MODELO DE BUSINESS INTELLIGENCE PARA AUXÍLIO NO PLANEJAMENTO DA COLETA DE RESÍDUOS

Tamanho: px
Começar a partir da página:

Download "MODELO DE BUSINESS INTELLIGENCE PARA AUXÍLIO NO PLANEJAMENTO DA COLETA DE RESÍDUOS"

Transcrição

1 XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. MODELO DE BUSINESS INTELLIGENCE PARA AUXÍLIO NO PLANEJAMENTO DA COLETA DE RESÍDUOS Eugênio de Oliveira Simonetto (UDESC) Eloy F. Casagrande Jr. (UTFPR) O artigo apresenta a concepção, modelagem e desenvolvimento de um modelo de business intelligence, que tem por objetivo principal auxiliar no planejamento da coleta de resíduos sólidos domiciliares. Em resumo, o modelo tem por funcionalidadde principal à geração de informações úteis ao processo decisório em questão. Para o desenvolvimento do mesmo foram utilizadas técnicas da área de data warehouse, quais sejam, modelos multidimensionais e processamento analítico on-line de dados (OLAP). Para o desenvolvimento da validação do modelo foram utilizados dados da coleta de resíduos de municípios da região sul do Brasil e contou com a participação de gestores da área de resíduos, bem como de especialistas no assunto. Para o desenvolvimento do modelo foram utilizadas as ferramentas de software livre Kettle e Palo. Palavras-chaves: Sustentabilidade, Gestão de Resíduos

2 1 INTRODUÇÃO O manejo ambientalmente saudável dos resíduos é uma das questões mais importantes para a manutenção da qualidade do meio ambiente da Terra e, principalmente, para chegar-se a um desenvolvimento sustentável e ambientalmente correto em todos os países (ZUTSHI, SOHAL, 2002). Apesar de toda a preocupação da comunidade internacional com a qualidade do meio ambiente na Terra, o que acontece na prática, na maioria das vezes, é um desenvolvimento não-sustentável na gestão de resíduos sólidos, pois os métodos para a coleta, transporte e depósito do lixo não levam em conta as conseqüências que o mau uso e o tratamento inadequado dos resíduos podem acarretar no meio ambiente em um futuro bem próximo (ZUTSHI, SOHAL, 2002). De acordo com o Diagnóstico do Manejo de Resíduos Sólidos Urbanos/2006 (SNIS, 2009), a cobertura média da coleta de resíduos sólidos urbanos no Brasil abrange um percentual superior a 90% da população urbana, em 215 dos 226 municípios pesquisados pelo Sistema Nacional de Informação sobre Saneamento (SNIS). As unidades de tratamento de resíduos sólidos cadastradas no SNIS totalizam 714, sendo 216 delas unidades de disposição em solo, ou seja, aterros sanitários (39,4%), aterros controlados (32,4%) ou lixões (28,2%). O destino final da massa coletada por 135 das 216 unidades de disposição em solo, que totaliza 11,7 milhões de toneladas, se dá em maior parte em aterros sanitários (61,4%), seguidos por aterros controlados (25%) e lixões (13,6%), considerado um bom resultado. (ENVOLVERDE/MINISTÉRIO DAS CIDADES, 2009) A evolução sofrida pela gestão da coleta de resíduos nos últimos anos transformou-a em uma importante, e crítica, área para os gestores municipais, ambientais e população em geral. Toda esta evolução ocasionou, também, novos problemas a serem sanados, tais como problemas ambientais, financeiros e de legislação. Este contexto demanda que novas tecnologias sejam utilizadas tanto na área operacional, como estratégica pelos gestores da coleta de resíduos. O processo de coleta de resíduos gera uma enorme quantidade de dados transacionais, os quais, em muitos casos, após seu uso, acabam sendo descartados ou armazenados inadequadamente, dificultando acesso aos mesmos. Esses dados, no entanto, podem vir a ter uma importante utilidade como matéria-prima para a geração de informações e conhecimento úteis à gestão dos resíduos. Logo, a partir de dados históricos da gestão de resíduos municipais, pretende-se desenvolver um modelo de apoio ao processo decisório, que utilizando técnicas de Inteligência de Negócios (Business Intelligence), possa suprir os gestores de novas informações, tanto ambientais, como econômicas, acerca da coleta de resíduos sólidos. 2

3 Aliado ao fato da necessidade de adoção de novas tecnologias, a gestão de resíduos sólidos é um tópico que vem atraindo a atenção de pesquisadores em Modelagem de Sistemas nos últimos anos (HUANG et al., 1998). Prova disso, são os inúmeros trabalhos publicados na área, os quais vão desde a alocação de veículos para a coleta dos resíduos (BHAT, 1996; EVERETT, SHAHI, 1997) até a construção de modelos de avaliação de impacto ambiental provocado pela disposição final dos resíduos, levando em consideração o tipo de disposição, o tipo de resíduo e o local onde foi depositado o mesmo (PERRODIN et al., 2002). Porém, a área de gestão de resíduos sólidos carece da utilização de ferramentas oriundas da Inteligência de Negócios para auxílio ao processo decisório, tendo em vista que os modelos decisórios construídos são na sua grande maioria modelos desenvolvidos a partir de conceitos oriundos da Pesquisa Operacional (HUANG et al., 1998) e, os modelos de Inteligência de Negócios mostram-se tão eficientes quanto estes em problemas de natureza organizacional (WATSON, 2004). No trabalho desenvolvido foram concebidas bases de dados específicas para apoio ao processo decisório no que refere-se à coleta dos resíduos sólidos. Para o desenvolvimento foram utilizadas ferramentas de Inteligência de Negócios, mais especificamente a tecnologia de data warehouses e OLAP (on-line analytical processing) (KIMBALL, 2002; INMON, 2002), onde a partir dos sistemas transacionais das empresas de coleta de resíduos e de fontes externas as mesmas sejam possíveis definir informações relevantes ao processo decisório sobre planejamento da coleta e destino final dos resíduos sólidos. Serão levados em consideração no desenvolvimento do modelo decisório tanto os aspectos econômicos, como os aspectos ambientais do processo de coleta de resíduos. O artigo está organizado da seguinte forma: na seção 2 são apresentados os conceitos básicos sobre data warehouse e Processamento Analítico On-line dos dados, assim como na seção 3 são apresentados os conceitos sobre resíduos sólidos, bem como o uso de sistemas de informação na gestão dos mesmos. Na seção 4 é apresentada a metodologia de desenvolvimento do modelo, na seção 5 o modelo multidimensional e os requisitos informacionais do mesmo são apresentados. Na seção 6 é apresentado um exemplo da utilização do modelo (com dados reais) utilizado como parte da validação do mesmo, por fim na seção 7 são apresentadas as considerações finais do artigo. 2 BUSINESS INTELLIGENCE O business intelligence é o resultado dos esforços de uma organização no que tange à coleta, armazenamento, processamento, difusão e interpretação dos dados internos e externos referentes aos negócios desta. No trabalho desenvolvido foram utilizadas duas técnicas de business intelligence para seu desenvolvimento, quais sejam o data warehouse e o processamento analítico on-line de dados (OLAP), as quais são apresentadas na próxima sub-seção Data Warehouse e OLAP Conforme Inmon (2002), um Data Warehouse (DW) é uma coleção de dados integrados, orientados por assunto, não-voláteis e variáveis com relação ao tempo, os quais tem por finalidade o apoio ao processo decisório gerencial. Kimball e Ross (2002), por sua vez, definem como sendo um conjunto de ferramentas e técnicas de projeto, que quando aplicadas às necessidades específicas dos usuários e aos bancos de dados específicos permitirá que planejem e construam um Data Warehouse. Em resumo, é um sistema que armazena dados 3

