Um dos setores mais relevantes da Indústria, a saber a mineração à céu aberto, tem uma das maiores demandas de atuação de processos otimizados por tecnologias para processos inteligentes. Durante o processo de mineração, alguns riscos são inerentes às atividades, o que pode condizer com uma real apreensão sobre os cuidados que os recursos humanos estão expostos. Assim, esta pesquisa foca no processo de condução veicular, com uma proposta de análise preditiva, com suporte de algoritmos de reconhecimento de padrões, para predizer possíveis desvios de condução para sua identificação e possibilitar tratativas preventivas, o que representa um investimento à proteção da vida dos condutores envolvidos. Pode-se encontrar estudos sobre o tema, que focam em análises preditivas do comportamento do motorista ou do veículo, mas o estudo proposto contribui com uma análise do processo produtivo. Durante os experimentos, algoritmos de reconhecimento de padrões baseados em Multilayer Perceptron (MLP), com uma variação de tipos e parâmetros com base na literatura, foram utilizados pra mensurar a capacidade de predizer o efeito Fadiga dos demais efeitos demonstrados em uma mineradora em operação. O processo contou com uma avaliação estatística tanto da base de dados fornecida, quanto os experimentos via MLP, com capacidades preditivas que chegaram a uma acurácia (baseada em AUC – Area Under the Curve, que se apresenta em valores entre 0 e 1) de 0.9742.
Como trazer um objetivo de superação ao discente de engenharia de produção, durante a execução do trabalho de conclusão de curso? Em um cenário com situações intoleráveis (como o serviço de venda de trabalhos prontos) e desafiadoras (como a disponibilidade de ferramentas como Chat GPT), uma proposta de potencialização da qualidade dos trabalhos finais dos discentes trouxeram otimizações de escrita e resultados. Tal metodologia resultou em 48 publicações (nacionais e internacionais) de mais de 79 alunos do curso de engenharia de produção (e outros cursos) além de uma mentalidade diferenciada sobre a produção de uma pesquisa acadêmica no Brasil e mais 5 países.
Algoritmos de metaheurísticasão largamente empregados na otimizaçãode problemasem diferentesáreas.Diversos estudos têm, por exemplo, aplicado esse método naotimizaçãoda logística de caminhões em mina a céu aberto.Esta pesquisa abordauma análise experimental da metaheurística GRASP* por meio do deslocamento do ponto de aleatoriedade, com métricas ainda não exploradas na literatura, a fim de severificar o desempenhodo algoritmo em relaçãoarespostassubótimas. Após a análise do comportamento do algoritmo com a alteração dos pontos de aleatoriedade, foi realizadoum estudode seu desempenhoem relação aquantidade dos ciclos de processamento. Basesde dadosjá avaliadas em outras pesquisas, somadas a 10 outras bases de referência presentes naliteratura,foram empregadasdurante aanálise exploratória do método GRASP*.Alémdisso, os resultadosobtidos peloalgoritmo GRASP* foramcomparadoscomaheurística construtiva NN*. Os resultados do presenteestudodemonstram que as alterações aplicadas aométodo GRASP* proporcionaramganhos de mais de 24% em desempenho para determinados valoresde deslocamento de pontos de aleatoriedadee ganhos de mais de 10% com a variação de números de ciclos.Talestrutura pode ser implementadapara a otimização de estratégias logísticasque podem conduzir negócios de milhões de dólares, como a mineração a céu aberto.
This paper implemented Machine Learning techniques to predict sales success of a large Brazilian food company. The strategy explores the use of recorded data to apply a pattern recognition process based in Multilayer Perceptrons (MLP) algorithms and thus proposes an efficient management of business proposals. As a research methodology, a database with information collected over 4 years (23,093 records) in an Enterprise Resource Planning (ERP) system was evaluated and standardized. Then sales success prediction experiments were performed, using MLPs of the following types: Standard Backpropagation, Backpropagation Momentum, Resilient Propagation, Backpropagation with Weight Decay and Quick Propagation. Resampling by test and validation sets was used, with the proportion variation of 65-35% and 75-25%. The number of neurons in the hidden layer were {3,5,7,10} and the periods of interaction were {50;100;1,000;5,000}. The Receiver Operating Characteristics (ROC curve) and its Area Under the Curve (AUC) were employed to evaluate the performance, considering the normalization of the measured AUCs between 0 and 1. The experiments are focused on the annual and monthly prediction of sales success, according to the profile of the customer. The main achievements of this work were: a methodology for collecting and standardizing the data of the company; an analysis of the best MLP configuration, according to the profile of the customer; and a structure that has an AUC between 0.975 and 0.983, with a processing time between 4.2 and 4.8 seconds, capable of supporting the decision taking of the company and reducing the loss of potential contracts (which reached the order of more than $180,000.00 Brazilian reais). Besides, the implemented approach allows the prediction of renegotiations and success cases.
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.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.