A cada dia, com o advento da Indústria 4.0, novas tecnologias são disponibilizadas e aplicadas ao Tratamento de Minérios, impulsionadas pela crescente disponibilidade de dados de chão de fábrica. Algumas das oportunidades a serem exploradas estão atreladas à utilização das ferramentas de Big Data, Advanced Analytics, Machine Learning e Inteligência Artificial. No beneficiamento de minério de ferro, nos processos de moagem, os ganhos potenciais oriundos de ferramentas de aprendizado de máquina tendem a ser ampliados quando combinados com modelos matemáticos consagrados, oriundos do conhecimento do processo, sejam eles empíricos ou fenomenológicos. Este artigo apresenta a aplicação de redes neurais artificiais para a predição da granulometria no produto de uma planta de moagem, principal parâmetro de qualidade, combinadas a modelos empíricos que descrevem o processo, visando estabelecer se tais equações podem contribuir para uma melhor performance dos modelos preditivos, de forma a suportar uma melhor e mais rápida tomada de decisão pelo operador da unidade.
Nos processos de atenção domiciliar, onde pacientes são cuidados em casa por equipes de saúde multidisciplinares, diversos são os desafios para o gerenciamento e monitoramento à distância, não sendo raros os casos em que os recursos não são empregados nas situações realmente prioritárias. O advento da tecnologia, a disponibilidade de dados nos diversos sistemas de gestão e bem como as novas ferramentas de suporte à tomada de decisão trazem enormes possibilidades, retorno financeiro e maior conforto para pacientes e famílias. Este trabalho tem o objetivo de apresentar a aplicação de aprendizado de máquina, utilizando-se da metodologia CRISP-DM, para identificação de pacientes com maior chance de hospitalização ou óbito domiciliar.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.