4 históricos usados no processo de tomada de decisão, com a finalidade de integrar os dados de uma organização em um único repositório (banco de dados). Os dados a serem integrados podem ser advindos dos bancos de dados transacionais da organização, bem como de fontes externas a esta. Os data warehouse surgiram durante a década de noventa, tornando-se uma poderosa ferramenta para o gerenciamento de informações organizacionais. Sua construção se deu através do aprimoramento das novas tecnologias dos bancos de dados transacionais (dados armazenados por uma organização), tornando-se cada vez mais capazes de gerenciar e manipular um grande volume de dados. Várias empresas e ou organizações construíram DW como solução para integrarem os dados de diversos bancos servindo assim como suporte para a tomada de decisões. A técnica OLAP (INMON, 2002), utilizada em data warehouse, tem por finalidade a capacidade de responder a perguntas como: "E se?" E "por que?". Também a capacidade de verificar hipóteses, com análises do tipo: "Eu quero ver isso dessa maneira". O resultado dessa pesquisa pode ser apresentada de forma gráfica ou em formato de planilha, com as funcionalidades de drill-down e drill-up (navegação para dentro ou fora dos níveis hierárquicos das dimensões). Esta técnica é um meio de visualização de dados corporativos, onde os usuários podem visualizar através de hierarquias e dimensões do data warehouse, através de comandos específicos para tal funcionalidade. 3. RESÍDUOS SÓLIDOS Resíduos sólidos, para a compreensão do trabalho como um todo, são todos os restos domésticos e resíduos não perigosos, tais como os resíduos comerciais, institucionais, de podas e de construções. Em alguns países, o sistema de gestão dos resíduos sólidos também se ocupa dos resíduos humanos, tais como excrementos, cinzas de incineradores e, de instalações de tratamento de esgoto. O descarte do lixo é uma operação que envolve as fases de limpeza, coleta e destinação final. Estes serviços são considerados tarefas tipicamente municipais e, por isto organizados pelos governos locais. Entre estes serviços, a destinação final do lixo é uma preocupação que vem ganhando relevância, devido às suas implicações com a qualidade de vida das populações e a necessidade de aprimorar as técnicas de manejo dos resíduos sólidos urbanos. No trabalho desenvolvido o resíduo considerado pelo mesmo é do tipo domiciliar Uso de Sistemas de Informação na Gestão de Resíduos Sólidos A gestão de resíduos sólidos é um tópico que vem atraindo a atenção de pesquisadores em Modelagem de Sistemas desde a última década (HUANG et al., 1998). Prova disso, são os inúmeros trabalhos publicados na área, os quais vão desde a alocação de veículos para a coleta dos resíduos (BHAT, 1996; EVERETT, SHAHI, 1997) até a construção de modelos de avaliação de impacto ambiental provocado pela disposição final dos resíduos, levando em consideração o tipo de disposição, o tipo de resíduo e o local onde foi depositado o mesmo (PERRODIN et al., 2002). Trabalhos envolvendo logística, transporte e destino final de resíduos são amplamente encontrados na literatura da área. Porém, grande parte destes trabalhos utiliza tão somente a Pesquisa Operacional para a resolução dos problemas oriundos do processo de coleta e disposição finais dos resíduos (SIMONETTO, BORENSTEIN, 2007). No desenvolvimento 4

5 do trabalho buscou-se utilizar técnicas da área de Business Intelligence, tais como a modelagem de data warehouse e processamento analítico on-line (OLAP) dos dados armazenados nos bancos de dados transacionais de empresas de coleta de resíduos, de modo a gerar resultados para que os gestores de coleta possam rever, ou até mesmo redimensionar, suas estratégias de coleta e disposição final dos resíduos coletados. 4 METODOLOGIA DA PESQUISA DESENVOLVIDA A metodologia de pesquisa utilizada para o desenvolvimento dos modelos de data warehouse e arquitetura OLAP para auxílio no processo decisório da coleta de resíduos é a mesma adotada para o desenvolvimento de trabalhos em Sistemas de Apoio à Decisão apresentada em Law e Kelton (1991), tendo em vista a natureza do projeto a ser desenvolvido. A pesquisa será estruturada da seguinte forma: (1) estudos exploratórios do problema a ser abordado; (2) desenvolvimento conceitual da solução; (3) implementação da solução em ambiente computacional e; (4) validação e teste da solução. A validação contempla três fases distintas do desenvolvimento: (a) na elaboração do modelo conceitual do data warehouse, ou seja, na verificação dos requisitos básicos a serem representados; (b) na implementação computacional verifica-se se o data warehouse atendeu aos requisitos definidos no modelo conceitual e; (c) na verificação da capacidade do data warehouse como um todo em representar o processo decisório envolvido no planejamento da coleta de resíduos sólidos urbanos. Neste processo (validação), foram utilizados dados reais referentes à coleta de resíduos fornecidos por empresa responsável pelo serviço em diversas cidades das regiões sul e sudeste do Brasil. 5 USO DE FERRAMENTAS DE DATA WAREHOUSE E TÉCNICAS OLAP NA COLETA DE RESÍDUOS A necessidade de informações estratégicas ao processo decisório acerca da coleta de resíduos sólidos domiciliares será descrita a seguir e, utilizou como referência para sua elaboração entrevistas com gestores de empresa responsável pela coleta de resíduos em diversos municípios, bem como trabalhos científicos na área (CUNHA, CAIXETA, 2002; MONTEIRO et al., 2001; SIMONETTO, BORENSTEIN, 2007) e indicadores de produtividade para apoio a decisão referente à gestão integrada de resíduos sólidos (MANSUR, MONTEIRO, 1993; O LEARY et al., 1999). Para uma melhor organização e compreensão das demandas de informação será executada uma classificação destas demandas em três grupos: informações sobre veículos coletores, informações sobre a coleta de resíduos e informações sobre disposição final dos resíduos. Cabe ressaltar, que todas informações geradas possuem relação com tempo e espaço, ou seja, aconteceram em um determinado momento no tempo e, em um determinado local. Este aspecto facilita as consultas com caráter espaço-temporal do tipo: Qual a quantidade média de resíduo transportada pelo veículo v no mês m do ano a para a disposição d?, onde ano e mês possuem caráter temporal, a disposição possui caráter espacial com relação ao veículo e a variável quantitativa relativa ao fato; quantidade média de resíduos transportada. Para cada um dos grupos, na tabela 1, são apresentadas as informações a serem geradas pelo modelo de data warehouse desenvolvido, bem como a sua utilização no contexto da coleta de resíduos: 5

6 GRUPOS INFORMAÇÃO UTILIZAÇÃO VEÍCULO COLETA DISPOSIÇÃO FINAL (V1) - Manutenção, limpeza e pintura de veículo (V2) - Utilização real do veículo (C1) Viagem de coleta de resíduos em determinado setor (tipo da coleta (convencional ou seletiva), quilometragem percorrida, resíduo predominante, quantidade de resíduo coletada, veículo utilizado, tamanho da guarnição (pessoas), existência de ocorrência, destino da coleta, tempo de coleta, horário da coleta, turno da coleta, habitantes do setor, custo estimado da viagem) (C2) - Controle de percursos improdutivos (deslocamento sem coleta). (D1) Controle da área ocupada pela disposição final Minimização da poluição ambiental e sonora, controle de custos, pois os veículos coletores também são geradores de resíduos e poluição. Minimização do desperdício causado pela ociosidade. Minimização de custos e de problemas sociais e ambientais; métricas de produtividade da mão-deobra; comparações entre coletas em diferentes dias, meses e anos; mensuração da densidade média de resíduo coletada por quilômetro percorrido; mensuração da quantidade de resíduos não coletados; mensuração da efetividade da coleta seletiva; mensuração das despesas com coleta de resíduos; verificação da necessidade do uso de estações Redução de de transbordo. custos e da poluição ambiental Controle do espaço disponível para armazenamento; planejamento de novos aterros e estímulo à coleta seletiva. Tabela 1- Informações estratégicas úteis ao processo decisório da coleta de resíduos Definidos os requisitos informacionais do sistema de apoio a decisão para apoio à gestão da coleta de resíduos, pode-se então passar a etapa de construção do modelo multidimensional de dados do data warehouse, a qual é denominada modelagem conceitual do sistema. O modelo de dados e os metadados do data warehouse são apresentados, a seguir, na subseção Modelo Multidimensional de Dados do Data Warehouse Após a definição dos requisitos de informações a serem geradas pelo de modelo, partiu-se para a definição do modelo multidimensional. Para a construção do data warehouse foi utilizado o modelo estrela (INMON, 2002), onde o relacionamento existente entre uma tabela 6

7 de fato e as tabelas de dimensões é do tipo um-para-muitos e estas, por sua vez, só possuem relacionamento com as tabelas de fatos (WATSON, 2004). Na modelagem desenvolvida foram identificadas 12 (doze) tabelas dimensões e 3 (três) tabelas de fatos, as quais são apresentadas na figura 1. As tabelas de fatos, por definição de Inmon (2002), contém milhares de registros com valores e medidas sobre o negócio da organização. Cada uma destas medidas é obtida através da intersecção de n dimensões. Na figura 1, por exemplo, a informação sobre ocupação do espaço físico de disposição de resíduos sólidos é obtida na tabela de fato denominada Fato_Ocupação a qual é gerada a partir da intersecção das dimensões relativas ao tempo (Dim_Tempo) e espacial (Dim_LocalDisposição). Figura 1 Modelo multidimensional do data warehouse Após esta etapa, foi executada a validação do modelo multidimensional através da participação de responsáveis pela coleta de resíduos, os quais, após a apresentação do modelo, fizeram sugestões que foram prontamente incorporadas ao data warehouse. Tais contribuições deram-se, mais especificamente, pela incorporação de atributos às tabelas de fatos para ampliar quantitativamente e qualitativamente as informações geradas. Para a implementação computacional do modelo multidimensional foram utilizados os softwares PALO da Jedox (JEDOX, 2008) e KETTLE da Pentaho Corporation (PENTAHO, 2008). O Kettle foi utilizado na parte de extração, limpeza e carga de dados a partir do banco de dados disponibilizado pela empresa de coleta de resíduos para o modelo desenvolvido. Por sua vez, o Palo foi utilizado para a geração de informações a partir dos dados armazenados no data warehouse. Um exemplo da utilização do modelo é apresentado a seguir na seção 6 do artigo. 7

8 6 VALIDAÇÃO E RESULTADOS DA UTILIZAÇÃO EM CASO REAL DE USO Para demonstração do uso do modelo de data warehouse desenvolvido será apresentado nesta seção um caso (com dados reais) da coleta seletiva de uma capital de um estado da região sul. Este município conta com uma população superior a 1,3 milhão de habitantes e possui um orçamento anual de 10 milhões de dólares para a gestão de resíduos, onde em torno de 70% deste valor é destinado a coleta e o transporte dos mesmos. A reciclagem de resíduos no município se dá através da Coleta Seletiva e, tal atividade é de responsabilidade do Departamento de Limpeza Urbana. Este tipo de coleta e já atinge 100 % da cidade, abrangendo 150 bairros que somados, em outros tempos, já chegaram a totalizar em torno de 50 toneladas de resíduos potencialmente recicláveis por dia em meses de consumo elevado por parte da população. O destino dos materiais colocados à disposição da Coleta Seletiva são as unidades de triagem, criadas a partir da necessidade de trabalho de grupos de determinadas áreas carentes da cidade, ex-catadores, papeleiros, populações sub-empregadas e desempregados, que através dessa atividade buscam uma forma de gerar rendimentos, garantindo sua sobrevivência. Este mesmo caso foi utilizado na última etapa de validação do modelo, pois a mesma verifica o funcionamento, o comportamento e as respostas do mesmo em determinadas situações já conhecidas por usuários desenvolvedores e possíveis usuários finais. A validação tem recebido atenção em várias áreas de pesquisa, tais como pesquisa operacional, análise de sistemas, sistemas especialistas e, também, nos sistemas de apoio à decisão. Conseqüentemente, é bastante difícil encontrar uma definição padrão para o que é validação. Neste trabalho adotamos a definição apresentada por Pidd (1998) a qual afirma que um modelo é uma representação do mundo real ou, no mínimo, parte dele. Por isso, a validação é realmente bastante direta em princípio. Tudo que a validação precisa fazer é verificar se o comportamento do modelo e do mundo real ocorre sob as mesmas condições. Se sim, o modelo é válido. Se não, então o modelo não é válido. Para esta demonstração será utilizada a tabela de fatos denominada Coleta, e internamente a esta, os atributos Tipo de Coleta, Quantidade Coletada e Tempo. Será gerada uma consulta referente à quantidade total de resíduos coletados, pela coleta seletiva, no mês de maio do ano 2000 ao ano de Os resultados gerados, tanto na forma de tabela quanto no formato gráfico, são apresentados na figura 2. As informações obtidas no caso real utilizado como parte da validação, confirmam a redução da quantidade coletada pela coleta seletiva de resíduos da prefeitura municipal, pois tal fato, segundo os gestores, deu-se pelo aumento da coleta de resíduos potencialmente recicláveis no município por parte de associações, cooperativas, autônomos e outros. Do ano 2000 ao ano de 2004, considerando apenas o mês de maio destes, houve uma redução de 15,68% na quantidade total de resíduos coletada, o que comprova a afirmação por parte dos gestores da coleta, como valida, em parte, o modelo implementado no Palo. 8

9 Figura 2 Resultados gerados pelo PALO no formato de tabela e gráfico 7 CONSIDERAÇÕES FINAIS O objetivo principal do trabalho foi o de apresentar um modelo de business intelligence o qual tem por finalidade principal o auxílio aos gestores da coleta seletiva de resíduos sólidos, no que tange ao processo decisório acerca da coleta de resíduos sólidos domiciliares, tendo em vista a alta eficiência destes modelos em problemas de natureza organizacionais (WATSON, 2004). As conclusões que podem ser extraídas a partir da utilização do modelo (no caso específico relatado no artigo), com dados fornecidos pela empresa pública de coleta do município, o modelo comportou-se de forma correta, pois retratou com fidedignidade um fato que era anteriormente conhecido pelos gestores, que era o da redução na quantidade total de resíduos potencialmente recicláveis no início dos anos Para tal, foram analisados dados do mês de maio de cinco anos de coleta (2000 a 2004), o que garante a veracidade dos resultados gerados. No caso, a informação gerada foi o da redução de 15,68% dos resíduos oriundos da coleta seletiva municipal, fato este atribuído ao aumento da coleta informal deste tipo de resíduo. O modelo foi validado também utilizando as tabelas fatos Ocupação (relativo a aterros sanitários) e Manutenção (relativo a veículos coletores) e, mais uma vez, comportou-se de forma fidedigna, segundo os gestores da área.como trabalho futuro pretende-se aplicar algoritmos de data mining (regras de associação e clustering) para a descoberta de padrões e novos comportamentos sobre o processo de coleta de resíduos sólidos domiciliares no data warehouse já desenvolvido. REFERÊNCIAS BIBLIOGRÁFICAS. BARLAZ, M.A.; et al. Life-Cycle Study of Municipal Solid Waste Management System Description. Washington DC: U.S. Environmental Protection Agency, BHAT, V.N. A model for the optimal allocation of trucks for the solid waste management. Waste Management & Research, 14, pp.87-96,

10 CHANG, N.; WEI, Y. Siting recycling drop-off in urban area by genetic algorithm-based fuzzy multiobjective nonlinear integer programming modeling. Fuzzy Sets and Systems, 114, pp , CORDEAU, J.F.; et al. A guide to vehicle routing heuristics. Journal of the Operational Research Society, 53, pp , CUNHA, V.; CAIXETA FILHO, J. V. Gerenciamento da Coleta de Resíduos Sólidos Urbanos: Estruturação e Aplicação de Modelo Não-Linear de Programação de Metas. Revista do Departamento de Engenharia de Produção da Universidade Federal de São Carlos, v. 9, n. 2, ENVOLVERDE / MINISTÉRIO DAS CIDADES. MCidades lança Diagnóstico de Resíduos Sólidos Urbanos. Disponível em: SOLIDOS&x=15&y=10#. Acessado em 05/02/2009 EVERETT, J.W.; SHAHI, S. Vehicle and labor requirements for yard waste collection. Waste Management & Research, 15, pp , HUANG, G.H.; BAETZ, B.W.; PATRY, G.G. Trash-Flow Allocation: Planning Under Uncertainty. Interfaces, Vol. 28, No. 6, pp , Nov-Dec, INMON, W. Building the Data Warehouse. John Wiley & Sons, Kimball, R.; Ross,M. The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling. Willey Computer Publishing, LAW, A.M., KELTON, W.D. Simulation Modeling & Analysis. 2ª Ed., McGraw-Hill, MANSUR, G.L.; MONTEIRO, J.H.P. O que é preciso saber sobre limpeza urbana. Rio de Janeiro, IBAM/CPU, MONTEIRO, J.H.P.; et al. Manual de Gerenciamento Integrado de Resíduos Sólidos. Rio de Janeiro: Instituto Brasileiro de Administração Municipal, O LEARY, P.R; et al.. Decision Maker s Guide to Solid Waste Management.Vol. 2. Washington DC: U.S. Environmental Protection Agency, JEDOX PALO. Jedox Palo OLAP Server - Open Source Business Intelligence for Planning, Analysis, Reporting and Consolidation. Disponível em: Acessado em: 16 de outubro de PENTAHO CORPORATION. Kettle Project. Disponível em: Acessado em: 16 de outubro de PERRODIN, Y.; et al. Waste ecocompatibility in storage and reuse scenarios: global methodology and detailed presentation of the impact study on the recipient environments. Waste Management, 22, pp , PIDD, M. Modelagem Empresarial Ferramentas para a Tomada de Decisão. Porto Alegre: Artmed,

