
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Zeviani, Walmes Marques, 1986- | - |
| Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Ciências Exatas. Curso de Especialização em Data Science & Big Data | - |
| Autor(es): dc.creator | Oliveira, Mônica Pires Gravina de | - |
| Data de aceite: dc.date.accessioned | 2025-09-01T12:42:01Z | - |
| Data de disponibilização: dc.date.available | 2025-09-01T12:42:01Z | - |
| Data de envio: dc.date.issued | 2022-05-24 | - |
| Data de envio: dc.date.issued | 2022-05-24 | - |
| Data de envio: dc.date.issued | 2019 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/1884/75907 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/75907 | - |
| Descrição: dc.description | Orientador: Prof. Walmes Marques Zeviani | - |
| Descrição: dc.description | Monografia (especialização) - Universidade Federal do Paraná, Setor de Ciências Exatas, Curso de Especialização em Data Science & Big Data. | - |
| Descrição: dc.description | Inclui referências | - |
| Descrição: dc.description | Resumo: O processo de produção de etanol utilizando cana-de-açúcar como matéria-prima conta com diferentes etapas, tais como moagem da cana, tratamento do caldo, tratamento ácido do levedo, fermentação e destilação. Embora diferentes variáveis como contaminação bacteriana, floculação e viabilidade sejam conhecidas como prejudiciais à resposta de teor alcoólico, durante o processo fermentativo, são poucos os estudos relativos à associação dessas variáveis particularmente utilizando observações de uma usina de cana. As atuais ferramentas de controle de qualidade são incapazes de enfrentar a complexidade e as relações intrínsecas de variáveis deste processo, provendo valor limitado para tomada de decisão durante a safra. Assim sendo, o presente trabalho se propõe a utilizar regressão linear multivariada e árvores de regressão como abordagens para identificação das variáveis que influenciem negativamente a produção de teor alcoólico como primeiro passo para uma ferramenta que auxilie a tomada de decisão do setor. | - |
| Descrição: dc.description | Abstract: The process of producing ethanol from sugarcane has different stages, from sugar cane milling, broth treatment, yeast acid treatment, fermentation and distillation. Although different variables such as bacterial contamination, flocculation and viability are known to be detrimental to the alcoholic response, during the fermentation process, studies related to the association of the different variables and this response using observations from a sugarcane mill are unknown in the literature. Current quality control tools are unable to cope with the complexity and intrinsic relationships of variables in this process, providing limited value for decision making during the harvest. Thus, the present work proposes to use multivariate linear regression and partition trees as approaches to identify the variables that negatively influence the production of alcohol content as a first step to a tool that assists decision making in the sector | - |
| Formato: dc.format | 1 recurso online : PDF. | - |
| Formato: dc.format | application/pdf | - |
| Formato: dc.format | application/pdf | - |
| Palavras-chave: dc.subject | Cana-de-açucar - Indústria | - |
| Palavras-chave: dc.subject | Álcool - Combustiveis - Indústria | - |
| Título: dc.title | Identificação das variáveis relacionadas a perda de teor alcoólico em uma Usina de Cana-de-Açúcar | - |
| Aparece nas coleções: | Repositório Institucional - Rede Paraná Acervo | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: