Please use this identifier to cite or link to this item:
https://ric.cps.sp.gov.br/handle/123456789/26408
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | TOMAZELA, Maria das Graças Junqueira Machado | - |
dc.contributor.author | ALMEIDA, Gabriel Santos de | - |
dc.contributor.other | FUINI, Mateus Guilherme | - |
dc.contributor.other | OLIVEIRA, Giovana Fadini de | - |
dc.date.accessioned | 2024-11-28T17:09:14Z | - |
dc.date.available | 2024-11-28T17:09:14Z | - |
dc.date.issued | 2012-12-12 | - |
dc.identifier.citation | ALMEIDA, Gabriel Santos de. Aplicação de processo de descoberta de conhecimento utilizando dados de cana-de-açúcar de uma usina do estado de São Paulo, 2012. Trabalho de Conclusão de Curso. (Tecnologia em Informática) - Faculdade de Tecnologia "Dr. Archimedes Lammoglia", Indaiatuba, 2012. | pt_BR |
dc.identifier.uri | https://ric.cps.sp.gov.br/handle/123456789/26408 | - |
dc.description.abstract | O Processo de Descoberta de Conhecimento se apresenta como alternativa ao uso de dados históricos e que antes não tinham utilidade prática. É um processo dividido em 3 etapas, sendo elas, Pré-processamento, Mineração de Dados e Pós-processamento. O objetivo neste trabalho é aplicar o processo aos dados de produtividade de uma usina de cana-de-açúcar do estado de São Paulo e retirar conhecimento válido e que influencie na produtividade. Para alcançar o objetivo, no Pré-processamento foram extraídos dados de safras de 2006/2007, 2007/2008, 2008/2009 e 2009/2010 contidos em planilhas utilizando o SQL Server Integration Services, em conjunto com o SQL Server 2008 R2 como base de dados. Para etapa de mineração de dados foi utilizado o SQL Server Analysis Services e a tarefa de Classificação com o algoritmo Microsoft Decision Trees para geração de regras. A produtividade foi dividida em cinco faixas, sendo elas, Muito Baixa, Baixa, Média, Alta, Muito Alta. Foram testados alguns parâmetros do algoritmo e selecionado o que teve menor taxa de erros, que no conjunto de dados foi o método de divisão baseado em Entropia. Verificamos as regras com probabilidade maior que 80% de chance de retornar a produtividade como “Muito Alta”, e nela constatamos que atributos como “Estágio de corte”, “Solo”, “Variedade” e “FormulaAdubo”, influenciam diretamente na produtividade. Sendo possível recomendar a utilização de variedades específicas de cana-de-açúcar e adubos que mostraram ser eficientes em determinadas situações. | pt_BR |
dc.description.sponsorship | Curso Superior de Tecnologia em Informática | pt_BR |
dc.language.iso | pt_BR | pt_BR |
dc.publisher | 105 | pt_BR |
dc.subject | Mineração de dados | pt_BR |
dc.subject | Planejamento agrícola | pt_BR |
dc.subject.other | Informação e Comunicação | pt_BR |
dc.title | Aplicação de processo de descoberta de conhecimento utilizando dados de cana-de-açúcar de uma usina do estado de São Paulo | pt_BR |
dc.title.alternative | Application of the knowledge discovery process using sugarcane data from a plant in the state of São Paulo | pt_BR |
dc.type | Monografia | pt_BR |
Appears in Collections: | Trabalhos de Conclusão de Curso |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
GABRIEL SANTOS DE ALMEIDA.pdf Restricted Access | 888.3 kB | Adobe PDF | View/Open Request a copy |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.