÃO 1.1. Organização de um Sistema Computacional Desde a antiguidade, o homem vem desenvolvendo dispositivos elétricoeletrônicos (hardware) que funciona com base em instruções e que são capazes
Leia maisConceitos de Banco de Dados
Conceitos de Banco de Dados Autor: Luiz Antonio Junior 1 INTRODUÇÃO Objetivos Introduzir conceitos básicos de Modelo de dados Introduzir conceitos básicos de Banco de dados Capacitar o aluno a construir
Leia maisAPOO Análise e Projeto Orientado a Objetos. Requisitos
+ APOO Análise e Projeto Orientado a Objetos Requisitos Requisitos 2 n Segundo Larman: n São capacidades e condições às quais o sistema e em termos mais amplos, o projeto deve atender n Não são apenas
Leia maisGARANTIA DA QUALIDADE DE SOFTWARE
GARANTIA DA QUALIDADE DE SOFTWARE Fonte: http://www.testexpert.com.br/?q=node/669 1 GARANTIA DA QUALIDADE DE SOFTWARE Segundo a NBR ISO 9000:2005, qualidade é o grau no qual um conjunto de características
Leia maisSphinx Scanner Informações gerais V 5.1.0.8
Sphinx Scanner Informações gerais V 5.1.0.8 Pré-requisitos: Possuir modalidade scanner no software Sphinx A SPHINX Brasil propõe uma solução de leitura automática de questionários por scanner. O Sphinx
Leia maisProjeto Você pede, eu registro.
Projeto Você pede, eu registro. 1) IDENTIFICAÇÃO 1.1) Título do Projeto: Você pede eu registro. 1.2) Equipe responsável pela coordenação do projeto: Pedro Paulo Braga Bolzani Subsecretario de TI Antonio
Leia maisDESENVOLVIMENTO DE INTERFACE WEB MULTIUSUÁRIO PARA SISTEMA DE GERAÇÃO AUTOMÁTICA DE QUADROS DE HORÁRIOS ESCOLARES. Trabalho de Graduação
DESENVOLVIMENTO DE INTERFACE WEB MULTIUSUÁRIO PARA SISTEMA DE GERAÇÃO AUTOMÁTICA DE QUADROS DE HORÁRIOS ESCOLARES Trabalho de Graduação Orientando: Vinicius Stein Dani vsdani@inf.ufsm.br Orientadora: Giliane
Leia maisOrganização e Arquitetura de Computadores I
Organização e Arquitetura de Computadores I Aritmética Computacional Slide 1 Sumário Unidade Lógica e Aritmética Representação de Números Inteiros Aritmética de Números Inteiros Representação de Números
Leia maisRECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP
RECONHECIMENTO DE PLACAS DE AUTOMÓVEIS ATRAVÉS DE CÂMERAS IP Caio Augusto de Queiroz Souza caioaugusto@msn.com Éric Fleming Bonilha eric@digifort.com.br Gilson Torres Dias gilson@maempec.com.br Luciano
Leia maisArquitetura de Rede de Computadores
TCP/IP Roteamento Arquitetura de Rede de Prof. Pedro Neto Aracaju Sergipe - 2011 Ementa da Disciplina 4. Roteamento i. Máscara de Rede ii. Sub-Redes iii. Números Binários e Máscara de Sub-Rede iv. O Roteador
Leia maisDocumento de Análise e Projeto VideoSystem
Documento de Análise e Projeto VideoSystem Versão Data Versão Descrição Autor 20/10/2009 1.0 21/10/2009 1.0 05/11/2009 1.1 Definição inicial do documento de análise e projeto Revisão do documento
Leia maisFACULDADE DE ENGENHARIA DE COMPUTAÇÃO. PROJETO FINAL I e II PLANO DE TRABALHO <NOME DO TRABALHO> <Nome do Aluno> <Nome do Orientador>
FACULDADE DE ENGENHARIA DE COMPUTAÇÃO PROJETO FINAL I e II PLANO DE TRABALHO O Trabalho de Conclusão de Curso (TCC) a ser desenvolvido
Leia maisGUIA DE CURSO. Tecnologia em Sistemas de Informação. Tecnologia em Desenvolvimento Web. Tecnologia em Análise e Desenvolvimento de Sistemas
PIM PROGRAMA DE INTEGRAÇÃO COM O MERCADO GUIA DE CURSO Tecnologia em Sistemas de Informação Tecnologia em Desenvolvimento Web Tecnologia em Análise e Desenvolvimento de Sistemas Tecnologia em Sistemas
Leia maisExtração de Árvores de Decisão com a Ferramenta de Data Mining Weka
Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka 1 Introdução A mineração de dados (data mining) pode ser definida como o processo automático de descoberta de conhecimento em bases de
Leia maisDesenvolvendo uma Arquitetura de Componentes Orientada a Serviço SCA
Desenvolvendo uma Arquitetura de Componentes Orientada a Serviço SCA RESUMO Ricardo Della Libera Marzochi A introdução ao Service Component Architecture (SCA) diz respeito ao estudo dos principais fundamentos
Leia maisATENÇÃO: * Arquivos com tamanho superior a 500 KB NÃO SERÃO ACEITOS * SOMENTE serão aceitos documentos do formato: PDF
TUTORIAL DE DIGITALIZAÇÃO DIRIGIDO AO USO DO PROCESSO ELETRÔNICO Adaptado do tutorial elaborado pelo colega MAICON FALCÃO, operador de computador da subseção judiciária de Rio Grande. Introdução Este tutorial
Leia maisData Mining. Origem do Data Mining 24/05/2012. Data Mining. Prof Luiz Antonio do Nascimento
Data Mining Prof Luiz Antonio do Nascimento Data Mining Ferramenta utilizada para análise de dados para gerar, automaticamente, uma hipótese sobre padrões e anomalias identificadas para poder prever um
Leia maisInformática Aplicada a Radiologia
Informática Aplicada a Radiologia Apostila: Imagem Digital parte I Prof. Rubens Freire Rosa Imagem na forma digital A representação de Imagens na forma digital nos permite capturar, armazenar e processar
Leia mais15 Computador, projeto e manufatura
A U A UL LA Computador, projeto e manufatura Um problema Depois de pronto o desenho de uma peça ou objeto, de que maneira ele é utilizado na fabricação? Parte da resposta está na Aula 2, que aborda as
Leia maisEngenharia de Requisitos Estudo de Caso
Engenharia de Requisitos Estudo de Caso Auxiliadora Freire Fonte: Engenharia de Software 8º Edição / Ian Sommerville 2007 Slide 1 Engenharia de Requisitos Exemplo 1 Reserva de Hotel 1. INTRODUÇÃO Este
Leia maisInstalações Máquinas Equipamentos Pessoal de produção
Fascículo 6 Arranjo físico e fluxo O arranjo físico (em inglês layout) de uma operação produtiva preocupa-se com o posicionamento dos recursos de transformação. Isto é, definir onde colocar: Instalações
Leia maisIntrodução Visão Geral Processos de gerenciamento de qualidade. Entradas Ferramentas e Técnicas Saídas
Introdução Visão Geral Processos de gerenciamento de qualidade Entradas Ferramentas e Técnicas Saídas O que é qualidade? Qualidade é a adequação ao uso. É a conformidade às exigências. (ISO International
Leia maisManual SAGe Versão 1.2 (a partir da versão 12.08.01)
Manual SAGe Versão 1.2 (a partir da versão 12.08.01) Submissão de Relatórios Científicos Sumário Introdução... 2 Elaboração do Relatório Científico... 3 Submissão do Relatório Científico... 14 Operação
Leia maisManual do Painel Administrativo
Manual do Painel Administrativo versão 1.0 Autores César A Miggiolaro Marcos J Lazarin Índice Índice... 2 Figuras... 3 Inicio... 5 Funcionalidades... 7 Analytics... 9 Cidades... 9 Conteúdo... 10 Referência...
