Uma discussão sobre a aplicação de processo de KDD e técnicas de mineração de dados na indústria automobilística

Tamanho: px
Começar a partir da página:

Download "Uma discussão sobre a aplicação de processo de KDD e técnicas de mineração de dados na indústria automobilística"

Transcrição

1 Uma discussão sobre a aplicação de processo de KDD e técnicas de mineração de dados na indústria automobilística Prof. Adriano Soares de Barros (FATEC) Prof. Dr. Fernando Celso de Campos (UNIMEP) Resumo: Quando se pensa em um carro, a idéia é de um veículo pouco poluente e com formas alternativas de combustível. A indústria automotiva confirma estas profecias, mas também dá pistas que os carros serão bastante silenciosos. As montadoras precisam desenvolver os automóveis velozmente e com qualidade, devido ao alto nível de concorrência existente, pois existem muitos produtos disponíveis ao consumidor final no mercado atualmente. Devidas estas necessidades criou-se uma subárea na engenharia mecânica, chamada pela sigla NVH (Noise/Vibration/Harshness) que tem como objetivo reduzir os ruídos e vibração dos automóveis. Atualmente existem várias ferramentas para tratamento de dados gerados pelos testes de NVH, mas, há a necessidade de se aplicar ferramentas como o KDD (Knowledge Discovery and Data Mining) de forma que o profissional possa analisar e tomar decisões com maior precisão e rapidez os dados fornecidos pelos equipamentos de aquisição de dados, proporcionando diferencial competitivo no desenvolvimento de produtos com relação aos concorrentes. Neste artigo discute-se a viabilidade da criação de uma ferramenta de KDD para dados de NVH, mostrando um estudo de caso de uma montadora que obteve ganhos competitivos aplicando fases do processo de KDD sobre o processo de análise de dados de NVH. Palavras-chave: Automação; Sensores; Indústria Automotiva. 1. Introdução Estrategicamente é muito interessante para as montadoras conhecer características dos seus produtos para que elas possam localizá-lo no mercado consumidor. O objetivo principal é justamente criar uma identidade para o produto de forma que este se encaixe com a sua marca. Cada montadora procura dirigir seus produtos para um nicho de mercado de acordo com suas estratégias. Uma montadora pode desejar passar uma imagem de conforto, de robustez, de esportividade, entre outros. De maneira geral, o acerto do automóvel para estas características não é uma tarefa fácil, principalmente pela necessidade de se fazer muitas medições e testes para que se possa moldar o veículo para que este apresente as características desejadas. Uma das principais características para se criar esta identidade do automóvel é o pacote acústico que ele possui, de forma que o produto possa ser identificado através de seu funcionamento. Para que isto ocorra muitas medições de ruído e vibração se faz necessárias. Além disto, estas medições de ruído e vibração evita que um automóvel esportivo, por exemplo, se torne excessivamente silencioso ou excessivamente macio o que estragaria a imagem que o produto deseja passar. Por outro lado, o veículo deve respeitar as leis de trânsito e não possuir ruídos indesejáveis. Para que este ponto seja alcançado grandes quantidades de informações são aquisitadas por sensores como microfones e acelerômetros e depois analisadas. O grande volume destas informações acaba exigindo grandes esforços de analistas para conseguir identificar o ponto exato em termos de ruído e vibração que se deseja alcançar. Neste artigo propõe-se que, para facilitar o processo de acerto das características acústicas do automóvel, utilize-se da ferramenta de KDD (Knowledge Discovery in Databases) que é um 1

2 processo que tem como objetivo reduzir o tempo de análise de grandes volumes de dados. Assim sendo o resultado que se deseja chegar é a redução do tempo de projeto de novos produtos o que tornaria a montadora mais agressiva diante da concorrência. 2. O Processo de KDD A descoberta de conhecimento em base de dados (KDD) é o processo de extração de conhecimento novo, útil e interessante a partir de bases de dados. Este processo tem natureza iterativa e interativa e é composto por uma série de atividades mostradas na figura 1. A mineração de dados, por sua vez, pode ser considerada o núcleo do processo de KDD, consistindo na aplicação de algoritmos de extração de padrões de comportamento e tendências a partir de dados. Os padrões extraídos pelo KDD são dados que possuem uma certa semelhança com relação a algum aspecto, como por exemplo: a divisão dos clientes de um banco em baixo, médio e alto risco para empréstimos, de acordo com os antecedentes destes clientes. O processo de KDD vem se tornando mais comum e tendo desdobramentos relevantes em relação aos processos de tomada de decisão - operacional, gerencial e estratégica. Esses desdobramentos vêm influenciando na tomada de decisões permitindo que estas decisões se tornem mais seguras. Esta segurança é proporcionada por dados estatísticos baseados em experiências anteriores. O KDD é o responsável por descobrir estes dados estatísticos dentro de bancos de dados institucionais. Em sua pesquisa, Carvalho (2000) afirma que o objetivo do processo de KDD é tornar grandes volumes de dados em padrões compreensíveis às pessoas, visando facilitar uma melhor interpretação dos dados existentes. Segundo Zhang et al. (2003), existem 5 fases no processo de KDD, que são organizadas conforme ilustrado na Figura 1. Estas 5 fases são comentadas a seguir. Figura 1: Fases do processo de KDD Fonte: Adaptado de Carvalho (2000) Na fase da seleção, busca-se identificar o subconjunto de atributos sobre o qual o KDD deverá atuar, facilitando o trabalho dos algoritmos responsáveis pela tarefa de organização e ordenação dos dados. Os dados utilizados em NVH (noise, vibration and harshness) na área automotiva, geralmente, se formam devido à necessidade de se registrar o comportamento do veículo durante as atividades diárias, como por exemplo, atividades de estacionamento, ultrapassagem e cruzeiro. Estes dados são coletados por medições feitas pelos sensores, principalmente acelerômetros, microfones e tacômetro. Nesse contexto, nem todos os dados armazenados podem interessar ao processo de KDD e, assim, caberá à fase de seleção identificar quais são os dados relevantes. Para Rodrigues Filho (2001), a fase de pré-processamento e limpeza corresponde a atividades que visam gerar uma representação conveniente dos dados. Nesta fase, procura-se fazer as atividades de conversão dos dados provenientes de diferentes fontes, para que estes possam 2

3 ser lidos e processados por um único sistema gerenciador de banco de dados (SGBD). A fase de transformação é implementada por meio de um processamento dos dados, visando organizar os dados para facilitar o trabalho realizado pelas fases posteriores do processo de KDD. Rodrigues Filho (2001) verificou que essa fase pode tomar até 80% do tempo necessário para todo o processo de análise, devido às dificuldades de integração de bases de dados com estruturas heterogêneas. A fase de data mining (ou mineração de dados), conforme Carvalho (2000), trata-se de um conjunto de técnicas reunidas da Estatística e da Inteligência Artificial (AI) com o objetivo específico de descobrir conhecimento novo, que porventura esteja escondido em grandes massas de dados armazenadas em bancos de dados. Rodrigues (2001) explica que a mineração de dados procura uma série de padrões escondidos nos dados, freqüentemente envolvendo uma aplicação iterativa e repetitiva de métodos de mineração de dados. Com o auxílio da mineração de dados, podem-se desenvolver aplicações que mostrem de maneira gráfica informações críticas, com o objetivo de estreitar ainda mais o relacionamento das organizações com seus consumidores finais ou a identificação, também em modo gráfico, de problemas da produção que acabam passando despercebidos. Na fase de interpretação das informações, segundo Rodrigues Filho (2001), a informação extraída é analisada em relação ao objetivo de suporte à decisão do usuário final, sendo as melhores informações identificadas e apresentadas. Dessa forma, o propósito do resultado não é somente visualizar (graficamente ou logicamente) o resultado da fase de mineração de dados, mas também filtrar a informação que será apresentada, eliminando possíveis ruídos que poderão surgir no processo. Exemplos de ruídos são informações do tipo "apenas as vacas pariram" ou "todas as cobaias que vieram a morrer bebiam água", que são consideradas como ruído por serem informações de difícil análise e compreensão pelo usuário, devido ao fato de serem imprecisas. Um exemplo de ruído na área de NVH seria problemas com a transmissão de dados do sensor até o equipamento de aquisição, gerando picos nos gráficos. 3. Uso do processo de KDD para dados de NVH Os automóveis precisam de energia para funcionar, conseqüentemente existia, e existe ainda, uma grande ênfase na descoberta de novas fontes de energia para movê-los. Jee & Jung (2000) cita que não havia grandes preocupações das montadoras com o ruído e vibração que os automóveis produziam. Assim, os automóveis foram se desenvolvendo, até o momento que as diversas montadoras chegaram a um nível muito alto de concorrência, pois, estes fabricam produtos iguais e o que faria que um comprador escolhesse o produto de uma determinada marca e não de um concorrente? Para El-Essawi & Lin (2004) o diferencial é a resposta, o conforto que este produto oferece, ruído baixo ou agradável aos ouvidos, funcionamento preciso e macio. Com estas necessidades, segundo Shaw & Moessen et.al. (2003), criou-se uma área da engenharia mecânica, chamada pela sigla NVH que tem como objetivo, na área automotiva, de eliminar os ruídos e vibração dos automóveis de forma que estes se tornem mais atraentes, seguros e confortáveis. Conforme Jee & Jung (2000) existem diversos sensores que conseguem captar ruídos e vibrações e transformar em pulsos elétricos, estes pulsos elétricos são aquisitados geralmente por um computador que os converte em números decimais em um arquivo no formato texto. 3

4 Figura 2 Foto do equipamento de aquisição - Fonte: Schillemeit & Cucuz(2002) Por exemplo, no equipamento mostrado na figura 2 as aquisições ocorrem normalmente numa freqüência de hertz (Hz) sendo 1 Hz, segundo o dicionário Michaelis (2005), uma unidade de medida que equivale a um ciclo por segundo. Conseqüentemente em um segundo de teste aquisita-se medidas de som, por exemplo, que são números com precisão de 15 casas decimais, através de um único canal. O número mínimo de canais de aquisição é 16 e máximo de 512, no equipamento mostrado na figura 2. Para se mapear o comportamento acústico de um veículo, por padrão, faz-se uma aquisição de 30 segundos gerando um banco de dados de registros para um único canal de aquisição, podendo este número chegar registros para uma análise completa dos 512 canais possíveis para aquisição. Logo, o volume de dados gerados a partir dessa rodada de testes NVH é muito grande para serem analisados por analistas humanos e muitos detalhes passam despercebidos devido à falta da realização do processo de KDD. Assim o KDD pode se comportar como uma ferramenta computacional direcionada para se extrair mais informações do que apenas alguns relatórios textuais, rotineiros e listagens inertes. Schillemeit & Cucuz (2002) explicam que existe uma grande dificuldade para transformar o grande volume de dados gerados pelos sensores de aquisição de ruído e vibração em um relatório passível de análise por um pesquisador ou engenheiro da área. Daí a necessidades de se construir rotinas para tratamento e análise destes dados. Jönsson & Edström (2001) informam que atualmente existem várias ferramentas para tratamento de dados de NVH, mas, nenhuma delas são ferramentas para uso em uma sala de reunião, por exemplo, principalmente pelo volume de dados necessários para que estas ferramentas funcionem. Há a necessidade de se aplicar à ferramenta de KDD nos dados gerados por estas ferramentas de forma que estes sejam mais legíveis facilitando assim a tomada de decisões. 4. Sistema proposto O sistema exemplo tem a finalidade de propor uma aplicação de uma ferramenta de KDD em dados aquisitado para NVH. O sistema realizará as fases do KDD confeccionando um relatório que normalmente é feito pelos técnicos responsáveis pela análise dos dados aquisitados. O sistema proposto nasceu de uma necessidade em uma empresa automotiva, na qual existia um gargalo com o alto tempo da geração de relatórios para análise de dados para a área de NVH, cerca de 16 horas (ou 2 dias de trabalho). Esse tempo de geração de relatórios atravancava o processo de tratamento de dados do equipamento PROSIG que faz aquisições de ruídos e vibração em bancadas de testes de componentes mecânicos. 4

5 Este equipamento possui um software especialista que traduz os dados aquisitados pelos acelerômetros, microfones e tacômetro para um formato que possa ser manipulado por usuários comuns. Koko (2002) cita em seu trabalho que software especialista é um programa de computador criado especificamente para uma finalidade, tornando inviável a utilização deste software para outros fins se não ao que ele foi criado. O software para controle de tornos CNC é um exemplo de software especialista. O software de aquisição de dados do PROSIG cria um arquivo no formato texto (TXT) para registrar as informações registradas pelos sensores. A grande dificuldade é justamente a importação dos arquivos TXT. Além destas operações existem outras como a filtragem e ordenação dos dados, cálculos estatísticos, geração dos relatórios e geração dos gráficos que são feitos todos no Excel em um processo quase que artesanal. Todo este processo gera imperfeições principalmente com relação a dificuldades de não se esquecer de importar para o Excel nenhum dos inúmeros arquivos TXT que são gerados para cada canal e para cada corrida. Por exemplo, em uma configuração comum utiliza-se 120 canais e 15 corridas para se realizar um teste, conseqüentemente serão criados 1800 arquivos TXT para cada teste feito em um equipamento como o mostrado na figura 2. Criou-se um sistema em linguagem Visual Basic Application (VBA) para Excel. O sistema deverá automatizar os processos manuais que o software do equipamento de aquisição não realiza. 5. Funcionamento do sistema O sistema criado é bastante simples de operar, toda a programação foi feita na linguagem nativa do Excel que é a VBA. Um dos sistemas mais utilizados é o de Runup-down, que consiste em mapear o comportamento do automóvel em termos de ruído e vibração desde a rotação de 1000 RPM até o regime máximo de rotação do motor, no caso do teste Runup ou do nível máximo de rotação até 1000 RPM no caso do Rundown. Os dados selecionados, pré-processados e transformados ficam com a aparência mostrada na figura 3 que mostra o resultado do trabalho realizado pelo VBA sobre os dados aquisitados pelo equipamento. Figura 3 Arquivo em análise gerada pelo sistema, a partir dos arquivos.txt Na Figura 4, mostra-se um gráfico gerado pelo Excel através da linguagem VBA. O gráfico mostra o comportamento sonoro de um automóvel em um teste de rundown. Neste teste mede-se a porcentagem de audição de uma pessoa em cada faixa de rotação. Analisando 5

6 o gráfico verifica-se que a 1000 RPM a pessoa tem uma audição de quase 100% e a 6500 RPM a pessoa tem apenas 40% da sua capacidade de audição em uma conversação, por exemplo. Figura 4: Representação gráfica de uma corrida Runup Os cálculos de AI cujos resultados são mostrados nas figuras 3 e 4 eram os mais demorados para serem feitos pelos técnicos e o risco de esquecimentos e falhas era muito alto, torno de 25% dos relatórios deste tipo eram gerados com falhas de importação de arquivos. Hoje as falhas são muito raras e geralmente causadas por falhas do equipamento e não por falha da análise feita pelo VBA. Todo o processo de tratamento de dados foi automatizado em linguagem VBA e implementado no setor de NVH para tratamento dos dados aquisitados com o equipamento PROSIG. Como conseqüência da implementação do sistema, agilizou-se o processo de tratamento de dados para a área de NVH, tornando-a mais competitiva com relação a áreas similares das montadoras concorrentes, obtendo-se ganhos estratégicos com o lançamento de novos modelos mais rapidamente e com maior qualidade. Numericamente verificou-se o aumento da capacidade de realização de testes para NVH em 25% e a capacidade de tratamento de dados em 50%. O tempo de geração dos relatórios que antes era de 16 horas (cerca de 2 dias de trabalho) passou, desse modo, a ser 4 horas (ou seja, meio dia de trabalho), representando um ganho de 75% em termos de tempo. Em conseqüência destas melhorias o tempo gasto para o tratamento de dados foi reduzido e os técnicos podem realizar a instrumentação para o teste com maior qualidade devido ao aumento da disponibilidade de tempo. Eliminaram-se diversos pontos passíveis de falha humana aumentando a qualidade e confiabilidade dos relatórios gerados pela área de NVH. Citem-se, por exemplo, alguns pontos de falha humana: Processo de importação de dados TXT para o formato Excel: por cansaço da rotina de "puxar e colar" a ocorrência de erros aumentava significativamente; Processo de geração de gráficos: montagem desorganizada de gráficos não favorecendo a visualização correta dos dados; Não realização de cálculos que impediam uma abrangência maior do teste. Todas estas falhas humanas foram eliminadas pelo sistema provocando ganhos de qualidade de serviços e economia de recursos financeiros gastos com equipamentos novos e pessoal qualificado. A tela principal do sistema, mostrada na figura 5, é de fácil utilização, permitindo que até 6