11 SIMONETTO, E.O., BORENSTEIN, D. A Decision Support System for the Operational Planning of Solid Waste Collection. Waste Management, 27(10), pp , SNIS Sistema Nacional de Informações sobre Saneamento. Diagnóstico do Manejo de Resíduos Sólidos Urbanos/2006. Disponível em: Carrega.php?EWRErterterTERTer=76. Acessado em 06 de fevereiro de TUNG, D.V.; PINNOI, A. Vehicle routing-scheduling for waste collection in Hanoi. European Journal of Operational Research, 125, pp , ZUTSHI, A.; SOHAL, A. Environmental management systems auditing: auditors experiences in Auastralia. International Journal Environment and Sustainable Development, 1, No. 1, pp.73-87, WATSON, R.T. Data Management Banco de Dados e Organizações. LTC,

MODELO DE BUSINESS INTELLIGENCE PARA AUXÍLIO NO PLANEJAMENTO DA COLETA DE RESÍDUOS ABORDAGEM UTILIZANDO SOFTWARE LIVRE

MODELO DE BUSINESS INTELLIGENCE PARA AUXÍLIO NO PLANEJAMENTO DA COLETA DE RESÍDUOS ABORDAGEM UTILIZANDO SOFTWARE LIVRE MODELO DE BUSINESS INTELLIGENCE PARA AUXÍLIO NO PLANEJAMENTO DA COLETA DE RESÍDUOS ABORDAGEM UTILIZANDO SOFTWARE LIVRE A MODEL OF BUSINESS INTELLIGENCE TO SUPPORT THE PLANNING OF SOLID WASTE COLLECTION

Leia mais

Uma Ferramenta Web para BI focada no Gestor de Informação

Uma Ferramenta Web para BI focada no Gestor de Informação Uma Ferramenta Web para BI focada no Gestor de Informação Mikael de Souza Fernandes 1, Gustavo Zanini Kantorski 12 mikael@cpd.ufsm.br, gustavoz@cpd.ufsm.br 1 Curso de Sistemas de Informação, Universidade

Leia mais

DESENVOLVIMENTO DE PLUG-INS KETTLE PARA GERAÇÃO DE MONDRIAN SCHEMA A PARTIR DE BASES RELACIONAIS, UTILIZANDO A METODOLOGIA AGILE ROLAP.

DESENVOLVIMENTO DE PLUG-INS KETTLE PARA GERAÇÃO DE MONDRIAN SCHEMA A PARTIR DE BASES RELACIONAIS, UTILIZANDO A METODOLOGIA AGILE ROLAP. DESENVOLVIMENTO DE PLUG-INS KETTLE PARA GERAÇÃO DE MONDRIAN SCHEMA A PARTIR DE BASES RELACIONAIS, UTILIZANDO A METODOLOGIA AGILE ROLAP. Eduardo Cristovo de Freitas Aguiar (PIBIC/CNPq), André Luís Andrade

Leia mais

Aplicação A. Aplicação B. Aplicação C. Aplicação D. Aplicação E. Aplicação F. Aplicação A REL 1 REL 2. Aplicação B REL 3.

Aplicação A. Aplicação B. Aplicação C. Aplicação D. Aplicação E. Aplicação F. Aplicação A REL 1 REL 2. Aplicação B REL 3. Sumário Data Warehouse Modelagem Multidimensional. Data Mining BI - Business Inteligence. 1 2 Introdução Aplicações do negócio: constituem as aplicações que dão suporte ao dia a dia do negócio da empresa,

Leia mais

Palavras-chave: On-line Analytical Processing, Data Warehouse, Web mining.

Palavras-chave: On-line Analytical Processing, Data Warehouse, Web mining. BUSINESS INTELLIGENCE COM DADOS EXTRAÍDOS DO FACEBOOK UTILIZANDO A SUÍTE PENTAHO Francy H. Silva de Almeida 1 ; Maycon Henrique Trindade 2 ; Everton Castelão Tetila 3 UFGD/FACET Caixa Postal 364, 79.804-970

Leia mais

GESTÃO OPERACIONAL DA COLETA SELETIVA DE RESÍDUOS SÓLIDOS URBANOS ABORDAGEM UTILIZANDO UM SISTEMA DE APOIO À DECISÃO

GESTÃO OPERACIONAL DA COLETA SELETIVA DE RESÍDUOS SÓLIDOS URBANOS ABORDAGEM UTILIZANDO UM SISTEMA DE APOIO À DECISÃO GESTÃO OPERACIONAL DA COLETA SELETIVA DE RESÍDUOS SÓLIDOS URBANOS ABORDAGEM UTILIZANDO UM SISTEMA DE APOIO À DECISÃO Eugênio de Oliveira Simonetto, Centro Federal de Educação Tecnológica de São Vicente

Leia mais

Sistemas de Apoio à Decisão (SAD) - Senado

Sistemas de Apoio à Decisão (SAD) - Senado Sistemas de Apoio à Decisão (SAD) - Senado DW OLAP BI Ilka Kawashita Material preparado :Prof. Marcio Vitorino Sumário OLAP Data Warehouse (DW/ETL) Modelagem Multidimensional Data Mining BI - Business

Leia mais

SUMÁRIO 1. INTRODUÇÃO... 2 2. O QUE É DATA WAREHOUSE?... 2 3. O QUE DATA WAREHOUSE NÃO É... 4 4. IMPORTANTE SABER SOBRE DATA WAREHOUSE... 5 4.

SUMÁRIO 1. INTRODUÇÃO... 2 2. O QUE É DATA WAREHOUSE?... 2 3. O QUE DATA WAREHOUSE NÃO É... 4 4. IMPORTANTE SABER SOBRE DATA WAREHOUSE... 5 4. SUMÁRIO 1. INTRODUÇÃO... 2 2. O QUE É DATA WAREHOUSE?... 2 3. O QUE DATA WAREHOUSE NÃO É... 4 4. IMPORTANTE SABER SOBRE DATA WAREHOUSE... 5 4.1 Armazenamento... 5 4.2 Modelagem... 6 4.3 Metadado... 6 4.4

Leia mais

Uma análise multidimensional dos dados estratégicos da empresa usando o recurso OLAP do Microsoft Excel

Uma análise multidimensional dos dados estratégicos da empresa usando o recurso OLAP do Microsoft Excel Uma análise multidimensional dos dados estratégicos da empresa usando o recurso OLAP do Microsoft Excel Carlos Alberto Ferreira Bispo (AFA) cafbispo@siteplanet.com.br Daniela Gibertoni (FATECTQ) daniela@fatectq.com.br

Leia mais

Data Warehouses. Alunos: Diego Antônio Cotta Silveira Filipe Augusto Rodrigues Nepomuceno Marcos Bastos Silva Roger Rezende Ribeiro Santos

Data Warehouses. Alunos: Diego Antônio Cotta Silveira Filipe Augusto Rodrigues Nepomuceno Marcos Bastos Silva Roger Rezende Ribeiro Santos Data Warehouses Alunos: Diego Antônio Cotta Silveira Filipe Augusto Rodrigues Nepomuceno Marcos Bastos Silva Roger Rezende Ribeiro Santos Conceitos Básicos Data Warehouse(DW) Banco de Dados voltado para

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

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

Business Intelligence e ferramentas de suporte

Business Intelligence e ferramentas de suporte O modelo apresentado na figura procura enfatizar dois aspectos: o primeiro é sobre os aplicativos que cobrem os sistemas que são executados baseados no conhecimento do negócio; sendo assim, o SCM faz o