Leia maisNa medida em que se cria um produto, o sistema de software, que será usado e mantido, nos aproximamos da engenharia.
1 Introdução aos Sistemas de Informação 2002 Aula 4 - Desenvolvimento de software e seus paradigmas Paradigmas de Desenvolvimento de Software Pode-se considerar 3 tipos de paradigmas que norteiam a atividade
Leia maisAula 01 - Formatações prontas e condicionais. Aula 01 - Formatações prontas e condicionais. Sumário. Formatar como Tabela
Aula 01 - Formatações prontas e Sumário Formatar como Tabela Formatar como Tabela (cont.) Alterando as formatações aplicadas e adicionando novos itens Removendo a formatação de tabela aplicada Formatação
Leia maisCRM. Customer Relationship Management
CRM Customer Relationship Management CRM Uma estratégia de negócio para gerenciar e otimizar o relacionamento com o cliente a longo prazo Mercado CRM Uma ferramenta de CRM é um conjunto de processos e
Leia maisMRP II. Planejamento e Controle da Produção 3 professor Muris Lage Junior
MRP II Introdução A lógica de cálculo das necessidades é conhecida há muito tempo Porém só pode ser utilizada na prática em situações mais complexas a partir dos anos 60 A partir de meados da década de
Leia maisSistema de Controle de Solicitação de Desenvolvimento
Sistema de Controle de Solicitação de Desenvolvimento Introdução O presente documento descreverá de forma objetiva as principais operações para abertura e consulta de uma solicitação ao Setor de Desenvolvimento
Leia maisMATERIAL DIDÁTICO: APLICAÇÕES EMPRESARIAIS SISTEMA DE APOIO À DECISÃO (SAD)
AULA 07 MATERIAL DIDÁTICO: APLICAÇÕES EMPRESARIAIS SISTEMA DE APOIO À DECISÃO (SAD) JAMES A. O BRIEN MÓDULO 01 Páginas 286 à 294 1 AULA 07 SISTEMAS DE APOIO ÀS DECISÕES 2 Sistemas de Apoio à Decisão (SAD)
Leia maisEngenharia de Sistemas Computacionais
Engenharia de Sistemas Detalhes no planejamento UNIVERSIDADE FEDERAL DE ALAGOAS Curso de Ciência da Computação Engenharia de Software I Prof. Rômulo Nunes de Oliveira Introdução Na aplicação de um sistema
Leia maisCONCURSO PÚBLICO ANALISTA DE SISTEMA ÊNFASE GOVERNANÇA DE TI ANALISTA DE GESTÃO RESPOSTAS ESPERADAS PRELIMINARES
CELG DISTRIBUIÇÃO S.A EDITAL N. 1/2014 CONCURSO PÚBLICO ANALISTA DE GESTÃO ANALISTA DE SISTEMA ÊNFASE GOVERNANÇA DE TI RESPOSTAS ESPERADAS PRELIMINARES O Centro de Seleção da Universidade Federal de Goiás
Leia maisLEVANTAMENTO DE MERCADO E SEGMENTAÇÃO DE CLIENTES POR PRODUÇÃO AGRÍCOLA
LEVANTAMENTO DE MERCADO E SEGMENTAÇÃO DE CLIENTES POR PRODUÇÃO AGRÍCOLA Módulo CRM Siagri AgriBusiness Do ponto de vista tecnológico, o CRM é utilizado para coletar os dados dos clientes, armazená-los
Leia maisCapacidade = 512 x 300 x 20000 x 2 x 5 = 30.720.000.000 30,72 GB
Calculando a capacidade de disco: Capacidade = (# bytes/setor) x (méd. # setores/trilha) x (# trilhas/superfície) x (# superfícies/prato) x (# pratos/disco) Exemplo 01: 512 bytes/setor 300 setores/trilha
Leia maisIW10. Rev.: 02. Especificações Técnicas
IW10 Rev.: 02 Especificações Técnicas Sumário 1. INTRODUÇÃO... 1 2. COMPOSIÇÃO DO IW10... 2 2.1 Placa Principal... 2 2.2 Módulos de Sensores... 5 3. APLICAÇÕES... 6 3.1 Monitoramento Local... 7 3.2 Monitoramento
