
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.creator | Souza, Ana Carolina Rodrigues da Rocha | - |
| Autor(es): dc.creator | Gomes, Helton Cristiano | - |
| Autor(es): dc.creator | Guimarães, Irce Fernandes Gomes | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T15:25:46Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T15:25:46Z | - |
| Data de envio: dc.date.issued | 2023-07-03 | - |
| Data de envio: dc.date.issued | 2023-07-03 | - |
| Data de envio: dc.date.issued | 2021 | - |
| Fonte completa do material: dc.identifier | http://www.repositorio.ufop.br/jspui/handle/123456789/16856 | - |
| Fonte completa do material: dc.identifier | https://doi.org/10.33448/rsd-v11i7.29902 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1014397 | - |
| Descrição: dc.description | The ICC plays an important role in the Brazilian economy. This participation in the country's GDP remains, on average, above 5% per year. Cement, one of the main resources in this context, is used in almost all types of constructions in the country. The Brazil are among the 10 largest producers in the world and cement be the main component of concrete, makes widely used. The generation of different data is the starting point for decisions, optimization and forecasting of the activities of this communication network. To transform this data into information, many institutions use with tools such as Data Science. In this sense, this article presents the result of analysis of the behavior of cement production in Brazil, based on results generated through Machine Learning. Trends and seasonality periods were identified, as well as prediction models for future periods were proposed. Verified the existence of a strong positive correlation between cement production and the ICC GDP in Brazil. Machine Learning models were proposed and compared to predict the ICC GDP based on the annual cement production in Brazil, which showed high accuracy. It was concluded that the Ensemble Learning methods adapted better to the data, especially Random Forest. | - |
| Descrição: dc.description | A ICC desempenha um papel importante na economia brasileira. Essa participação no PIB do país permanece, em média, acima de 5% ao ano. O cimento, um dos principais recursos neste contexto, é utilizado em quase todos os tipos de construções do país. O Brasil está entre os 10 maiores produtores do mundo e o cimento é o principal componente do concreto, faz com que seja amplamente utilizado. A geração de diferentes dados é o ponto de partida para decisões, otimização e previsão das atividades desta rede de comunicação. Para transformar esses dados em informações, muitas instituições utilizam ferramentas como Data Science. Nesse sentido, este artigo apresenta o resultado da análise do comportamento da produção de cimento no Brasil, com base em resultados gerados por meio de Machine Learning. Foram identificadas tendências e períodos de sazonalidade, bem como propostos modelos de previsão para períodos futuros. Verificou-se a existência de uma forte correlação positiva entre a produção de cimento e o PIB ICC no Brasil. Modelos de aprendizado de máquina foram propostos e comparados para prever o PIB do ICC com base na produção anual de cimento no Brasil, que apresentou alta precisão. Concluiu-se que os métodos de Ensemble Learning se adaptaram melhor aos dados, principalmente o Random Forest. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | en | - |
| Direitos: dc.rights | aberto | - |
| Direitos: dc.rights | Este trabalho está licenciado com uma Licença Creative Commons - AtribuiçãoNãoComercial 4.0 Internacional. Fonte: PDF do artigo. | - |
| Palavras-chave: dc.subject | Construction | - |
| Palavras-chave: dc.subject | Produção de cimento | - |
| Palavras-chave: dc.subject | Ciencia de datos | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Título: dc.title | A statistical analysis of the relationship of civil construction GDP to cement production in Brazil. | - |
| Título: dc.title | Uma análise estatística da relação do PIB da construção civil com a produção de cimento no Brasil. | - |
| Título: dc.title | Un análisis estadístico de la relación del PIB de la construcción civil com la producción de cemento em Brasil. | - |
| Aparece nas coleções: | Repositório Institucional - UFOP | |
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: