Avaliação do
Você é humano?
8
5
=
Denunciar conteúdo impróprio
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.
Análise de risco de atraso em obras militares usando um sistema híbrido neuro-fuzzy
Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/capes/916218
Registro completo de metadados
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Carvalho, Michele Tereza Marques | - |
| Autor(es): dc.contributor | castrorpc2001@gmail.com | - |
| Autor(es): dc.creator | Castro, Roberto Portela de | - |
| Data de aceite: dc.date.accessioned | 2024-10-23T16:44:41Z | - |
| Data de disponibilização: dc.date.available | 2024-10-23T16:44:41Z | - |
| Data de envio: dc.date.issued | 2021-07-26 | - |
| Data de envio: dc.date.issued | 2021-07-26 | - |
| Data de envio: dc.date.issued | 2021-07-26 | - |
| Data de envio: dc.date.issued | 2021-04-09 | - |
| Fonte completa do material: dc.identifier | https://repositorio.unb.br/handle/10482/41502 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/916218 | - |
| Descrição: dc.description | Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Civil, 2021. | - |
| Descrição: dc.description | Os atrasos nos projetos estão entre os maiores desafios enfrentados pela indústria da construção civil. O ambiente complexo e dinâmico, onde os projetos se desenvolvem, geram riscos e incertezas. Na Administração Pública, o que inclui as obras militares, a análise de risco de atraso é um dos grandes desafios que impacta no sucesso de vários projetos de construção, repercutindo em metas estratégicas vitais para a sociedade. Os avanços tecnológicos advindos da indústria 4.0, têm levado o setor de construção civil a um crescimento explosivo na quantidade de dados gerados e armazenados ao longo do ciclo de vida da edificação. Essa massa de dados tem proporcionado oportunidades e desafios para o gerenciamento de risco de atraso em obras. Os desafios estão relacionados ao processamento de dados de forma associada com a experiência e o conhecimento dos profissionais. Neste sentido, a Inteligência Artificial oferece um conjunto de técnicas de aprendizado de máquina capazes de aprender por meio de uma base de dados e de informações linguísticas, é o caso dos sistemas híbridos neuro-fuzzy. Neste trabalho, foi proposto, desenvolvido, treinado e testado um modelo híbrido composto de um Sistema de Inferência Adaptativo Neuro-Fuzzy (ANFIS) associado a uma rede neural artificial (RNA) capaz de classificar o nível de risco de atraso de uma obra e estimar o atraso esperado com base em dados de obras anteriores e na opinião de especialistas. A metodologia de pesquisa foi baseada no Design Science Research (DSR), para produção de um artefato. Para definição das variáveis de entrada do modelo, foram realizadas revisões sistemáticas da literatura associadas a outras técnicas (Delphi, questionários e Diagrama de Pareto) para definição dos principais grupos e fatores de risco associados com atraso de obras militares. Para o modelo ANFIS a base de dados foi dividida em treinamento validação e teste, resultando em uma acurácia de 98.04% sob a base de teste. Já o modelo de RNA, usou a validação cruzada e obteve um R2 ajustado de 92.71%. Uma análise de sensibilidade permitiu identificar as variáveis mais representativas para formação do modelo. O estudo demonstra a grande potencialidade de predição de modelos de aprendizado de máquina na análise e risco de atraso em obras. Ao final, cabe ressaltar, a relevância deste trabalho sob a perspectiva do valor prático (para um caso específico) e do valor acadêmico (produção de conhecimento). No primeiro, destaca-se capacidade de generalização do artefato desenvolvido para outras classes de problemas, permitindo que o conhecimento gerado em uma situação específica possa ser aplicado a outras situações enfrentadas por diversas organizações públicas e privadas, com outras tipologias de riscos ou de projetos, até mesmo fora do Setor da Construção Civil. Já com relação ao valor acadêmico, este trabalho tem como diferencial, o desenvolvimento de um Sistema híbrido neuro-fuzzy, permitindo explorar as potencialidades dos subsistemas dentro de uma mesma solução, enquanto a maioria dos trabalhos pesquisados abordaram as técnicas de Aprendizado de Máquina de forma isolada. Outra contribuição científica é o desenvolvimento do artefato em Python, uma linguagem de programação aberta e gratuita, abordagem pouco comum entre os trabalhos pesquisados, sendo preferida a utilização de softwares proprietários. | - |