Leia maisMetodologias de Desenvolvimento de Sistemas. Analise de Sistemas I UNIPAC Rodrigo Videschi
Metodologias de Desenvolvimento de Sistemas Analise de Sistemas I UNIPAC Rodrigo Videschi Histórico Uso de Metodologias Histórico Uso de Metodologias Era da Pré-Metodologia 1960-1970 Era da Metodologia
Leia mais5 passos para. implementação. do código de barras IDENTIFIQUE CAPTURE COMPARTILHE
5 passos para implementação do código de barras IDENTIFIQUE CAPTURE COMPARTILHE O que é o código de Barras? Os números de identificação de um produto podem ser representados por meio de um código, possibilitando
Leia maisManual do Usuário Android Neocontrol
Manual do Usuário Android Neocontrol Sumário 1.Licença e Direitos Autorais...3 2.Sobre o produto...4 3. Instalando, Atualizando e executando o Android Neocontrol em seu aparelho...5 3.1. Instalando o aplicativo...5
Leia maisAMBIENTE PARA AUXILIAR O DESENVOLVIMENTO DE PROGRAMAS MONOLÍTICOS
UNIVERSIDADE REGIONAL DE BLUMENAU CENTRO DE CIÊNCIAS EXATAS E NATURAIS CURSO DE CIÊNCIAS DA COMPUTAÇÃO BACHARELADO AMBIENTE PARA AUXILIAR O DESENVOLVIMENTO DE PROGRAMAS MONOLÍTICOS Orientando: Oliver Mário
Leia maisAdministração de dados - Conceitos, técnicas, ferramentas e aplicações de Data Mining para gerar conhecimento a partir de bases de dados
Universidade Federal de Pernambuco Graduação em Ciência da Computação Centro de Informática 2006.2 Administração de dados - Conceitos, técnicas, ferramentas e aplicações de Data Mining para gerar conhecimento
Leia maisTOTVS Série 1 Varejo (Simples) - Módulo e-commerce
Novo Módulo disponível no TOTVS S1 Varejo: permissão de utilização através de licença específica. Mesmo não adquirindo a licença de uso do módulo ele continuará presente na tela do usuário. 1 Na opção
Leia maisSUMÁRIO Acesso ao sistema... 2 Atendente... 3
SUMÁRIO Acesso ao sistema... 2 1. Login no sistema... 2 Atendente... 3 1. Abrindo uma nova Solicitação... 3 1. Consultando Solicitações... 5 2. Fazendo uma Consulta Avançada... 6 3. Alterando dados da
Leia maisAnálise e Projeto Orientados a Objetos Aula IV Requisitos. Prof.: Bruno E. G. Gomes IFRN
Análise e Projeto Orientados a Objetos Aula IV Requisitos Prof.: Bruno E. G. Gomes IFRN 1 Introdução Etapa relacionada a descoberta e descrição das funcionalidades do sistema Parte significativa da fase
Leia maisFormatos de Imagem PNG. Universidade Federal de Minas Gerais. Bruno Xavier da Silva. Guilherme de Castro Leite. Leonel Fonseca Ivo
Universidade Federal de Minas Gerais Formatos de Imagem PNG Bruno Xavier da Silva Guilherme de Castro Leite Leonel Fonseca Ivo Matheus Silva Vilela Rafael Avelar Alves Belém Belo Horizonte, 5 de maio de
Leia maisUNIVERSIDADE FEDERAL DO PARANÁ UFPR Bacharelado em Ciência da Computação
SOFT DISCIPLINA: Engenharia de software AULA NÚMERO: 08 DATA: / / PROFESSOR: Andrey APRESENTAÇÃO O objetivo desta aula é apresentar e discutir conceitos relacionados a modelos e especificações. Nesta aula
Leia maisNotas da Aula 17 - Fundamentos de Sistemas Operacionais
Notas da Aula 17 - Fundamentos de Sistemas Operacionais 1. Gerenciamento de Memória: Introdução O gerenciamento de memória é provavelmente a tarefa mais complexa de um sistema operacional multiprogramado.