7 mesmo pessoas leigas consigam operá-lo. Figura 5 Tela principal do sistema 6. Conclusões Devido aos "apelos da modernidade" do mercado consumidor de veículos, consonante aos avanços tecnológicos e somando-se uma grande quantidade de informação de relacionamento (CRM) disponível, torna-se imprescindível focar em estratégias de produção que atinjam diretamente o desenvolvimento de produtos com atenção e cuidado que um qualificador de pedido merece. Visa-se, então, a criação de uma identidade para o produto relacionando-o com a marca que representa e dirigindo-o para um nicho de mercado de acordo com suas estratégias. Conceitos como conforto, robustez, esportividade, entre outros, podem ser explorados, estudados, testados, realizados a partir de análises NVH. Essas análises podem proporcionar para a engenharia de produto meios de interferir nas características do veículo alterando ou inserindo itens e componentes no seu projeto. A partir desses encaminhamentos surge um montante de informações advindas das análises NVH que precisam ser tratadas, agrupadas, plotadas em gráficos de tendências, para uma visão mais objetiva, clara e precisa, para que a área de engenharia de produto, tenha seus históricos analíticos e os resultados das alterações e intervenções, refazendo-se o ciclo de testes até se atingir um nível satisfatório de conforto acústico e "dirigibilidade" (no sentido de dureza, rigidez, grau de dificuldade de manipular alavancas e comandos do veículo). A ferramenta proposta foi desenvolvida nos moldes do processo de KDD, levando-se em consideração as fases: seleção, pré-processamento e limpeza, transformação. Um grande acréscimo de qualidade foi alcançado com a implementação da ferramenta, permitindo a produção de testes com maior confiabilidade e produtividade de análises. O tempo gasto para geração de relatórios foi minimizado permitindo-se redução de custos sensíveis pela empresa, principalmente com gastos relacionados com o pagamento de técnicos para confeccionar o relatório, que era um processo lento e demorado - numa palavra - artesanal. A qualidade dos testes aumentou significativamente, pois, as falhas provocadas pelo stress gerado nas tarefas repetitivas foram eliminadas. Também, a padronização das planilhas e 7

8 gráficos gerados pelo VBA facilitou a tarefa de análise das informações pelo engenheiro requisitante do teste. Pelo montante de informações aquisitadas a partir dos sensores de NVH conclui-se que atualmente ainda existe grande necessidade de automação de atividades burocráticas relativas à administração de resultados dos testes, por exemplo: análises diversificadas de dados, laudos técnicos, documentação para homologação de veículos (similar ao habite-se de residências, é como um usa-se para veículos), entre outros. Verifica-se que processos repetitivos poderiam ser realizados por recursos computacionais, permitindo que técnicos e engenheiros ocupem-se mais com tarefas técnicas ao invés de burocráticas, ganhando na qualidade e precisão dos processos de análise e suporte à engenharia de produto. 7. Referências Bibliográficas CARVALHO, L.A.V. Data Mining - A Mineração de Dados no Marketing, Medicina, Economia, Engenharia e Admininstração, 1ª Edição. Rio de Janeiro: Editora Érica, p. EL-ESSAWI M., LIN J. Z., et.al. Analytical Predictions and Correlation With Physical Tests for Potential Buzz, Squeak, and Rattle Regions in a Cockpit Assembly, SAE World Congress Detroit, Michigan March 8-11, 2004 FAYYAD, U., et.al. Information Visualization in Data Mining and Knowledge Discovery, Academic Press, san Diego, CA , USA, ISBN , 2002 JEE T., JUNG S. Analysis of Structure-borne Noise and Structural Dynamic Modification, Fisita World Automotive Congress, Seoul, Korea, 2000 KEOGH E., et.al. Towards Parameter-Free Data Mining, KDD '04,Seattle, WA, U.S.A., 2004 KOKO, B. The MSC. Software Simulation Data Management Initiative, Conference Proceedings for the 3rd Worldwide MSC. Software Aerospace Conference & Technology Showcase, April 8th -10 th, KUSIAK A. Selection of Invariant Objects With a Data-Mining Approach, IEEE transactions on electronics packaging manufacturing, vol. 28, no. 2, april 2005 LINDELL Y., PINKAS B. Privacy Preserving Data Mining, Department of Computer Science Weizmann Institute of Science Rehovot, Israel, 2002 MICHAELIS Moderno Dicionário da Língua Portuguesa, Editora Melhoramentos, 2005 NAVEGA S. Princípios Essenciais do Data Mining, Publicado nos Anais do Infoimagem 2002 RODRIGUES J. A. F. Data Mining: Conceitos, Técnicas e Aplicação, Dissertação para obtenção do título de Mestre em Engenharia -Escola Politécnica da Universidade de São Paulo, SCHILLEMEIT B. & CUCUZ S. Comparison of Experimental NVH Analysis Techniques on Automotive HVAC Systems, SAE Technical Paper Series, 2002 SHAW C.E., et.al. - A Correlation Study of Computational Techniques to Model Engine Air Induction System Response Including BEM, FEM and 1D Methods, SAE Technical Paper Series, 2003 SOIBELMAN L. et.al. Data Preparation Process for Construction Knowledge Generation Knowledge Discovery in Databases, Journal Of Computing In Civil Engineering, January 2002 through STENTI A., et.al. Dynamic modeling of car door weather seals: A first outline, Proceedings of the SAE Noise & Vibration Conference, Traverse City, Michigan, Paper No , 2004 ZHANG C. & ZHANG S. An agent-based hybrid framework for database mining, Faculty of InformationTechnology, UTS, Sydney, Australia,

FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO

FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO @ribeirord FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO Rafael D. Ribeiro, M.Sc,PMP. rafaeldiasribeiro@gmail.com http://www.rafaeldiasribeiro.com.br Lembrando... Aula 4 1 Lembrando... Aula 4 Sistemas de apoio

Leia mais

Planejamento Estratégico de TI. Prof.: Fernando Ascani

Planejamento Estratégico de TI. Prof.: Fernando Ascani Planejamento Estratégico de TI Prof.: Fernando Ascani Data Warehouse - Conceitos Hoje em dia uma organização precisa utilizar toda informação disponível para criar e manter vantagem competitiva. Sai na

Leia mais

MINERAÇÃO DE DADOS EDUCACIONAIS: UM ESTUDO DE CASO APLICADO AO PROCESSO SELETIVO DO IFSULDEMINAS CÂMPUS MUZAMBINHO

MINERAÇÃO DE DADOS EDUCACIONAIS: UM ESTUDO DE CASO APLICADO AO PROCESSO SELETIVO DO IFSULDEMINAS CÂMPUS MUZAMBINHO MINERAÇÃO DE DADOS EDUCACIONAIS: UM ESTUDO DE CASO APLICADO AO PROCESSO SELETIVO DO IFSULDEMINAS CÂMPUS MUZAMBINHO Fernanda Delizete Madeira 1 ; Aracele Garcia de Oliveira Fassbinder 2 INTRODUÇÃO Data

Leia mais

Aplicativo de Mineração de Dados Aplicado em Bases de Dados Acadêmicas

Aplicativo de Mineração de Dados Aplicado em Bases de Dados Acadêmicas 22 - Encontro Anual de Tecnologia da Informação Aplicativo de Mineração de Dados Aplicado em Bases de Dados Acadêmicas Elisa Maria Vissotto1, Adriane Barbosa Camargo2 1 Universidade Regional Integrada

Leia mais

SISTEMAS DE INFORMAÇÃO GERENCIAL

SISTEMAS DE INFORMAÇÃO GERENCIAL SISTEMAS DE INFORMAÇÃO GERENCIAL 2015 Sabemos que as empresas atualmente utilizam uma variedade muito grande de sistemas de informação. Se você analisar qualquer empresa que conheça, constatará que existem

Leia mais

APLICAÇÃO DE MINERAÇÃO DE DADOS PARA O LEVANTAMENTO DE PERFIS: ESTUDO DE CASO EM UMA INSTITUIÇÃO DE ENSINO SUPERIOR PRIVADA

APLICAÇÃO DE MINERAÇÃO DE DADOS PARA O LEVANTAMENTO DE PERFIS: ESTUDO DE CASO EM UMA INSTITUIÇÃO DE ENSINO SUPERIOR PRIVADA APLICAÇÃO DE MINERAÇÃO DE DADOS PARA O LEVANTAMENTO DE PERFIS: ESTUDO DE CASO EM UMA INSTITUIÇÃO DE ENSINO SUPERIOR PRIVADA Lizianne Priscila Marques SOUTO 1 1 Faculdade de Ciências Sociais e Aplicadas

Leia mais

Prof. Msc. Paulo Muniz de Ávila

Prof. Msc. Paulo Muniz de Ávila Prof. Msc. Paulo Muniz de Ávila O que é Data Mining? Mineração de dados (descoberta de conhecimento em bases de dados): Extração de informação interessante (não-trivial, implícita, previamente desconhecida

Leia mais

Administração de dados - Conceitos, técnicas, ferramentas e aplicações de Data Mining para gerar conhecimento a partir de bases de dados

Administração 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 mais

Revista ISSN 2179-5037

Revista ISSN 2179-5037 144 Revista ISSN 2179-5037 Aplicação de Data Mining na área de CRM como ferramenta gerencial para tomada de decisão em empresas modernas Jefferson Borges Araujo Sandra Eugenio Pereira UNIABEU RESUMO: Este

Leia mais

Sistema de mineração de dados para descobertas de regras e padrões em dados médicos

Sistema de mineração de dados para descobertas de regras e padrões em dados médicos Sistema de mineração de dados para descobertas de regras e padrões em dados médicos Pollyanna Carolina BARBOSA¹; Thiago MAGELA² 1Aluna do Curso Superior Tecnólogo em Análise e Desenvolvimento de Sistemas

Leia mais

Aula 15. Tópicos Especiais I Sistemas de Informação. Prof. Dr. Dilermando Piva Jr.

Aula 15. Tópicos Especiais I Sistemas de Informação. Prof. Dr. Dilermando Piva Jr. 15 Aula 15 Tópicos Especiais I Sistemas de Informação Prof. Dr. Dilermando Piva Jr. Site Disciplina: http://fundti.blogspot.com.br/ Conceitos básicos sobre Sistemas de Informação Conceitos sobre Sistemas

Leia mais

Business Intelligence para Alavancar as Vendas de Automóveis

Business Intelligence para Alavancar as Vendas de Automóveis Business Intelligence para Alavancar as Vendas de Automóveis Prof. Adriano Soares de Barros (FATEC) adriano@fatectatui.edu.br Resumo: A indústria automotiva é muito variável. Fatores como globalização,

Leia mais

Gestão do Conhecimento: Extração de Informações do Banco de Dados de um Supermercado

Gestão do Conhecimento: Extração de Informações do Banco de Dados de um Supermercado Gestão do Conhecimento: Extração de Informações do Banco de Dados de um Supermercado Alessandro Ferreira Brito 1, Rodrigo Augusto R. S. Baluz 1, Jean Carlo Galvão Mourão 1, Francisco das Chagas Rocha 2

Leia mais

Extração de Conhecimento a partir dos Sistemas de Informação

Extração de Conhecimento a partir dos Sistemas de Informação Extração de Conhecimento a partir dos Sistemas de Informação Gisele Faffe Pellegrini & Katia Collazos Grupo de Pesquisa em Eng. Biomédica Universidade Federal de Santa Catarina Jorge Muniz Barreto Prof.

Leia mais

Professor: Disciplina:

Professor: Disciplina: Professor: Curso: Esp. Marcos Morais de Sousa marcosmoraisdesousa@gmail.com Sistemas de informação Disciplina: Introdução a SI Noções de sistemas de informação Turma: 01º semestre Prof. Esp. Marcos Morais

Leia mais

INSTITUTO VIANNA JÚNIOR LTDA FACULADE DE CIENCIAS ECONOMICAS VIANNA JUNIOR DATA MINING - EXTRAÇÃO E EXPLORAÇÃO DE CONHECIMENTO.

INSTITUTO VIANNA JÚNIOR LTDA FACULADE DE CIENCIAS ECONOMICAS VIANNA JUNIOR DATA MINING - EXTRAÇÃO E EXPLORAÇÃO DE CONHECIMENTO. INSTITUTO VIANNA JÚNIOR LTDA FACULADE DE CIENCIAS ECONOMICAS VIANNA JUNIOR DATA MINING - EXTRAÇÃO E EXPLORAÇÃO DE CONHECIMENTO. Lúcia Helena de Magalhães 1 Márcio Aarestrup Arbex 2 Resumo Este artigo tem

Leia mais

Padronização de Processos: BI e KDD

Padronização de Processos: BI e KDD 47 Padronização de Processos: BI e KDD Nara Martini Bigolin Departamento da Tecnologia da Informação -Universidade Federal de Santa Maria 98400-000 Frederico Westphalen RS Brazil nara.bigolin@ufsm.br Abstract:

Leia mais

Mineração de Dados: Introdução e Aplicações

Mineração de Dados: Introdução e Aplicações Mineração de Dados: Introdução e Aplicações Luiz Henrique de Campos Merschmann Departamento de Computação Universidade Federal de Ouro Preto luizhenrique@iceb.ufop.br Apresentação Luiz Merschmann Engenheiro

Leia mais

Detecção de Tentativas de Intrusão em Sistemas por Análise de Tráfego de Rede

Detecção de Tentativas de Intrusão em Sistemas por Análise de Tráfego de Rede Detecção de Tentativas de Intrusão em Sistemas por Análise de Tráfego de Rede Emiliano F. Castejon Instituto Nacional de Pesquisas Espaciais Laboratório Associado de Computação castejon@lac.inpe.br Antonio

Leia mais

Por que o gerenciamento de ativos de software é tão difícil e como simplificá-lo

Por que o gerenciamento de ativos de software é tão difícil e como simplificá-lo DOCUMENTAÇÃO TÉCNICA Melhores práticas de gerenciamento de ativos de software JUNHO DE 2013 Por que o gerenciamento de ativos de software é tão difícil e como simplificá-lo John Fulton CA IT Business Management

Leia mais

CONSIDERAÇÕES SOBRE ATIVIDADES DE IDENTIFICAÇÃO, LOCALIZAÇÃO E TRATAMENTO DE DADOS NA CONSTRUÇÃO DE UM DATA WAREHOUSE

CONSIDERAÇÕES SOBRE ATIVIDADES DE IDENTIFICAÇÃO, LOCALIZAÇÃO E TRATAMENTO DE DADOS NA CONSTRUÇÃO DE UM DATA WAREHOUSE CONSIDERAÇÕES SOBRE ATIVIDADES DE IDENTIFICAÇÃO, LOCALIZAÇÃO E TRATAMENTO DE DADOS NA CONSTRUÇÃO DE UM DATA WAREHOUSE Fabio Favaretto Professor adjunto - Programa de Pós Graduação em Engenharia de Produção

Leia mais

No mundo atual, globalizado e competitivo, as organizações têm buscado cada vez mais, meios de se destacar no mercado. Uma estratégia para o

No mundo atual, globalizado e competitivo, as organizações têm buscado cada vez mais, meios de se destacar no mercado. Uma estratégia para o DATABASE MARKETING No mundo atual, globalizado e competitivo, as organizações têm buscado cada vez mais, meios de se destacar no mercado. Uma estratégia para o empresário obter sucesso em seu negócio é

Leia mais

SISTEMAS DE APOIO À DECISÃO SAD

SISTEMAS DE APOIO À DECISÃO SAD SISTEMAS DE APOIO À DECISÃO SAD Conceitos introdutórios Decisão Escolha feita entre duas ou mais alternativas. Tomada de decisão típica em organizações: Solução de problemas Exploração de oportunidades

Leia mais

Mineração de Dados Meteorológicos pela Teoria dos Conjuntos Aproximativos para Aplicação na Previsão de Precipitação Sazonal

Mineração de Dados Meteorológicos pela Teoria dos Conjuntos Aproximativos para Aplicação na Previsão de Precipitação Sazonal Anais do CNMAC v.2 ISSN 1984-820X Mineração de Dados Meteorológicos pela Teoria dos Conjuntos Aproximativos para Aplicação na Previsão de Precipitação Sazonal Juliana Aparecida Anochi Instituto Nacional

Leia mais

SISTEMAS DE APRENDIZADO PARA A IDENTIFICAÇÃO DO NÚMERO DE CAROÇOS DO FRUTO PEQUI LEARNING SYSTEMS FOR IDENTIFICATION OF PEQUI FRUIT SEEDS NUMBER