| Descrição: dc.description | Project delays are among the biggest challenges facing the construction industry. The complex and dynamic environment, where projects are developed, creates risks and uncertainties. In public administration, which includes military works, delay risk analysis is one of the major challenges that impacts on the success of several construction projects, with repercussions on vital strategic goals for society. The technological advances coming from industry 4.0, have led the civil construction sector to an explosive growth in the amount of data generated and stored throughout the life cycle of the building. This mass of data has provided opportunities and challenges for the management of risk of delay in works. The challenges are related to data processing in a way associated with the experience and knowledge of professionals. In this sense, Artificial Intelligence offers a set of machine learning techniques capable of learning through a database and linguistic information, such as the neuro-fuzzy hybrid systems. In this work, it was proposed, developed, trained and tested a hybrid model composed of an Adaptive Neuro-Fuzzy Inference System (ANFIS) associated with an artificial neural network (ANN) capable of classifying the level of risk of delay in a work and estimating the expected delay based on data from previous works and the opinion of experts. The research methodology was based on Design Science Research (DSR), for the production of an artifact. To define the input variables of the model, systematic reviews of the literature associated with other techniques (Delphi, questionnaires and Pareto Diagram) were carried out to define the main groups and risk factors associated with delayed military works. For the ANFIS model, the database was divided into validation and test training, resulting in an accuracy of 98.04% on a test basis. The RNA model, on the other hand, used cross-validation and obtained an adjusted R2 of 92.71%. A sensitivity analysis made it possible to identify the most representative variables for forming the model. The study demonstrates the great potential of predicting machine learning models in the analysis and risk of delay in works. In the end, it is worth mentioning the relevance of this work from the perspective of practical value (for a specific case) and academic value (knowledge production). In the first, the ability to generalize the artifact developed for other classes of problems stands out, allowing the knowledge generated in a specific situation to be applied to other situations faced by different public and private organizations, with other types of risks or projects, even outside the Civil Construction Sector. Regarding the academic value, this work has as a differential, the development of a neuro-fuzzy hybrid system, allowing to explore the potential of the subsystems within the same solution, while most of the researched works approached the Machine Learning techniques in an isolated way. Another scientific contribution is the development of the Python artifact, an open and free programming language, an unusual approach among the researched works, with the use of proprietary software being preferred. | - |
| Formato: dc.format | application/pdf | - |
| Direitos: dc.rights | Acesso Aberto | - |
| Direitos: dc.rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | - |
| Palavras-chave: dc.subject | Inteligência artificial | - |
| Palavras-chave: dc.subject | Análise de risco | - |
| Palavras-chave: dc.subject | Atrasos em obras | - |
| Palavras-chave: dc.subject | Sistemas híbridos neuro-fuzzy | - |
| Palavras-chave: dc.subject | Redes neurais artificiais | - |
| Título: dc.title | Análise de risco de atraso em obras militares usando um sistema híbrido neuro-fuzzy | - |
| Título: dc.title | Risk analysis of delay in military works using a neuro-fuzzy hybrid system | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional – UNB | |
Não existem arquivos associados a este item.
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:
- O Termo de Uso pode ser modificado pela CAPES a qualquer tempo, sem necessidade de notificação prévia, sendo que tais modificações serão válidas a partir da data de sua veiculação neste portal;
- Para aprovação de cadastro do usuário ao sistema, a CAPES pode requisitar o fornecimento de informações, haja vista a política de segurança adotada, objetivando resguardar a segurança dos usuários nesse ambiente virtual;
- O usuário aceita e declara compreender que, em razão do peculiar ambiente da Internet, a CAPES não poderá garantir que o acesso ao site seja livre de erros ou problemas decorrentes de casos fortuitos, internos ou externos, casos de força maior ou ainda de outros casos não inteiramente sujeitos a controle direto dos administradores do site e, portanto o usuário se obriga a isentar a CAPES de quaisquer reclamações ou indenizações. A CAPES também não se responsabiliza por interrupções, interceptações, invasões, disseminação de vírus ou outros atos ilícitos, típicos e atípicos de ambiente virtual, e de web, dos quais a CAPES não tenha tido intenção deliberada de participar ou praticar;