Leia maisGlossário Apresenta a definição dos termos, siglas e abreviações utilizadas no contexto do projeto Citsmart.
Apresenta a definição dos termos, siglas e abreviações utilizadas no contexto do projeto Citsmart. Versão 1.6 15/08/2013 Visão Resumida Data Criação 15/08/2013 Versão Documento 1.6 Projeto Responsáveis
Leia maisEngenharia de Software III
Engenharia de Software III Casos de uso http://dl.dropbox.com/u/3025380/es3/aula6.pdf (flavio.ceci@unisul.br) 09/09/2010 O que são casos de uso? Um caso de uso procura documentar as ações necessárias,
Leia maisUNIVERSIDADE FEDERAL DE SANTA CATARINA
UNIVERSIDADE FEDERAL DE SANTA CATARINA CIÊNCIAS DA COMPUTAÇÃO MÁQUINAS DE COMITÊ APLICADAS À FILTRAGEM DE SPAM Monografia submetida à UNIVERSIDADE FEDERAL DE SANTA CATARINA para a obtenção do grau de BACHAREL
Leia maisResolução de problemas e desenvolvimento de algoritmos
SSC0101 - ICC1 Teórica Introdução à Ciência da Computação I Resolução de problemas e desenvolvimento de algoritmos Prof. Vanderlei Bonato Prof. Cláudio Fabiano Motta Toledo Sumário Análise e solução de
Leia maisFábrica de Software 29/04/2015
Fábrica de Software 29/04/2015 Crise do Software Fábrica de Software Analogias costumam ser usadas para tentar entender melhor algo ou alguma coisa. A idéia é simples: compara-se o conceito que não se
Leia maisDistribuidor de Mobilidade GUIA OUTSOURCING
Distribuidor de Mobilidade GUIA OUTSOURCING 1 ÍNDICE 03 04 06 07 09 Introdução Menos custos e mais controle Operação customizada à necessidade da empresa Atendimento: o grande diferencial Conclusão Quando
Leia maisQFD: Quality Function Deployment QFD: CASA DA QUALIDADE - PASSO A PASSO
QFD: CASA DA QUALIDADE - PASSO A PASSO 1 - INTRODUÇÃO Segundo Akao (1990), QFD é a conversão dos requisitos do consumidor em características de qualidade do produto e o desenvolvimento da qualidade de
Leia maisUNIVERSIDADE FEDERAL DA BAHIA - UFBA
UNIVERSIDADE FEDERAL DA BAHIA - UFBA Instituto de Ciências Ambientais e Desenvolvimento Sustentável Prof. Pablo Santos 4 a Aula SISTEMA DE INFORMAÇÃO GEOGRÁFICA - SIG Introdução Definições Necessárias
Leia maisPlanejando o aplicativo
Um aplicativo do Visual FoxPro geralmente inclui um ou mais bancos de dados, um programa principal que configura o ambiente de sistema do aplicativo, além de uma interface com os usuários composta por
Leia maisManual Software Controle de Jukebox. Manual. Software Controle de Jukebox
Manual Software Controle de Jukebox Versão 1.0 2014 Sumário 1. Principais Características... 2 2. Software Controle de Jukebox... 3 I. Tela Principal... 4 1 Data Cobrança... 4 2 Linha... 4 3 Cobrador...
Leia mais2. Função Produção/Operação/Valor Adicionado
2. Função Produção/Operação/Valor Adicionado Conteúdo 1. Função Produção 3. Administração da Produção 1 Bibliografia Recomenda Livro Texto: Introdução à Administração Eunice Lacava Kwasnicka - Editora
Leia mais4 Segmentação. 4.1. Algoritmo proposto
4 Segmentação Este capítulo apresenta primeiramente o algoritmo proposto para a segmentação do áudio em detalhes. Em seguida, são analisadas as inovações apresentadas. É importante mencionar que as mudanças
Leia maisOficina de Multimédia B. ESEQ 12º i 2009/2010
Oficina de Multimédia B ESEQ 12º i 2009/2010 Conceitos gerais Multimédia Hipertexto Hipermédia Texto Tipografia Vídeo Áudio Animação Interface Interacção Multimédia: É uma tecnologia digital de comunicação,
Leia maisCorelDRAW 11 1. UM PROGRAMA DE DESIGN
CorelDRAW 11 1. UM PROGRAMA DE DESIGN Com o Corel você vai trabalhar com um dos aplicativos mais usados no campo do design e da auto-edição, já que permite operar com dois tipos de gráficos (vetoriais
Leia mais3 Metodologia de Previsão de Padrões de Falha
3 Metodologia de Previsão de Padrões de Falha Antes da ocorrência de uma falha em um equipamento, ele entra em um regime de operação diferente do regime nominal, como descrito em [8-11]. Para detectar
Leia maisTOTVS BA Guia de Customização Linha Logix
TOTVS BA Guia de Customização Linha Logix Guia de Customização Sumário Título do documento 1. Objetivo... 3 2. Introdução... 3 3. Customização... 3 2 TOTVS BA Linha Logix Guia de Customização Projeto/Versão:
Leia maisUFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS
UFGD FCA PROF. OMAR DANIEL BLOCO 6 CLASSIFICAÇÃO DE IMAGENS Obter uma imagem temática a partir de métodos de classificação de imagens multi- espectrais 1. CLASSIFICAÇÃO POR PIXEL é o processo de extração
Leia mais1. CAPÍTULO COMPUTADORES
1. CAPÍTULO COMPUTADORES 1.1. Computadores Denomina-se computador uma máquina capaz de executar variados tipos de tratamento automático de informações ou processamento de dados. Os primeiros eram capazes
Leia maisADMINISTRAÇÃO DE SISTEMAS DE INFORMAÇÃO (AULA 04)
Prof. Breno Leonardo Gomes de Menezes Araújo brenod123@gmail.com http://blog.brenoleonardo.com.br ADMINISTRAÇÃO DE SISTEMAS DE INFORMAÇÃO (AULA 04) 1 CRM Sistema de Relacionamento com clientes, também
Leia maisMontagem e Manutenção. Luís Guilherme A. Pontes
Montagem e Manutenção Luís Guilherme A. Pontes Introdução Qual é a importância da Montagem e Manutenção de Computadores? Sistema Binário Sistema Binário Existem duas maneiras de se trabalhar e armazenar
Leia maisGuia de Especificação de Caso de Uso Metodologia CELEPAR
Guia de Especificação de Caso de Uso Metodologia CELEPAR Agosto 2009 Sumário de Informações do Documento Documento: guiaespecificacaocasouso.odt Número de páginas: 10 Versão Data Mudanças Autor 1.0 09/10/2007
Leia maisImage Enable: conceito
Image Enable Gestão Eletrônica de Documentos - GED Image Enable: conceito Empresas possuem diversos sistemas para controlar suas operações Sistemas integrados de gestão; Sistemas de Recursos humanos, Contabilidade,
Leia maisMÓDULO 7 Modelo OSI. 7.1 Serviços Versus Protocolos
MÓDULO 7 Modelo OSI A maioria das redes são organizadas como pilhas ou níveis de camadas, umas sobre as outras, sendo feito com o intuito de reduzir a complexidade do projeto da rede. O objetivo de cada
Leia mais