SISTEMAS DE APRENDIZADO PARA A IDENTIFICAÇÃO DO NÚMERO DE CAROÇOS DO FRUTO PEQUI LEARNING SYSTEMS FOR IDENTIFICATION OF PEQUI FRUIT SEEDS NUMBER SISTEMAS DE APRENDIZADO PARA A IDENTIFICAÇÃO DO NÚMERO DE CAROÇOS DO FRUTO PEQUI Fernando Luiz de Oliveira 1 Thereza Patrícia. P. Padilha 1 Conceição A. Previero 2 Leandro Maciel Almeida 1 RESUMO O processo

Leia mais

Engenharia de Software Introdução. Ricardo Argenton Ramos UNIVASF Engenharia de Software I - Aula 1

Engenharia de Software Introdução. Ricardo Argenton Ramos UNIVASF Engenharia de Software I - Aula 1 Engenharia de Software Introdução Ricardo Argenton Ramos UNIVASF Engenharia de Software I - Aula 1 Tópicos Apresentação da Disciplina A importância do Software Software Aplicações de Software Paradigmas

Leia mais

Estudo e Análise da Base de Dados do Portal Corporativo da Sexta Região da Polícia Militar com vista à aplicação de Técnicas de Mineração de Dados1

Estudo e Análise da Base de Dados do Portal Corporativo da Sexta Região da Polícia Militar com vista à aplicação de Técnicas de Mineração de Dados1 Estudo e Análise da Base de Dados do Portal Corporativo da Sexta Região da Polícia Militar com vista à aplicação de Técnicas de Mineração de Dados1 Rafaela Giroto, 10º módulo de Ciência da Computação,

Leia mais

Unidade III PRINCÍPIOS DE SISTEMAS DE. Prof. Luís Rodolfo

Unidade III PRINCÍPIOS DE SISTEMAS DE. Prof. Luís Rodolfo Unidade III PRINCÍPIOS DE SISTEMAS DE INFORMAÇÃO Prof. Luís Rodolfo Vantagens e desvantagens de uma rede para a organização Maior agilidade com o uso intenso de redes de computadores; Grandes interações

Leia mais

Extensão do WEKA para Métodos de Agrupamento com Restrição de Contigüidade

Extensão do WEKA para Métodos de Agrupamento com Restrição de Contigüidade Extensão do WEKA para Métodos de Agrupamento com Restrição de Contigüidade Carlos Eduardo R. de Mello, Geraldo Zimbrão da Silva, Jano M. de Souza Programa de Engenharia de Sistemas e Computação Universidade

Leia mais

OTIMIZAÇÃO DA GESTÃO PÚBLICA ATRAVÉS DE TÉCNICAS DE BUSINESS INTELLIGENCE

OTIMIZAÇÃO DA GESTÃO PÚBLICA ATRAVÉS DE TÉCNICAS DE BUSINESS INTELLIGENCE OTIMIZAÇÃO DA GESTÃO PÚBLICA ATRAVÉS DE TÉCNICAS DE BUSINESS INTELLIGENCE Guimarilza Barbosa de Souza João Gabriel Ribeiro Luiz Cláudio de Arruda Isoton II Congresso Consad de Gestão Pública Painel 5:

Leia mais

Requisitos de business intelligence para TI: O que todo gerente de TI deve saber sobre as necessidades reais de usuários comerciais para BI

Requisitos de business intelligence para TI: O que todo gerente de TI deve saber sobre as necessidades reais de usuários comerciais para BI Requisitos de business intelligence para TI: O que todo gerente de TI deve saber sobre as necessidades reais de usuários comerciais para BI Janeiro de 2011 p2 Usuários comerciais e organizações precisam

Leia mais

APRESENTAÇÃO DO PRODUTO. Mais que um software, o método mais eficaz para conciliar.

APRESENTAÇÃO DO PRODUTO. Mais que um software, o método mais eficaz para conciliar. APRESENTAÇÃO DO PRODUTO Mais que um software, o método mais eficaz para conciliar. Com Conciliac é possível conciliar automaticamente qualquer tipo de transação; Bancos, Cartões de Crédito e Débito, Contas

Leia mais

Sistema. Atividades. Sistema de informações. Tipos de sistemas de informação. Everson Santos Araujo everson@everson.com.br

Sistema. Atividades. Sistema de informações. Tipos de sistemas de informação. Everson Santos Araujo everson@everson.com.br Sistema Tipos de sistemas de informação Everson Santos Araujo everson@everson.com.br Um sistema pode ser definido como um complexo de elementos em interação (Ludwig Von Bertalanffy) sistema é um conjunto

Leia mais

KDD UMA VISAL GERAL DO PROCESSO

KDD UMA VISAL GERAL DO PROCESSO KDD UMA VISAL GERAL DO PROCESSO por Fernando Sarturi Prass 1 1.Introdução O aumento das transações comerciais por meio eletrônico, em especial as feitas via Internet, possibilitou as empresas armazenar

Leia mais

INSTITUTO VIANNA JÚNIOR LTDA FACULDADES INTEGRADAS DO INSTITUTO VIANNA JUNIOR O TEXT MINING PARA APOIO A TOMADA DE DECISÃO

INSTITUTO VIANNA JÚNIOR LTDA FACULDADES INTEGRADAS DO INSTITUTO VIANNA JUNIOR O TEXT MINING PARA APOIO A TOMADA DE DECISÃO INSTITUTO VIANNA JÚNIOR LTDA FACULDADES INTEGRADAS DO INSTITUTO VIANNA JUNIOR O TEXT MINING PARA APOIO A TOMADA DE DECISÃO Lúcia Helena de Magalhães 1 Márcio Aarestrup Arbex 2 Resumo Este artigo tem como

Leia mais

O que é a ciência de dados (data science). Discussão do conceito. Luís Borges Gouveia Universidade Fernando Pessoa Versão 1.

O que é a ciência de dados (data science). Discussão do conceito. Luís Borges Gouveia Universidade Fernando Pessoa Versão 1. O que é a ciência de dados (data science). Discussão do conceito Luís Borges Gouveia Universidade Fernando Pessoa Versão 1.3, Outubro, 2015 Nota prévia Esta apresentação tem por objetivo, proporcionar

Leia mais

PROJETO DE REDES www.projetoderedes.com.br

PROJETO DE REDES www.projetoderedes.com.br PROJETO DE REDES www.projetoderedes.com.br Centro Universitário de Volta Redonda - UniFOA Curso Tecnológico de Redes de Computadores 5º período Disciplina: Tecnologia WEB Professor: José Maurício S. Pinheiro

Leia mais

DWARF DATAMINER: UMA FERRAMENTA GENÉRICA PARA MINERAÇÃO DE DADOS

DWARF DATAMINER: UMA FERRAMENTA GENÉRICA PARA MINERAÇÃO DE DADOS DWARF DATAMINER: UMA FERRAMENTA GENÉRICA PARA MINERAÇÃO DE DADOS Tácio Dias Palhão Mendes Bacharelando em Sistemas de Informação Bolsista de Iniciação Científica da FAPEMIG taciomendes@yahoo.com.br Prof.

Leia mais

CA Mainframe Chorus for DB2 Database Management Version 2.0

CA Mainframe Chorus for DB2 Database Management Version 2.0 FOLHA DO PRODUTO CA Mainframe Chorus for DB2 Database Management CA Mainframe Chorus for DB2 Database Management Version 2.0 Simplifique e otimize seu DB2 para tarefas de gerenciamento de carga de trabalho

Leia mais

DATA WAREHOUSE. Rafael Ervin Hass Raphael Laércio Zago

DATA WAREHOUSE. Rafael Ervin Hass Raphael Laércio Zago DATA WAREHOUSE Rafael Ervin Hass Raphael Laércio Zago Roteiro Introdução Aplicações Arquitetura Características Desenvolvimento Estudo de Caso Conclusão Introdução O conceito de "data warehousing" data

Leia mais

Exemplo de Aplicação do DataMinig

Exemplo de Aplicação do DataMinig Exemplo de Aplicação do DataMinig Felipe E. Barletta Mendes 19 de fevereiro de 2008 INTRODUÇÃO AO DATA MINING A mineração de dados (Data Mining) está inserida em um processo maior denominado Descoberta

