Aplicação de machine learning para predição de manutenção de máquinas em empresa de transporte e logística de combustíveis

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorPereira, Valdecy-
Autor(es): dc.contributorRego, Ricardo Bordeaux-
Autor(es): dc.contributorLima, Gilson Brito Alves-
Autor(es): dc.creatorLucchetti, Gustavo Pereira-
Data de aceite: dc.date.accessioned2024-07-11T17:32:50Z-
Data de disponibilização: dc.date.available2024-07-11T17:32:50Z-
Data de envio: dc.date.issued2020-09-08-
Data de envio: dc.date.issued2020-09-08-
Data de envio: dc.date.issued2019-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/14882-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/752513-
Descrição: dc.descriptionA aplicação da ciência de dados para resolução de problemas de negócios teve relevante crescimento diante do aumento do volume de dados disponibilizados por usuários, clientes e empresas. A partir desse contexto e da necessidade que as companhias possuem de otimizar suas atividades, incluindo a manutenção de seu maquinário, o presente trabalho teve como objetivo elaborar um algoritmo que consiga predizer se uma manutenção será realizada dentro do prazo definido ou não, além de analisar os principais atributos das máquinas e manutenções registradas dentro de uma empresa de transporte e logística de combustíveis. Por meio de técnicas de redução de dimensionalidade, o Truncated SVD, e de classificação de dados, o K - Nearest Neighbours, e da coleta e seleção de dados de registros das manutenções dessa empresa, o algoritmo foi construído e testado com variações da base de dados original e diferentes valores dos parâmetros do KNN. Após os testes, os resultados obtidos foram comparados pelo cálculo de indicadores de avaliação escolhidos: acurácia, precisão, recall, F1 Score, curva ROC (Receive Operator Characteristic) e AUC (Area Under Curve). O resultado do melhor modelo foi considerado satisfatório para a predição de futuras manutenções, e a análise das variáveis selecionadas evidenciou características relacionadas às manutenções que sofrem atraso onde a empresa pode atuar para evitar novos atrasos, mudando a alocação de recursos quando necessário-
Descrição: dc.descriptionThe application of data science to solve business problems has grown significantly due to the increase in the volume of data made available by users, customers and companies. Based on this context and the need that companies have to optimize their activities, including the maintenance of their machinery, the present work aimed to develop an algorithm that can predict whether a maintenance will be carried out within its defined period or not, in addition to analyzing the main attributes of the machines and maintenance registered within a fuel transportation and logistics company. Through dimensionality reduction techniques, Truncated SVD, and data classification, K - Nearest Neighbors, and the collection and selection of data from the maintenance records of this company, the algorithm was built and tested with variations of the original dataset and different values of the KNN parameters. After the tests, the results obtained were compared by calculating the chosen evaluation indicators: accuracy, precision, recall, F1 Score, ROC (Receive Operator Characteristic) curve and AUC (Area Under Curve). The result of the best model was considered satisfactory for the prediction of future maintenance, and the analysis of the selected variables showed characteristics related to maintenance that are delayed where the company can act to avoid further delays, changing the allocation of resources when necessary-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/br/-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectCiência de dados-
Palavras-chave: dc.subjectManutenção-
Palavras-chave: dc.subjectAprendizado de máquina-
Palavras-chave: dc.subjectAlgoritmo-
Palavras-chave: dc.subjectClassificação-
Palavras-chave: dc.subjectAprendizado de máquina-
Palavras-chave: dc.subjectManutenção de máquina-
Palavras-chave: dc.subjectAlgoritmo-
Palavras-chave: dc.subjectData science-
Palavras-chave: dc.subjectMaintenance-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectAlgorithm-
Palavras-chave: dc.subjectClassification-
Título: dc.titleAplicação de machine learning para predição de manutenção de máquinas em empresa de transporte e logística de combustíveis-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.