Leia mais

Data Warehouses Uma Introdução

Data Warehouses Uma Introdução Data Warehouses Uma Introdução Alex dos Santos Vieira, Renaldy Pereira Sousa, Ronaldo Ribeiro Goldschmidt 1. Motivação e Conceitos Básicos Com o advento da globalização, a competitividade entre as empresas

Leia mais

ESTRATÉGIAS E DESAFIOS PARA A IMPLANTAÇÃO DA POLÍTICA NACIONAL DE RESÍDUOS SÓLIDOS

ESTRATÉGIAS E DESAFIOS PARA A IMPLANTAÇÃO DA POLÍTICA NACIONAL DE RESÍDUOS SÓLIDOS ESTRATÉGIAS E DESAFIOS PARA A IMPLANTAÇÃO DA POLÍTICA NACIONAL DE RESÍDUOS SÓLIDOS Geraldo Antônio Reichert Coordenador da Câmara Temática de Resíduos Sólidos ABES Associação Brasileira de Engenharia Sanitária

Leia mais

TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE

TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto OLPT x OLAP Roteiro OLTP Datawarehouse OLAP Operações OLAP Exemplo com Mondrian e Jpivot

Leia mais

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

IMPLANTAÇÃO DO DW NA ANVISA

IMPLANTAÇÃO DO DW NA ANVISA IMPLANTAÇÃO DO DW NA ANVISA Bruno Nascimento de Ávila 1 Rodrigo Vitorino Moravia 2 Maria Renata Furtado 3 Viviane Rodrigues Silva 4 RESUMO A tecnologia de Business Intelligenge (BI) ou Inteligência de

Leia mais

PLANO DE GERENCIAMENTO DE RESIDUOS SOLIDOS URBANOS

PLANO DE GERENCIAMENTO DE RESIDUOS SOLIDOS URBANOS PREFEITURA MUNICIPAL DE TUCURUÍ PARÁ SECRETARIA MUNICIPAL DE MEIO AMBIENTE DE TUCURUÍ SEMMA / TUCURUÍ PLANO DE GERENCIAMENTO DE RESIDUOS SOLIDOS URBANOS APRESENTAÇAO O presente documento consolida o diagnóstico

Leia mais

Thiago Locatelli de OLIVEIRA, Thaynara de Assis Machado de JESUS; Fernando José BRAZ Bolsistas CNPq; Orientador IFC Campus Araquari

Thiago Locatelli de OLIVEIRA, Thaynara de Assis Machado de JESUS; Fernando José BRAZ Bolsistas CNPq; Orientador IFC Campus Araquari DESENVOLVIMENTO DE AMBIENTE PARA A GESTÃO DO CONHECIMENTO RELACIONADO AOS DADOS PRODUZIDOS PELO SISTEMA DE GERENCIAMENTO DE TRANSITO DA CIDADE DE JOINVILLE/SC PARTE I Thiago Locatelli de OLIVEIRA, Thaynara

Leia mais

Business Intelligence. Business Intelligence. Business Intelligence. Business Intelligence. Business Intelligence

Business Intelligence. Business Intelligence. Business Intelligence. Business Intelligence. Business Intelligence Juntamente com o desenvolvimento desses aplicativos surgiram os problemas: & Data Warehouse July Any Rizzo Oswaldo Filho Década de 70: alguns produtos de BI Intensa e exaustiva programação Informação em

Leia mais

DATA WAREHOUSE. Introdução

DATA 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 mais

5 Estudo de Caso. 5.1. Material selecionado para o estudo de caso

5 Estudo de Caso. 5.1. Material selecionado para o estudo de caso 5 Estudo de Caso De modo a ilustrar a estruturação e representação de conteúdos educacionais segundo a proposta apresentada nesta tese, neste capítulo apresentamos um estudo de caso que apresenta, para

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

Business Intelligence Um enfoque gerencial para a Inteligência do Negócio.Efrain Turban e outros.tradução. Bookman, 2009.

Business Intelligence Um enfoque gerencial para a Inteligência do Negócio.Efrain Turban e outros.tradução. Bookman, 2009. REFERÊNCIAS o o Business Intelligence Um enfoque gerencial para a Inteligência do Negócio.Efrain Turban e outros.tradução. Bookman, 2009. Competição Analítica - Vencendo Através da Nova Ciência Davenport,

Leia mais

Uma Ferramenta WEB para apoio à Decisão em Ambiente Hospitalar

Uma Ferramenta WEB para apoio à Decisão em Ambiente Hospitalar Uma Ferramenta WEB para apoio à Decisão em Ambiente Hospitalar Mikael de Souza Fernandes 1, Gustavo Zanini Kantorski 12 mikael@cpd.ufsm.br, gustavoz@cpd.ufsm.br 1 Curso de Sistemas de Informação, Universidade

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

Adriano Maranhão BUSINESS INTELLIGENCE (BI),

Adriano Maranhão BUSINESS INTELLIGENCE (BI), Adriano Maranhão BUSINESS INTELLIGENCE (BI), BUSINESS INTELLIGENCE (BI) O termo Business Intelligence (BI), popularizado por Howard Dresner do Gartner Group, é utilizado para definir sistemas orientados

Leia mais

Módulo 5. Implementando Cubos OLAP

Módulo 5. Implementando Cubos OLAP Módulo 5. Implementando Cubos OLAP Objetivos Compreender a importância da manipulação correta da segurança nos dados. Conhecer as operações que podem ser realizadas na consulta de um cubo. Entender o uso

Leia mais

Processo Decisório, OLAP e Relatórios Corporativos OLAP E RELATÓRIOS CORPORATIVOS

Processo Decisório, OLAP e Relatórios Corporativos OLAP E RELATÓRIOS CORPORATIVOS Processo Decisório, OLAP e Relatórios Corporativos OLAP E RELATÓRIOS CORPORATIVOS Sumário Conceitos/Autores chave... 3 1. Introdução... 5 2. OLAP... 6 3. Operações em OLAP... 8 4. Arquiteturas em OLAP...

Leia mais

Aplicação de Data Warehousing no Cadastro de Ficha Limpa do TSE

Aplicação de Data Warehousing no Cadastro de Ficha Limpa do TSE Aplicação de Data Warehousing no Cadastro de Ficha Limpa do TSE Mateus Ferreira Silva, Luís Gustavo Corrêa Lira, Marcelo Fernandes Antunes, Tatiana Escovedo, Rubens N. Melo mateusferreiras@gmail.com, gustavolira@ymail.com,

Leia mais

Construção de um Sistema de Informações Estratégicas, Integrando Conhecimento, Inteligência e Estratégia.

Construção de um Sistema de Informações Estratégicas, Integrando Conhecimento, Inteligência e Estratégia. Construção de um Sistema de Informações Estratégicas, Integrando Conhecimento, Inteligência e Estratégia. Introdução Sávio Marcos Garbin Considerando-se que no contexto atual a turbulência é a normalidade,

Leia mais

Data Warehouse. Debora Marrach Renata Miwa Tsuruda

Data Warehouse. Debora Marrach Renata Miwa Tsuruda Debora Marrach Renata Miwa Tsuruda Agenda Introdução Contexto corporativo Agenda Introdução Contexto corporativo Introdução O conceito de Data Warehouse surgiu da necessidade de integrar dados corporativos

Leia mais

Aplicando Técnicas de Business Intelligence sobre dados de desempenho Acadêmico: Um estudo de caso

Aplicando Técnicas de Business Intelligence sobre dados de desempenho Acadêmico: Um estudo de caso Aplicando Técnicas de Business Intelligence sobre dados de desempenho Acadêmico: Um estudo de caso Ana Magela Rodriguez Almeida 1, Sandro da Silva Camargo 1 1 Curso Engenharia de Computação Universidade

Leia mais

MAPEAMENTO DA ROTA DE COLETA SELETIVA DAS COOPERATIVAS DE CATADORES DE MATERIAIS RECICLÁVEIS DO NATAL/RN

MAPEAMENTO DA ROTA DE COLETA SELETIVA DAS COOPERATIVAS DE CATADORES DE MATERIAIS RECICLÁVEIS DO NATAL/RN MAPEAMENTO DA ROTA DE COLETA SELETIVA DAS COOPERATIVAS DE CATADORES DE MATERIAIS RECICLÁVEIS DO NATAL/RN Rejane dos Santos Dantas¹; Robson Garcia da Silva²; rsdbiosl@bol.combr¹; robson.garcia@ifrn.edu.br²;

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

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

Data Warehouse Processos e Arquitetura

Data Warehouse Processos e Arquitetura Data Warehouse - definições: Coleção de dados orientada a assunto, integrada, não volátil e variável em relação ao tempo, que tem por objetivo dar apoio aos processos de tomada de decisão (Inmon, 1997)

Leia mais

UNIVERSIDADE CATÓLICA PORTUGUESA Centro Regional das Beiras Pólo de Viseu Instituto Universitário de Desenvolvimento e Promoção Social

UNIVERSIDADE CATÓLICA PORTUGUESA Centro Regional das Beiras Pólo de Viseu Instituto Universitário de Desenvolvimento e Promoção Social UNIVERSIDADE CATÓLICA PORTUGUESA Centro Regional das Beiras Pólo de Viseu Instituto Universitário de Desenvolvimento e Promoção Social DISCIPLINA Controlo Informático da Gestão LICENCIATURA Informática

Leia mais

PROPOSTA DE UMA ARQUITETURA PARA CONSTRUÇÃO DE UM DATA WAREHOUSE PARA GESTÃO DA SAÚDE PÚBLICA DE UM MUNICÍPIO DO VALE DO ITAJAÍ

PROPOSTA DE UMA ARQUITETURA PARA CONSTRUÇÃO DE UM DATA WAREHOUSE PARA GESTÃO DA SAÚDE PÚBLICA DE UM MUNICÍPIO DO VALE DO ITAJAÍ PROPOSTA DE UMA ARQUITETURA PARA CONSTRUÇÃO DE UM DATA WAREHOUSE PARA GESTÃO DA SAÚDE PÚBLICA DE UM MUNICÍPIO DO VALE DO ITAJAÍ Renan Felipe dos Santos Prof. Alexander Roberto Valdameri,Orientador ROTEIRO

Leia mais

Uma abordagem utilizando Business Intelligence para apoiar o processo de tomada de decisão na gestão da evolução de serviços web 1

Uma abordagem utilizando Business Intelligence para apoiar o processo de tomada de decisão na gestão da evolução de serviços web 1 Uma abordagem utilizando Business Intelligence para apoiar o processo de tomada de decisão na gestão da evolução de serviços web 1 Ernando Silva 1, Renata Galante (Orientadora) 1, Karin Becker (Coorientadora)

Leia mais

PLANO DE ENSINO PRÉ-REQUISITOS: ENS

PLANO DE ENSINO PRÉ-REQUISITOS: ENS UNIVERSIDADE DO ESTADO DE SANTA CATARINA UDESC CENTRO DE EDUCAÇÃO SUPERIOR DO ALTO VALE DO ITAJAÍ CEAVI PLANO DE ENSINO DEPARTAMENTO: DSI Departamento de Sistema de Informação DISCIPLINA: Data Warehouse

Leia mais

Projeto de Data Warehousing sobre Informações em Saúde para dar Suporte a Análise de Faturamento Hospitalar

Projeto de Data Warehousing sobre Informações em Saúde para dar Suporte a Análise de Faturamento Hospitalar Projeto de Data Warehousing sobre Informações em Saúde para dar Suporte a Análise de Faturamento Hospitalar Newton Shydeo Brandão Miyoshi Joaquim Cezar Felipe Grupo de Informática Biomédica Departamento

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

Nota técnica Março/2014

Nota técnica Março/2014 Nota técnica Março/2014 Sistemas de Saneamento no Brasil - Desafios do Século XXI João Sergio Cordeiro O Brasil, no final do ano de 2013, possuía população de mais de 200 milhões de habitantes distribuídos

Leia mais

Curso Data warehouse e Business Intelligence

Curso Data warehouse e Business Intelligence Curso Data warehouse e Business Intelligence Fundamentos, Metodologia e Arquitetura Apresentação Os projetos de Data Warehouse e Business Intelligence são dos mais interessantes e complexos de desenvolver

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

Uma aplicação de Data Warehouse para análise do processo de coleta de sangue e de medula óssea

Uma aplicação de Data Warehouse para análise do processo de coleta de sangue e de medula óssea Uma aplicação de Data Warehouse para análise do processo de coleta de sangue e de medula óssea Rogério de Torres Pelito, Gleise Celeste Gonzaga Pereira, Diana Maria da Silva de Souza, André Luiz Alves

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

TÍTULO: DESENVOLVIMENTO SUSTENTÁVEL E GESTÃO DE RESÍDUOS SÓLIDOS NA CIDADE DE POÁ, SP.

TÍTULO: DESENVOLVIMENTO SUSTENTÁVEL E GESTÃO DE RESÍDUOS SÓLIDOS NA CIDADE DE POÁ, SP. TÍTULO: DESENVOLVIMENTO SUSTENTÁVEL E GESTÃO DE RESÍDUOS SÓLIDOS NA CIDADE DE POÁ, SP. CATEGORIA: EM ANDAMENTO ÁREA: ENGENHARIAS E ARQUITETURA SUBÁREA: ENGENHARIAS INSTITUIÇÃO: CENTRO UNIVERSITÁRIO ESTÁCIO

Leia mais

Capítulo 1 - A revolução dos dados, da informação e do conhecimento 1 B12 4

Capítulo 1 - A revolução dos dados, da informação e do conhecimento 1 B12 4 Sumário Capítulo 1 - A revolução dos dados, da informação e do conhecimento 1 B12 4 Capítulo 2 - Reputação corporativa e uma nova ordem empresarial 7 Inovação e virtualidade 9 Coopetição 10 Modelos plurais

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

Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan

Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan Faculdade INED Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan 1 Unidade 4.2 2 1 BI BUSINESS INTELLIGENCE BI CARLOS BARBIERI

Leia mais

Data Warehousing Visão Geral do Processo

Data Warehousing Visão Geral do Processo Data Warehousing Visão Geral do Processo Organizações continuamente coletam dados, informações e conhecimento em níveis cada vez maiores,, e os armazenam em sistemas informatizados O número de usuários

Leia mais

Curso Data warehouse e Business Intelligence Fundamentos, Metodologia e Arquitetura

Curso Data warehouse e Business Intelligence Fundamentos, Metodologia e Arquitetura Curso Data warehouse e Business Intelligence Fundamentos, Metodologia e Arquitetura Apresentação Os projetos de Data Warehouse e Business Intelligence são dos mais interessantes e complexos de desenvolver

Leia mais

"PANORAMA DA COLETA SELETIVA DE LIXO NO BRASIL"

PANORAMA DA COLETA SELETIVA DE LIXO NO BRASIL Reciclagem e Valorizaçã ção o de Resíduos Sólidos S - Meio Ambiente UNIVERSIDADE DE SÃO S O PAULO "PANORAMA DA COLETA SELETIVA DE LIXO NO BRASIL" Associação sem fins lucrativos, o CEMPRE se dedica à promoção

Leia mais

Revista hospedada em: http://revistas.facecla.com.br/index.php/reinfo Forma de avaliação: double blind review

Revista hospedada em: http://revistas.facecla.com.br/index.php/reinfo Forma de avaliação: double blind review Revista hospedada em: http://revistas.facecla.com.br/index.php/reinfo Forma de avaliação: double blind review Esta revista é (e sempre foi) eletrônica para ajudar a proteger o meio ambiente, mas, caso

Leia mais

Gestão de Resíduos Secos IV CMMA

Gestão de Resíduos Secos IV CMMA 1 Resultados da IV Conferência Municipal do Meio Ambiente de São Paulo, 30 e 31 de agosto e 1º de setembro de 2013. Reelaboração Participativa do Plano de Gestão de Resíduos Sólidos - PGIRS / SP - texto

Leia mais

Curso Superior de Tecnologia em BD Suporte de Apoio à Decisão

Curso Superior de Tecnologia em BD Suporte de Apoio à Decisão Curso Superior de Tecnologia em BD Suporte de Apoio à Decisão Aula 01 Agenda Introdução Conceitos Histórico Fornecedores Quadrantes Mágicos Introdução aos Próximos tópicos 2 Introdução Sistemas de Apoio

Leia mais

01/12/2009 BUSINESS INTELLIGENCE. Agenda. Conceito. Segurança da Informação. Histórico Conceito Diferencial Competitivo Investimento.

