Maio 2020 vol. 3 num. 1 - XIX Simpósio de Pesquisa Operacional & Logística da Marinha
Artigo Completo - Open Access.
DESCOBERTA DE CONHECIMENTO EM BASE DE DADOS DE PROJETOS DE INOVAÇÃO: UM ESTUDO EM UM POLO EMBRAPI
DESCOBERTA DE CONHECIMENTO EM BASE DE DADOS DE PROJETOS DE INOVAÇÃO: UM ESTUDO EM UM POLO EMBRAPI
Paixão, Bruno Netto Barbosa ; Silva, Leonardo Barroso da ; Toffano, Marcus Vinicius das Neves ; Hora, Henrique Rego Monteiro da ; Carvalho, Rogério Atem de ;
Artigo Completo:
Contexto: Atualmente a informação é um dos ativos mais importantes das organizações, porém é preciso transformar dados em conhecimento. Deste modo a mineração de dados (MD) tem um importante papel nas análises das informações e na descoberta de padrões. Neste trabalho foram utilizadas técnicas de MD com o auxílio do software WEKA para seleção de atributos, classificação e agrupamento de informações de projetos do pólo de inovação do Instituto Federal Fluminense. Objetivo: Identificar padrões dentro do conjunto dos dados dos projetos de inovação realizados pelo IFF de modo a gerar conhecimento e otimizar a gestão de projetos futuros. Metodologia: Inicialmente foi realizada a extração das informações a partir da base de dados de projetos do Polo de Inovação de Campos dos Goytacazes. Em seguida foram selecionados atributos relevantes para mineração, com a adequação dos dados para obtenção de melhores resultados. Por fim, houve a execução do algoritmo de classificação e geração da árvore de decisão que permitiu revelar informações dos projetos antes escondidas. Resultados: Os resultados descritos nos diversos ramos da árvore de decisão variam em termos de perfis de usuário, tipos de tarefas e tempo gasto. São reveladas iterações entre perfis de usuário específicos, como Gerente/Coordenador e Bolsista/Estagiário, organização de atividades de autoria própria dos Pesquisadores e possível mudança no rol de tarefas de desenvolvimento, apontando muitas atividades sem registro de horas. Conclusões: Após a seleção dos atributos e geração das árvores de decisão, foi possível interpretar e descrever as relações entre os atributos das tarefas, revelando informações sobre os projetos. Os resultados podem ser comparados com artefatos de projetos existentes ou ainda servir de entrada para novos projetos do escritório de projetos. Novas descobertas de conhecimento na mesma base de dados podem ser experimentadas se novos cenários forem aplicados e novos algoritmos, como o K-means.
Artigo Completo:
Contexto: Atualmente a informação é um dos ativos mais importantes das organizações, porém é preciso transformar dados em conhecimento. Deste modo a mineração de dados (MD) tem um importante papel nas análises das informações e na descoberta de padrões. Neste trabalho foram utilizadas técnicas de MD com o auxílio do software WEKA para seleção de atributos, classificação e agrupamento de informações de projetos do pólo de inovação do Instituto Federal Fluminense. Objetivo: Identificar padrões dentro do conjunto dos dados dos projetos de inovação realizados pelo IFF de modo a gerar conhecimento e otimizar a gestão de projetos futuros. Metodologia: Inicialmente foi realizada a extração das informações a partir da base de dados de projetos do Polo de Inovação de Campos dos Goytacazes. Em seguida foram selecionados atributos relevantes para mineração, com a adequação dos dados para obtenção de melhores resultados. Por fim, houve a execução do algoritmo de classificação e geração da árvore de decisão que permitiu revelar informações dos projetos antes escondidas. Resultados: Os resultados descritos nos diversos ramos da árvore de decisão variam em termos de perfis de usuário, tipos de tarefas e tempo gasto. São reveladas iterações entre perfis de usuário específicos, como Gerente/Coordenador e Bolsista/Estagiário, organização de atividades de autoria própria dos Pesquisadores e possível mudança no rol de tarefas de desenvolvimento, apontando muitas atividades sem registro de horas. Conclusões: Após a seleção dos atributos e geração das árvores de decisão, foi possível interpretar e descrever as relações entre os atributos das tarefas, revelando informações sobre os projetos. Os resultados podem ser comparados com artefatos de projetos existentes ou ainda servir de entrada para novos projetos do escritório de projetos. Novas descobertas de conhecimento na mesma base de dados podem ser experimentadas se novos cenários forem aplicados e novos algoritmos, como o K-means.