Leia mais

Laudon & Laudon Essentials of MIS, 5th Edition. Pg. 1.1

Laudon & Laudon Essentials of MIS, 5th Edition. Pg. 1.1 Laudon & Laudon Essentials of MIS, 5th Edition. Pg. 1.1 SISTEMA DE APOIO À DECISÃO Grupo: Denilson Neves Diego Antônio Nelson Santiago Sabrina Dantas CONCEITO É UM SISTEMA QUE AUXILIA O PROCESSO DE DECISÃO

Leia mais

Como melhorar a tomada de decisão. slide 1

Como melhorar a tomada de decisão. slide 1 Como melhorar a tomada de decisão slide 1 P&G vai do papel ao pixel em busca da gestão do conhecimento Problema: grande volume de documentos em papel atrasavam a pesquisa e o desenvolvimento. Solução:

Leia mais

Universidade Federal do Ma Pós-Graduação em Eng. Elétrica

Universidade Federal do Ma Pós-Graduação em Eng. Elétrica Universidade Federal do Ma Pós-Graduação em Eng. Elétrica Computação Gráfica II Sistemas de Informação Geográfica Prof. Anselmo C. de Paiva Depto de Informática Introdução aos Sistemas de Informação Geografica

Leia mais

XIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO

XIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO XIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO EPE0147 UTILIZAÇÃO DA MINERAÇÃO DE DADOS EM UMA AVALIAÇÃO INSTITUCIONAL

Leia mais

Tecnologias e Sistemas de Informação

Tecnologias e Sistemas de Informação Universidade Federal do Vale do São Francisco Curso de Administração Tecnologia e Sistemas de Informação - 02 Prof. Jorge Cavalcanti jorge.cavalcanti@univasf.edu.br www.univasf.edu.br/~jorge.cavalcanti

Leia mais

INDICE 3.APLICAÇÕES QUE PODEM SER DESENVOLVIDAS COM O USO DO SAXES

INDICE 3.APLICAÇÕES QUE PODEM SER DESENVOLVIDAS COM O USO DO SAXES w w w. i d e a l o g i c. c o m. b r INDICE 1.APRESENTAÇÃO 2.ESPECIFICAÇÃO DOS RECURSOS DO SOFTWARE SAXES 2.1. Funcionalidades comuns a outras ferramentas similares 2.2. Funcionalidades próprias do software

Leia mais

Tarefas e Técnicas de Mineração de Dados TAREFAS E TÉCNICAS DE MINERAÇÃO DE DADOS

Tarefas e Técnicas de Mineração de Dados TAREFAS E TÉCNICAS DE MINERAÇÃO DE DADOS Tarefas e Técnicas de Mineração de Dados TAREFAS E TÉCNICAS DE MINERAÇÃO DE DADOS Sumário Conceitos / Autores chave... 3 1. Introdução... 3 2. Tarefas desempenhadas por Técnicas de 4 Mineração de Dados...

Leia mais

http://www.publicare.com.br/site/5,1,26,5480.asp

http://www.publicare.com.br/site/5,1,26,5480.asp Página 1 de 7 Terça-feira, 26 de Agosto de 2008 ok Home Direto da redação Última edição Edições anteriores Vitrine Cross-Docking Assine a Tecnologística Anuncie Cadastre-se Agenda Cursos de logística Dicionário

Leia mais

Engenharia de Software Introdução. Ricardo Argenton Ramos UNIVASF Engenharia de Software I - Aula 1

Engenharia de Software Introdução. Ricardo Argenton Ramos UNIVASF Engenharia de Software I - Aula 1 Engenharia de Software Introdução Ricardo Argenton Ramos UNIVASF Engenharia de Software I - Aula 1 Tópicos Apresentação da Disciplina A importância do Software Software Aplicações de Software Paradigmas

Leia mais

Administração de Sistemas de Informação Gerenciais UNIDADE IV: Fundamentos da Inteligência de Negócios: Gestão da Informação e de Banco de Dados Um banco de dados é um conjunto de arquivos relacionados

Leia mais

19 Congresso de Iniciação Científica CAPACITAÇÃO EM SISTEMA CAD DE GRANDE PORTE E EM SISTEMA PDM

19 Congresso de Iniciação Científica CAPACITAÇÃO EM SISTEMA CAD DE GRANDE PORTE E EM SISTEMA PDM 19 Congresso de Iniciação Científica CAPACITAÇÃO EM SISTEMA CAD DE GRANDE PORTE E EM SISTEMA PDM Autor(es) ANDRE BERTIE PIVETTA Orientador(es) KLAUS SCHÜTZER Apoio Financeiro PIBITI/CNPQ 1. Introdução

Leia mais

ANÁLISE ECONÔMICA DE BALANÇO

ANÁLISE ECONÔMICA DE BALANÇO 1 ANÁLISE ECONÔMICA DE BALANÇO 1 QUOCIENTES DE RENTABILIDADE Os Quocientes de Rentabilidade servem para medir a capacidade econômica da empresa, isto é, evidenciam o grau de êxito econômico obtido pelo

Leia mais

Data Mining na Web para Inteligência Competitiva

Data Mining na Web para Inteligência Competitiva Data Mining na Web para Inteligência Competitiva Simone de Almeida (CEFET/PR) simonea@pg.cefetpr.br Rui Francisco Martins Marçal (CEFET/PR) marcal@pg.cefetpr.br Luciano Scandelari (CEFET/PR) luciano@cefetpr..br

Leia mais

Data, Text and Web Mining

Data, Text and Web Mining Data, Text and Web Mining Fabrício J. Barth TerraForum Consultores Junho de 2010 Objetivo Apresentar a importância do tema, os conceitos relacionados e alguns exemplos de aplicações. Data, Text and Web

Leia mais

1 UML (UNIFIED MODELING LANGUAGE)

1 UML (UNIFIED MODELING LANGUAGE) 1 UML (UNIFIED MODELING LANGUAGE) Segundo Tonsig (2003), para conseguir desenvolver um software capaz de satisfazer as necessidades de seus usuários, com qualidade, por intermédio de uma arquitetura sólida

Leia mais

Requisitos para ferramentas de registro de defeitos de software

Requisitos para ferramentas de registro de defeitos de software Requisitos para ferramentas de registro de defeitos de software Alessandro Liebmam Departamento de Ciência da Computação Instituto de Ciências Exatas Universidade Federal de Minas Gerais (UFMG) CEP: 31270-010

Leia mais

16 Congresso de Iniciação Científica DESENVOLVIMENTO DO SISTEMA PARA MONITORAMENTO DE DADOS EM HSM (HIGH SPEED MACHINING)

16 Congresso de Iniciação Científica DESENVOLVIMENTO DO SISTEMA PARA MONITORAMENTO DE DADOS EM HSM (HIGH SPEED MACHINING) 16 Congresso de Iniciação Científica DESENVOLVIMENTO DO SISTEMA PARA MONITORAMENTO DE DADOS EM HSM (HIGH SPEED MACHINING) Autor(es) OLIVEIRO LEUTWILER NETO Orientador(es) KLAUS SCHüTZER Apoio Financeiro

Leia mais

4. Que tipos de padrões podem ser minerados. 5. Critérios de classificação de sistemas de Data Mining. 6. Tópicos importantes de estudo em Data Mining

4. Que tipos de padrões podem ser minerados. 5. Critérios de classificação de sistemas de Data Mining. 6. Tópicos importantes de estudo em Data Mining Curso de Data Mining - Aula 1 1. Como surgiu 2. O que é 3. Em que tipo de dados pode ser aplicado 4. Que tipos de padrões podem ser minerados 5. Critérios de classificação de sistemas de Data Mining 6.

Leia mais

A Grande Importância da Mineração de Dados nas Organizações

A 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 mais

srbo@ufpa.br www.ufpa.br/srbo

srbo@ufpa.br www.ufpa.br/srbo CBSI Curso de Bacharelado em Sistemas de Informação BI Prof. Dr. Sandro Ronaldo Bezerra Oliveira srbo@ufpa.br www.ufpa.br/srbo Tópicos Especiais em Sistemas de Informação Faculdade de Computação Instituto

Leia mais

Eficiência na manutenção de dados mestres referentes a clientes, fornecedores, materiais e preços

Eficiência na manutenção de dados mestres referentes a clientes, fornecedores, materiais e preços da solução SAP SAP ERP SAP Data Maintenance for ERP by Vistex Objetivos Eficiência na manutenção de dados mestres referentes a clientes, fornecedores, materiais e preços Entregar a manutenção de dados

Leia mais

Microsoft Innovation Center

Microsoft Innovation Center Microsoft Innovation Center Mineração de Dados (Data Mining) André Montevecchi andre@montevecchi.com.br Introdução Objetivo BI e Mineração de Dados Aplicações Exemplos e Cases Algoritmos para Mineração

Leia mais

MINERAÇÃO DE DADOS. Mineração de Dados

MINERAÇÃO DE DADOS. Mineração de Dados MINERAÇÃO DE DADOS Mineração de Dados Sumário Conceitos / Autores chave... 3 1. Introdução... 4 2. Conceitos de Mineração de Dados... 5 3. Aplicações de Mineração de Dados... 7 4. Ferramentas de Mineração

Leia mais

Fornecendo Inteligência, para todo o mundo, a mais de 20 anos.

Fornecendo Inteligência, para todo o mundo, a mais de 20 anos. Fornecendo Inteligência, para todo o mundo, a mais de 20 anos. Fundada em 1989, a MicroStrategy é fornecedora líder Mundial de plataformas de software empresarial. A missão é fornecer as plataformas mais

Leia mais

IMPLEMENTAÇÃO DE UM ALGORITMO DE PADRÕES DE SEQUÊNCIA PARA DESCOBERTA DE ASSOCIAÇÕES ENTRE PRODUTOS DE UMA BASE DE DADOS REAL

IMPLEMENTAÇÃO DE UM ALGORITMO DE PADRÕES DE SEQUÊNCIA PARA DESCOBERTA DE ASSOCIAÇÕES ENTRE PRODUTOS DE UMA BASE DE DADOS REAL Universidade Federal de Ouro Preto - UFOP Instituto de Ciências Exatas e Biológicas - ICEB Departamento de Computação - DECOM IMPLEMENTAÇÃO DE UM ALGORITMO DE PADRÕES DE SEQUÊNCIA PARA DESCOBERTA DE ASSOCIAÇÕES

Leia mais

Palavras-Chaves: estoque, modelagem, requisitos, UML, vendas.

Palavras-Chaves: estoque, modelagem, requisitos, UML, vendas. UTILIZAÇÃO DA UML NO DESENVOLVIMENTO DE SISTEMA DE CONTROLE DE VENDAS E ESTOQUE GILBERTO FRANCISCO PACHECO DOS SANTOS Discente da AEMS Faculdades Integradas de Três Lagoas JACKSON LUIZ ARROSTI Discente

Leia mais

INAC 2009, Rio de Janeiro, RJ, Brazil.

INAC 2009, Rio de Janeiro, RJ, Brazil. 2009 International Nuclear Atlantic Conference - INAC 2009 Rio de Janeiro,RJ, Brazil, September27 to October 2, 2009 ASSOCIAÇÃO BRASILEIRA DE ENERGIA NUCLEAR - ABEN ISBN: 978-85-99141-03-8 IMPLEMENTAÇÃO

Leia mais

LEVANTAMENTO DE REQUISITOS SEGUNDO O MÉTODO VOLERE

LEVANTAMENTO DE REQUISITOS SEGUNDO O MÉTODO VOLERE LEVANTAMENTO DE REQUISITOS SEGUNDO O MÉTODO VOLERE RESUMO Fazer um bom levantamento e especificação de requisitos é algo primordial para quem trabalha com desenvolvimento de sistemas. Esse levantamento

Leia mais

PERSPECTIVA FUNCIONAL DOS SISTEMAS DE INFORMAÇÃO E TIPOS DE SISTEMA DE INFORMAÇÃO

PERSPECTIVA FUNCIONAL DOS SISTEMAS DE INFORMAÇÃO E TIPOS DE SISTEMA DE INFORMAÇÃO CURSO: GESTÃO AMBIENTAL PROFESSOR: WENES SILVA DOS SANTOS ALUNOS: ANDRÉ VIANA CAVALCANTE, DANILO CARVALHO DE OLIVEIRA, GEISA MOREIRA DE SOUSA, FERNANDA MONTES, LIAMAR MONTES, PRISCILA CASTRO, RAIMUNDINHA

Leia mais

Business Intelligence para todos

Business Intelligence para todos Business Intelligence para todos CCFB - Rio de Janeiro DeciLogic - 2008 Eric Sarzana Diretor eric.sarzana@decilogic.com Agenda DeciLogic O que é o Business Intelligence? Porquê o Business Intelligence?

Leia mais

Análise e Projeto de Sistemas. Engenharia de Software. Análise e Projeto de Sistemas. Contextualização. Perspectiva Histórica. A Evolução do Software

Análise e Projeto de Sistemas. Engenharia de Software. Análise e Projeto de Sistemas. Contextualização. Perspectiva Histórica. A Evolução do Software Análise e Projeto de Sistemas Análise e Projeto de Sistemas Contextualização ENGENHARIA DE SOFTWARE ANÁLISE E PROJETO DE SISTEMAS ENGENHARIA DA INFORMAÇÃO Perspectiva Histórica Engenharia de Software 1940:

Leia mais

Fundamentos da inteligência de negócios: gestão da informação e de bancos de dados

Fundamentos da inteligência de negócios: gestão da informação e de bancos de dados Fundamentos da inteligência de negócios: gestão da informação e de bancos de dados slide 1 1 Copyright 2011 Pearson Education, Inc. publishing as Prentice Hall Objetivos de estudo Como um banco de dados

Leia mais

Descoberta de Domínio Conceitual de Páginas Web

Descoberta de Domínio Conceitual de Páginas Web paper:25 Descoberta de Domínio Conceitual de Páginas Web Aluno: Gleidson Antônio Cardoso da Silva gleidson.silva@posgrad.ufsc.br Orientadora: Carina Friedrich Dorneles dorneles@inf.ufsc.br Nível: Mestrado

Leia mais

PLATAFORMA URBANMOB Aplicativo para captura de trajetórias urbanas de objetos móveis

PLATAFORMA URBANMOB Aplicativo para captura de trajetórias urbanas de objetos móveis PLATAFORMA URBANMOB Aplicativo para captura de trajetórias urbanas de objetos móveis Gabriel Galvão da Gama 1 ; Reginaldo Rubens da Silva 2 ; Angelo Augusto Frozza 3 RESUMO Este artigo descreve um projeto

Leia mais

6 Infraestrutura de Trabalho

6 Infraestrutura de Trabalho 6 Infraestrutura de Trabalho Este capítulo tem como objetivo fornecer uma visão geral do ambiente de trabalho encontrado na organização estudada, bem como confrontá-lo com a organização ideal tal como

Leia mais

RECONHECIMENTO DE PADRÕES RECONHECIMENTO DE VOZ

RECONHECIMENTO DE PADRÕES RECONHECIMENTO DE VOZ RECONHECIMENTO DE PADRÕES RECONHECIMENTO DE VOZ O ESQUEMA DE CLASSIFICAÇÃO É GERALMENTE BASEADO NA DISPONIBILIDADE DE UM CONJUNTO DE PADRÕES QUE FORAM ANTERIORMENTE CLASSIFICADOS, O "CONJUNTO DE TREINAMENTO";

Leia mais

INTELIGÊNCIA COMPUTACIONAL

INTELIGÊNCIA COMPUTACIONAL INTELIGÊNCIA COMPUTACIONAL Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto Dados pessoais Rosalvo Ferreira de Oliveira Neto MSc. em ciência da computação (UFPE) rosalvo.oliveira@univasf.edu.br

Leia mais

KDD. Fases limpeza etc. Datamining OBJETIVOS PRIMÁRIOS. Conceitos o que é?

KDD. Fases limpeza etc. Datamining OBJETIVOS PRIMÁRIOS. Conceitos o que é? KDD Conceitos o que é? Fases limpeza etc Datamining OBJETIVOS PRIMÁRIOS TAREFAS PRIMÁRIAS Classificação Regressão Clusterização OBJETIVOS PRIMÁRIOS NA PRÁTICA SÃO DESCRIÇÃO E PREDIÇÃO Descrição Wizrule

Leia mais

BPM X Workflow. Business Process Management BPM ou Modelagem de Processos de negócio

BPM X Workflow. Business Process Management BPM ou Modelagem de Processos de negócio Business Process Management BPM ou Modelagem de Processos de negócio Metodologia Conjunto de práticas Controle, gerenciamento e integração dos processos Permite a análise, definição, execução, monitoramento

Leia mais

Requisitos de Ferramentas de Apoio aos Processos de Medição de Software. Marco Aurélio Vilaça de Melo

Requisitos de Ferramentas de Apoio aos Processos de Medição de Software. Marco Aurélio Vilaça de Melo Requisitos de Ferramentas de Apoio aos Processos de Medição de Software Marco Aurélio Vilaça de Melo Departamento de Ciência da Computação Universidade Federal de Minas Gerais (UFMG) Belo Horizonte MG

Leia mais

Aula 02: Conceitos Fundamentais

Aula 02: Conceitos Fundamentais Aula 02: Conceitos Fundamentais Profa. Ms. Rosângela da Silva Nunes 1 de 26 Roteiro 1. Por que mineração de dados 2. O que é Mineração de dados 3. Processo 4. Que tipo de dados podem ser minerados 5. Que

Leia mais

MATERIAL DIDÁTICO: APLICAÇÕES EMPRESARIAIS SISTEMA DE APOIO À DECISÃO (SAD)

MATERIAL 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 mais

Uma proposta de um processo prático para apoiar o reuso de software

Uma proposta de um processo prático para apoiar o reuso de software Uma proposta de um processo prático para apoiar o reuso de software Rosangela Kronig (UNIP) rkronig.mes.engprod@unip.br Ivanir Costa (UNIP) icosta@unip.br Mauro Spínola (UNIP) mspinola@unip.br Resumo A

Leia mais

Dados como recurso para a organização

Dados como recurso para a organização Faculdade Pitágoras de Uberlândia Pós-graduação Sistemas de Informação Gerenciais Segunda Aula Prof. Me. Walteno Martins Parreira Júnior www.waltenomartins.com.br waltenomartins@yahoo.com Maio -2013 Dados

Leia mais

Gestão da Informação. Gestão da Informação. AULA 3 Data Mining

Gestão da Informação. Gestão da Informação. AULA 3 Data Mining Gestão da Informação AULA 3 Data Mining Prof. Edilberto M. Silva Gestão da Informação Agenda Unidade I - DM (Data Mining) Definição Objetivos Exemplos de Uso Técnicas Tarefas Unidade II DM Prático Exemplo

Leia mais

Resumo dos principais conceitos. Resumo dos principais conceitos. Business Intelligence. Business Intelligence

Resumo dos principais conceitos. Resumo dos principais conceitos. Business Intelligence. Business Intelligence É um conjunto de conceitos e metodologias que, fazem uso de acontecimentos e sistemas e apoiam a tomada de decisões. Utilização de várias fontes de informação para se definir estratégias de competividade

Leia mais

: Transforme seu plantio em um fundo de investimento ativo. The single source for Forest Resource Management

: Transforme seu plantio em um fundo de investimento ativo. The single source for Forest Resource Management : Transforme seu plantio em um fundo de investimento ativo The single source for Forest Resource Management 2 Tecnologia laser aerotransportada LiDAR LiDAR é um sistema ativo de sensoriamento remoto, originalmente

Leia mais

ATENÇÃO: ESTE ARTIGO NÃO PODERÁ SER UTILIZADO PARA FINS COMERCIAIS. DEVERÁ OBRIGATORIAMENTE SER REFERENCIADO COMO:

ATENÇÃO: ESTE ARTIGO NÃO PODERÁ SER UTILIZADO PARA FINS COMERCIAIS. DEVERÁ OBRIGATORIAMENTE SER REFERENCIADO COMO: ATENÇÃO: ESTE ARTIGO NÃO PODERÁ SER UTILIZADO PARA FINS COMERCIAIS. DEVERÁ OBRIGATORIAMENTE SER REFERENCIADO COMO: Fabre, Jorge Leandro; Carvalho, José Oscar Fontanini de. (2004). Uma Taxonomia para Informações

Leia mais

CARACTERIZAÇÃO DE SENSOR INERCIAL E APLICAÇÃO EM BARCO AUTÔNOMO. José Maria Cipriano Torres (IC) Elder Moreira Hemerly (PQ)

CARACTERIZAÇÃO DE SENSOR INERCIAL E APLICAÇÃO EM BARCO AUTÔNOMO. José Maria Cipriano Torres (IC) Elder Moreira Hemerly (PQ) CARACTERIZAÇÃO DE SENSOR INERCIAL E APLICAÇÃO EM BARCO AUTÔNOMO José Maria Cipriano Torres (IC) Elder Moreira Hemerly (PQ) Resumo: Este trabalho teve por objetivo caracterizar sensores inerciais, especialmente

Leia mais

Table 1. Dados do trabalho

Table 1. Dados do trabalho Título: Desenvolvimento de geradores de aplicação configuráveis por linguagens de padrões Aluno: Edison Kicho Shimabukuro Junior Orientador: Prof. Dr. Paulo Cesar Masiero Co-Orientadora: Prof a. Dr. Rosana

Leia mais

SISTEMAS DE INFORMAÇÃO GERENCIAIS

SISTEMAS DE INFORMAÇÃO GERENCIAIS SISTEMAS DE INFORMAÇÃO GERENCIAIS O PODER DA INFORMAÇÃO Tem PODER quem toma DECISÃO Toma DECISÃO correta quem tem SABEDORIA Tem SABEDORIA quem usa CONHECIMENTO Tem CONHECIMENTO quem possui INFORMAÇÃO (Sem

Leia mais

UNIVERSIDADE 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 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 mais

9º ENTEC Encontro de Tecnologia: 23 a 28 de novembro de 2015

9º ENTEC Encontro de Tecnologia: 23 a 28 de novembro de 2015 QUANTIFICAÇÃO BASEADA EM MODELAGEM BIM: VALIDAÇÃO E FOMENTO DE PRÁTICA PROJETUAL A PARTIR DA MODELAGEM DA CASA BAETA. Diogo Humberto Muniz¹;Rodrigo Luiz Minot Gutierrezr 2 1, 2 Universidade de Uberaba

Leia mais

agility made possible

agility made possible RESUMO DA SOLUÇÃO Gerenciamento de ativos de software com o CA IT Asset Manager como posso administrar melhor os meus ativos de software e reduzir o risco de auditorias de conformidade? agility made possible

Leia mais

VIRTUALIZAÇÃO DO MUSEU DO AUTOMÓVEL DE BRASÍLIA

VIRTUALIZAÇÃO DO MUSEU DO AUTOMÓVEL DE BRASÍLIA VIRTUALIZAÇÃO DO MUSEU DO AUTOMÓVEL DE BRASÍLIA Rafael R. Silva¹, João P. T. Lottermann¹, Mateus Rodrigues Miranda², Maria Alzira A. Nunes² e Rita de Cássia Silva² ¹UnB, Universidade de Brasília, Curso

Leia mais

Especial Online RESUMO DOS TRABALHOS DE CONCLUSÃO DE CURSO. Sistemas de Informação 2011-2 ISSN 1982-1816. www.unifoa.edu.br/cadernos/especiais.

Especial Online RESUMO DOS TRABALHOS DE CONCLUSÃO DE CURSO. Sistemas de Informação 2011-2 ISSN 1982-1816. www.unifoa.edu.br/cadernos/especiais. Especial Online ISSN 1982-1816 www.unifoa.edu.br/cadernos/especiais.html DOS TRABALHOS DE CONCLUSÃO DE CURSO Sistemas de Informação 2011-2 SISTEMA DE GERENCIAMENTO DE MANUTENÇÃO AUTOMOTIVA Alunos: WERNECK,

Leia mais

BUSINESS INTELLIGENCE, O ELEMENTO CHAVE PARA O SUCESSO DAS ORGANIZAÇÕES.

BUSINESS INTELLIGENCE, O ELEMENTO CHAVE PARA O SUCESSO DAS ORGANIZAÇÕES. Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 22 a 25 de outubro, 2012 88 BUSINESS INTELLIGENCE, O ELEMENTO CHAVE PARA O SUCESSO DAS ORGANIZAÇÕES. Andrios Robert Silva Pereira, Renato Zanutto

Leia mais

EXCENOMIC UMA FERRAMENTA DE AUXÍLIO À ANÁLISE DE INVESTIMENTO

EXCENOMIC UMA FERRAMENTA DE AUXÍLIO À ANÁLISE DE INVESTIMENTO . EXCENOMIC UMA FERRAMENTA DE AUXÍLIO À ANÁLISE DE INVESTIMENTO Eduardo Bonchristiani Filho (UNIFEI) bonchristiani@hotmail.com Leonardo Sousa de Albuquerque Lima (UNIFEI) leopara@yahoo.com.br Edson de

Leia mais

Módulo 4: Gerenciamento de Dados

Módulo 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 mais