01/12/2009 BUSINESS INTELLIGENCE. Agenda. Conceito. Segurança da Informação. Histórico Conceito Diferencial Competitivo Investimento. BUSINESS INTELLIGENCE Agenda BI Histórico Conceito Diferencial Competitivo Investimento Segurança da Objetivo Áreas Conceito O conceito de Business Intelligencenão é recente: Fenícios, persas, egípcios

Leia mais

Uma Arquitetura de Gestão de Dados em Ambiente Data Warehouse

Uma Arquitetura de Gestão de Dados em Ambiente Data Warehouse Uma Arquitetura de Gestão de Dados em Ambiente Data Warehouse Alcione Benacchio (UFPR) E mail: alcione@inf.ufpr.br Maria Salete Marcon Gomes Vaz (UEPG, UFPR) E mail: salete@uepg.br Resumo: O ambiente de

Leia mais

Uma análise de ferramentas de modelagem e gerência de metadados aplicadas ao projeto de BI/DW-UFBA

Uma análise de ferramentas de modelagem e gerência de metadados aplicadas ao projeto de BI/DW-UFBA Universidade Federal da Bahia Instituto de Matemática Departamento de Ciência da Computação MATA67 Projeto Final II Uma análise de ferramentas de modelagem e gerência de metadados aplicadas ao projeto

Leia mais

COLETA de LIXO. Recolher e transportar resíduos e encaminhá-lo:

COLETA de LIXO. Recolher e transportar resíduos e encaminhá-lo: COLETA de LIXO Conceituação: Recolher e transportar resíduos e encaminhá-lo: 1. A uma estação de transbordo ou 2. À usina de triagem ou 3. Sítio de destinação final. 1 Coleta Deve ser efetuada em cada

Leia mais

Unidade III PLANEJAMENTO ESTRATÉGICO DE. Prof. Daniel Arthur Gennari Junior

Unidade III PLANEJAMENTO ESTRATÉGICO DE. Prof. Daniel Arthur Gennari Junior Unidade III PLANEJAMENTO ESTRATÉGICO DE TECNOLOGIA DA INFORMAÇÃO Prof. Daniel Arthur Gennari Junior Sobre esta aula Gestão do conhecimento e inteligência Corporativa Conceitos fundamentais Aplicações do

Leia mais

BUSINESS INTELLIGENCE -Inteligência nos Negócios-

BUSINESS INTELLIGENCE -Inteligência nos Negócios- UNIVERSIDADE SÃO FRANCISCO CENTRO DE CIÊNCIAS JURÍDICAS, HUMANAS E SOCIAIS BUSINESS INTELLIGENCE -Inteligência nos Negócios- Curso: Administração Hab. Sistemas de Informações Disciplina: Gestão de Tecnologia

Leia mais

A coleta dos resíduos sólidos urbanos pode ser classificada em quatro tipos, que são: especial, particular, regular e seletiva.

A coleta dos resíduos sólidos urbanos pode ser classificada em quatro tipos, que são: especial, particular, regular e seletiva. ANÁLISE DE INFLUÊNCIA DO TRANSPORTE NA COLETA SELETIVA UTILIZANDO SISTEMA DE INFORMAÇÃO GEOGRÁFICA L. A. Brasileiro e A. A. Martins Júnior RESUMO A coleta é ligada à etapa de transporte, independente do

Leia mais

UNIVERSIDADE FEDERAL DE MINAS GERAIS BACHARELADO EM SISTEMAS DE INFORMAÇÃO

UNIVERSIDADE FEDERAL DE MINAS GERAIS BACHARELADO EM SISTEMAS DE INFORMAÇÃO UNIVERSIDADE FEDERAL DE MINAS GERAIS BACHARELADO EM SISTEMAS DE INFORMAÇÃO Proposta de Formação Complementar: BUSINESS INTELLIGENCE E SUA APLICAÇÃO À GESTÃO Aluno: Yussif Tadeu de Barcelos Solange Teixeira

Leia mais

Modelagem de Sistemas de Informação

Modelagem de Sistemas de Informação Modelagem de Sistemas de Informação Professora conteudista: Gislaine Stachissini Sumário Modelagem de Sistemas de Informação Unidade I 1 SISTEMAS DE INFORMAÇÃO...1 1.1 Conceitos...2 1.2 Objetivo...3 1.3

Leia mais

TERMO DE REFERÊNCIA PARA A ELABORAÇÃO DE PLANOS DE GERENCIAMENTO DE RESÍDUOS SÓLIDOS - PGRS

TERMO DE REFERÊNCIA PARA A ELABORAÇÃO DE PLANOS DE GERENCIAMENTO DE RESÍDUOS SÓLIDOS - PGRS TERMO DE REFERÊNCIA PARA A ELABORAÇÃO DE PLANOS DE GERENCIAMENTO DE RESÍDUOS SÓLIDOS - PGRS 1. JUSTIFICATIVA O presente Termo de Referência tem por fim orientar a elaboração do PGRS conforme previsto no

Leia mais

Data Warehousing. Leonardo da Silva Leandro. CIn.ufpe.br

Data Warehousing. Leonardo da Silva Leandro. CIn.ufpe.br Data Warehousing Leonardo da Silva Leandro Agenda Conceito Elementos básicos de um DW Arquitetura do DW Top-Down Bottom-Up Distribuído Modelo de Dados Estrela Snowflake Aplicação Conceito Em português:

Leia mais

PLANO DE GESTÃO INTEGRADA DOS RESÍDUOS SÓLIDOS DO CIM-AMAVI. Audiencia Pública - Prognóstico

PLANO DE GESTÃO INTEGRADA DOS RESÍDUOS SÓLIDOS DO CIM-AMAVI. Audiencia Pública - Prognóstico PLANO DE GESTÃO INTEGRADA DOS RESÍDUOS SÓLIDOS DO CIM-AMAVI Audiencia Pública - Prognóstico LEGISLAÇÃO: Constituição 1988: Artigo 225 Lei 11.445/2007 (Saneamento Básico) Decreto 7.217/2010 (Saneamento

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

Banco de Dados - Senado

Banco de Dados - Senado Banco de Dados - Senado Exercícios OLAP - CESPE Material preparado: Prof. Marcio Vitorino OLAP Material preparado: Prof. Marcio Vitorino Soluções MOLAP promovem maior independência de fornecedores de SGBDs

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

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

Planejamento Estratégico de TI. Prof.: Fernando Ascani

Planejamento Estratégico de TI. Prof.: Fernando Ascani Planejamento Estratégico de TI Prof.: Fernando Ascani BI Business Intelligence A inteligência Empresarial, ou Business Intelligence, é um termo do Gartner Group. O conceito surgiu na década de 80 e descreve

Leia mais

Universidade de Brasília Departamento de Ciência da Informação e Documentação Profa.:Lillian Alvares

Universidade de Brasília Departamento de Ciência da Informação e Documentação Profa.:Lillian Alvares Universidade de Brasília Departamento de Ciência da Informação e Documentação Profa.:Lillian Alvares Comunidades de Prática Grupos informais e interdisciplinares de pessoas unidas em torno de um interesse

Leia mais

Interatividade aliada a Análise de Negócios

Interatividade aliada a Análise de Negócios Interatividade aliada a Análise de Negócios Na era digital, a quase totalidade das organizações necessita da análise de seus negócios de forma ágil e segura - relatórios interativos, análise de gráficos,

Leia mais

PLANO DE ENSINO DO 2º SEMESTRE LETIVO DE 2012

PLANO DE ENSINO DO 2º SEMESTRE LETIVO DE 2012 PLANO DE ENSINO DO 2º SEMESTRE LETIVO DE 2012 Curso: TECNOLOGIA EM GESTÃO COMERCIAL Habilitação: TECNÓLOGO Disciplina: NEGÓCIOS INTELIGENTES (BUSINESS INTELLIGENCE) Período: M V N 4º semestre do Curso

Leia mais

SAD orientado a DADOS

SAD orientado a DADOS Universidade do Contestado Campus Concórdia Curso de Sistemas de Informação Prof.: Maico Petry SAD orientado a DADOS DISCIPLINA: Sistemas de Apoio a Decisão SAD orientado a dados Utilizam grandes repositórios

Leia mais

OLAP em âmbito hospitalar: Transformação de dados de enfermagem para análise multidimensional

OLAP em âmbito hospitalar: Transformação de dados de enfermagem para análise multidimensional OLAP em âmbito hospitalar: Transformação de dados de enfermagem para análise multidimensional João Silva and José Saias m5672@alunos.uevora.pt, jsaias@di.uevora.pt Mestrado em Engenharia Informática, Universidade

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

MBA Analytics em Big Data

MBA Analytics em Big Data MBA Analytics em Big Data Inscrições Abertas Início das Aulas: 04/06/2015 Dias e horários das aulas: Segunda-Feira 19h00 às 23h00 Semanal Sexta-Feira 19h00 às 23h00 Semanal Carga horária: 600 Horas Duração:

Leia mais

Tópicos Avançados Business Intelligence. Banco de Dados Prof. Otacílio José Pereira. Unidade 10 Tópicos Avançados Business Inteligence.