Palavras-chave: Banco de dados; Gerenciamento de projetos; j48; Mineração de dados; Weka.,
Palavras-chave: Banco de dados; Gerenciamento de projetos; j48; Mineração de dados; Weka.,
DOI: 10.5151/spolm2019-077
Referências bibliográficas
- [1] AMASYAL, M. F. New Machine Learning Methods and Drug Design Applications, Ph.D. Thesis, Y_ld_z Technical University _Istanbul, Turkey. 2008. [2] CARDOSO, O. N. P.; MACHADO, R. T. M. Gestão do conhecimento usando data mining: estudo de caso na Universidade Federal de Lavras. Ver. Adm. Pública. V. 42, n. 3, p. 495-528. 2008. [3] CHRISTEN, P.; GOISER, K. Quality and complexity measures for data linkage and deduplication. In F. Guillet and H. Hamilton, editors, Quality Measures in Data Mining, v. 43 of Studies in Computational Intelligence. Springer. 2007. [4] CHUG, A.; DHALL, S. Software defect prediction using supervised learning algorithm and unsupervised learning algorithm. IET Conference Publications. (647 CP), p. 173-179. 2013. [5] GOLDSCHIMIT, R.; BEZERRA, E. Data Mining: conceitos, técnicas, algoritmos, orientações e aplicações. Elsevier Editora Ltda. Rio de Janeiro. 2ª Ed. 2015. [6] GUIDINI, M. P.; RIBEIRO, C. H. C. Utilização da biblioteca TerraLib para algoritmos de agrupamento em Sistemas de Informações Geográficas. GeoInfo. 2014. Disponível em: < http://www.geoinfo.info/proceedings_geoinfo2006.split/paper2pdf>. Acesso em 19 de Nov. de 2018. [7] LAUDON. K.; LAUDO, J. Sistemas de Informações Gerenciais: Fundamentos da inteligência de negócios/gestão da informação e de banco de dados. 9º ed. São Paulo: ABDR. p. 159. 201 [8] LIBRELOTTO, S. R.; MOZZAQUATRO, P. M. Análise dos algoritmos de mineração J48 e a priori aplicados na detecção de indicadores da qualidade de vida e saúde. Revista Interdisciplinar de Ensino, Pesquisa e Extensão, vol.1 n°1, p. 26-37. 2013. [9] LIU, Y. A framework of Data Mining application process for credit scoring. Institut für Wirtschaftsinformatik, Abteilung Wirtschaftsinformatik II, Georg-August-Universität Göttingen. 2012. [10] LOPES, B. Gestão do Conhecimento e Inovação. Edit. Poisson. Vol. Belo Horizonte/MG, 2017. Pág. 1-20 [11] MARKOV, Z.; RUSSELL, I. An Introduction to the WEKA Data Mining System. ITiCSE’06. Bologna, Italy. p. 367-368. 2016. [12] NAKATANI, T.; KONDO,N.; SHIROGANE,J.; KAIVA, H.; HORI,S.; KATAMINE, K. Toward the decision tree for inferring requirements maturation types. IEICE Transactions on Information and Systems, v. 95-D, n. 4, p. 1021-1030. 2012. [13] PAROLIN, S. R. H.; MORAES, D. C.; OLIVEIRA, H. C.; ZANON, S. L. M.; NARDELLI, T. Elaboração de Projetos Inovadores na Educação Profissional. Editora SENAI/ PR Departamento Regional. 2ª Edição. Vol. . Curitiba: SESI/SENAI/PR, 2008. [14] RODRIGUES, F. A.; AMARAL, L. R. Aplicação de Métodos Computacionais de Mineração de Dados na Classificação e Seleção de Oncogenes Medidos por Microarray. Revista Brasileira de Cancerologia. V. 58, n. 2. p.241-249. 2012. [15] SILVA, N.; SOARES, J.; SHAH, V.; SANTOS,M. Y.; RODRIGUES, H. Anomaly Detection in Roads with a Data Mining Approach. Procedia Computer Science, v. 121, p. 415-422. 2017. THIELMAM, R.; SILVA, M. S. C. A Importância da Gestão de Projetos para Inovação em Empresas: o Caso do Setor de Energia. SEGET. Gestão e Tecnologia para a Competitividade. 2013.
Como citar:
Paixão, Bruno Netto Barbosa; Silva, Leonardo Barroso da; Toffano, Marcus Vinicius das Neves; Hora, Henrique Rego Monteiro da; Carvalho, Rogério Atem de; "DESCOBERTA DE CONHECIMENTO EM BASE DE DADOS DE PROJETOS DE INOVAÇÃO: UM ESTUDO EM UM POLO EMBRAPI", p. 1047-1057 . In: Anais do XIX Simpósio de Pesquisa Operacional & Logística da Marinha.
São Paulo: Blucher,
2020.
ISSN 2175-6295,
DOI 10.5151/spolm2019-077
últimos 30 dias | último ano | desde a publicação
downloads
visualizações
indexações