- O usuário aceita e declara compreender que qualquer texto, marca, áudio, imagem, ou conteúdo veiculados no site são protegidos por direitos de propriedade intelectual o qual deve ser respeitado de acordo com a licença concedida pelo respectivo detentor dos referidos direitos, sob pena de apuração das responsabilidades cabíveis;
-
Desta forma a CAPES se exime de toda e qualquer responsabilidade por eventuais perdas, danos e prejuízos de qualquer natureza decorrentes:
- Do descumprimento da lei, da moral e dos bons costumes, como consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da infração aos direitos de propriedade intelectual e industrial, segredos empresariais, compromissos contratuais de qualquer tipo, direitos à honra, à intimidade pessoal e familiar, à imagem das pessoas, direitos de propriedade e de toda e qualquer natureza pertencentes a um terceiro por consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da falta de veracidade, precisão, exatidão, pertinência e/ou atualidade dos conteúdos;
- Da inadequação para qual seja o propósito, ou da frustração, das expectativas geradas pelos conteúdos;
- Exceto quando mencionado explicitamente, ou quando se tratar de citação de material alheio ou ilustração, nos limites estabelecidos pela Lei 9.610/98, todo o Conteúdo textual original do Portal eduCAPES está disponível livremente para leitura, entre outros direitos, conforme definido na licença Creative Commons;
- A CAPES não se responsabiliza pelos comentários, opiniões, informações, depoimentos, mensagens, vídeos, textos, imagens, áudios ou qualquer outro tipo de conteúdo que sejam, postados, publicados e disponibilizados através do Portal eduCAPES pelos usuários, sendo a responsabilidade civil e criminal atribuída única e exclusivamente ao autor dos comentários, opiniões, informações, ou mensagens. Todo o conteúdo publicado por usuários são de responsabilidade exclusiva dos mesmos e de caráter completamente independente, sendo que todo e qualquer tipo de opinião, ideal e/ou posição expressados não refletem necessariamente o ponto de vista e a posição do Portal eduCAPES e/ou da CAPES. A CAPES se reserva o direito de armazenar as informações destes autores e/ou Usuários, a fim de viabilizar sua identificação;
- O usuário aceita e declara compreender que a CAPES poderá disponibilizar no Portal eduCAPES, links de acesso para outros sites e endereços virtuais administrados, controlados ou operados por terceiros. Qualquer site conectado a partir do eduCAPES não está sob o controle da CAPES;
- A CAPES não assume nenhuma responsabilidade ou obrigação por qualquer informação, comunicação ou material encontrado em tais sites, ou em qualquer site conectado a tais sites. A CAPES não assume qualquer responsabilidade pelos serviços ou funcionalidades ali dispostos, sendo a decisão de utilização e a forma de relacionamento com os mesmos de exclusiva responsabilidade do usuário, que inclusive isenta a CAPES de fiscalizar o conteúdo ou zelar pela integridade de tais sites ou endereços virtuais.
- O usuário aceita e declara compreender que o acesso a determinadas áreas do site será restrito. Para acessá-las, o usuário deverá fazer o login e cadastrar uma senha de acesso. A senha é individual, sigilosa e intransferível, sendo o usuário o único responsável pela guarda da mesma. O usuário assume toda e qualquer responsabilidade pelo mau uso ou pela utilização da senha por terceiros;
- A CAPES reserva o direito de excluir o cadastro, de excluir o material submetido ou proibir o acesso do usuário ao portal eduCAPES no caso de qualquer abuso ou indício de prática ilícita no uso do site ou de qualquer uso não autorizado ou proibido pelo usuário, nos termos da legislação brasileira;
- As condições estabelecidas no Termo de Aceite e Uso do Site são regidas pela lei brasileira. Sob nenhuma circunstância o usuário deverá violar qualquer lei usando o portal eduCAPES para propósitos que incluam, mas não limitados a isso, difamação ou perturbação de outros, violação de direitos de propriedade intelectual ou de terceiros, envio de material obsceno ou ofensivo, vírus, arquivos corrompidos, ou outros programas que poderiam danificar ou alterar este site ou os computadores de empresa ou de terceiros;
- A CAPES reserva o direito de retirar qualquer conteúdo que infrinja a lei, a moral e os bons costumes nos termos da legislação vigente e também na hipótese de o conteúdo não se coadunar com as finalidades educativas do Portal. A CAPES garante o direito de defesa e contraditório dos usuários. O usuário reconhece que o material enviado por terceiros, que não a CAPES, não é endossado pela mesma.
Concordo e desejo baixar o arquivo
Não concordo e não irei baixar o arquivo
Não concordo e não irei baixar o arquivo