Tópicos Avançados Business Intelligence. Banco de Dados Prof. Otacílio José Pereira. Unidade 10 Tópicos Avançados Business Inteligence. Tópicos Avançados Business Intelligence Banco de Dados Prof. Otacílio José Pereira Unidade 10 Tópicos Avançados Business Inteligence Roteiro Introdução Níveis organizacionais na empresa Visão Geral das

Leia mais

Sistemas de Informação James A. O Brien Editora Saraiva Capítulo 5

Sistemas de Informação James A. O Brien Editora Saraiva Capítulo 5 Para entender bancos de dados, é útil ter em mente que os elementos de dados que os compõem são divididos em níveis hierárquicos. Esses elementos de dados lógicos constituem os conceitos de dados básicos

Leia mais

P.42 Programa de Educação Ambiental

P.42 Programa de Educação Ambiental ANEXO 2.2.3-1 - ROTEIRO PARA ELABORAÇÃO DO PLANO MUNICIPAL DE RESÍDUOS SÓLIDOS (PMRS) DE PARANAÍTA/MT O roteiro apresentado foi elaborado a partir do Manual de Orientação do MMA Ministério do Meio Ambiente

Leia mais

GESTÃO DE RESÍDUOS SÓLIDOS NO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO TRIÂNGULO MINEIRO CAMPUS UBERABA

GESTÃO DE RESÍDUOS SÓLIDOS NO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO TRIÂNGULO MINEIRO CAMPUS UBERABA GESTÃO DE RESÍDUOS SÓLIDOS NO INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO TRIÂNGULO MINEIRO CAMPUS UBERABA GOMIDES, J.E. 1 ; SCHENKEL, C.A. 2 ; SOUSA, J.S. 3 1 Acadêmica do Curso Superior de

Leia mais

Olinda - Pernambuco - Brasil. Consistência da Base Cadastral e Controle da Qualidade dos Dados de Faturamento

Olinda - Pernambuco - Brasil. Consistência da Base Cadastral e Controle da Qualidade dos Dados de Faturamento XVIII Seminário Nacional de Distribuição de Energia Elétrica SENDI 2008-06 a 10 de outubro Olinda - Pernambuco - Brasil Consistência da Base Cadastral e Controle da Qualidade dos Dados de Faturamento Carlos

Leia mais

Consistência da Base Cadastral e Controle da Qualidade dos Dados de Faturamento

Consistência da Base Cadastral e Controle da Qualidade dos Dados de Faturamento XVIII Seminário Nacional de Distribuição de Energia Elétrica SENDI 2008-06 a 10 de outubro Olinda - Pernambuco - Brasil Consistência da Base Cadastral e Controle da Qualidade dos Dados de Faturamento Carlos

Leia mais

CEP 97420-000 São Vicente do Sul RS Brasil. filipe-kulinski@hotmail.com, {maicon.amarante, eliana.zen} @iffarroupilha.edu.br

CEP 97420-000 São Vicente do Sul RS Brasil. filipe-kulinski@hotmail.com, {maicon.amarante, eliana.zen} @iffarroupilha.edu.br 109 Utilização de Businnes Intelligence para análise de evasão escolar nos diferentes níveis de ensino do Instituto Federal Farroupilha Campus São Vicente do Sul Filipe Kulinski Mello 1, Eliana Zen 1,

Leia mais

Uma Introdução ao Pentaho Business Intelligence e Business Analytics Open Source. Marcio Junior Vieira marcio @ ambientelivre.com.

Uma Introdução ao Pentaho Business Intelligence e Business Analytics Open Source. Marcio Junior Vieira marcio @ ambientelivre.com. Uma Introdução ao Pentaho Business Intelligence e Business Analytics Open Source Marcio Junior Vieira marcio @ ambientelivre.com.br Palestrante CEO da Ambiente Livre Tecnologia. Desenvolvedor de Software,Trabalha

Leia mais

Políticas Públicas Resíduos e Reciclagem. Sérgio Henrique Forini

Políticas Públicas Resíduos e Reciclagem. Sérgio Henrique Forini Políticas Públicas Resíduos e Reciclagem. Sérgio Henrique Forini O lixo é conhecido como os restos das atividades humanas considerados inúteis, indesejáveis e descartáveis. No entanto, separado nos seus

Leia mais

Planos de Resíduos Sólidos: conteúdo mínimo, implantação e deficiências. Compatibilidade dos contratos. Porto Alegre, 21 de agosto de 2015.

Planos de Resíduos Sólidos: conteúdo mínimo, implantação e deficiências. Compatibilidade dos contratos. Porto Alegre, 21 de agosto de 2015. Planos de Resíduos Sólidos: conteúdo mínimo, implantação e deficiências. Compatibilidade dos contratos Porto Alegre, 21 de agosto de 2015. CONTEÚDO 1. Políticas e Planos de Saneamento Básico e de Resíduos

Leia mais

AGILE ROLAP - UMA METODOLOGIA ÁGIL PARA IMPLEMENTAÇÃO DE AMBIENTES DE NEGÓCIOS BASEADO EM SERVIDORES OLAP.

AGILE ROLAP - UMA METODOLOGIA ÁGIL PARA IMPLEMENTAÇÃO DE AMBIENTES DE NEGÓCIOS BASEADO EM SERVIDORES OLAP. AGILE ROLAP - UMA METODOLOGIA ÁGIL PARA IMPLEMENTAÇÃO DE AMBIENTES DE NEGÓCIOS BASEADO EM SERVIDORES OLAP. Luan de Souza Melo (Fundação Araucária), André Luís Andrade Menolli (Orientador), Ricardo G. Coelho

Leia mais

OS SISTEMAS DE APOIO À DECISÃO A SERVIÇO DO PROCESSO DE AVALIAÇÃO INSTITUCIONAL Estudo de Caso da Universidade do Vale do Itajaí

OS SISTEMAS DE APOIO À DECISÃO A SERVIÇO DO PROCESSO DE AVALIAÇÃO INSTITUCIONAL Estudo de Caso da Universidade do Vale do Itajaí OS SISTEMAS DE APOIO À DECISÃO A SERVIÇO DO PROCESSO DE AVALIAÇÃO INSTITUCIONAL Estudo de Caso da Universidade do Vale do Itajaí José Leomar Todesco, Dr Universidade do Vale Itajaí UNIVALI Rua Uruguai,

Leia mais

PMGIRS e suas interfaces com o Saneamento Básico e o Setor Privado.

PMGIRS e suas interfaces com o Saneamento Básico e o Setor Privado. PMGIRS e suas interfaces com o Saneamento Básico e o Setor Privado. Ribeirão Preto, 08 de junho de 2011 Semana do Meio Ambiente AEAARP Associação de Engenharia, Arquitetura e Agronomia de Ribeirão Preto

Leia mais

Experiência em Processo de Teste Iterativo e Automatizado para Data Warehouse

Experiência em Processo de Teste Iterativo e Automatizado para Data Warehouse Experiência em Processo de Teste Iterativo e Automatizado para Data Warehouse Luana M. de A. Lobão 1, Eliane F. Collins 1,2,, Ronaldo N. Martins 1, Leandro A. O. Leão 1, Vicente Ferreira de Lucena Jr.

Leia mais

Política Nacional de Resíduos Sólidos - PNRS LEI 12.305 / 08/ 2010 DECRETO 7.404/ 12/ 2010

Política Nacional de Resíduos Sólidos - PNRS LEI 12.305 / 08/ 2010 DECRETO 7.404/ 12/ 2010 Política Nacional de Resíduos Sólidos - PNRS LEI 12.305 / 08/ 2010 DECRETO 7.404/ 12/ 2010 Cenário brasileiro de resíduos sólidos Aumento da: População nas cidades 50% mundial 85% Brasil (IBGE, 2010).

Leia mais