Application of data mining algorithms in the management of the broiler production

Detalhes bibliográficos
Autor(a) principal: de Bastiani, Miliano
Data de Publicação: 2018
Outros Autores: Santos, José Airton Azevedo dos, Schmidt, Carla Adriana Pizarro, Sepulveda, Gloria Patrícia Lopez
Tipo de documento: Artigo
Idioma: por
Título da fonte: Revista GEINTEC: Gestão. Inovação e Tecnologias
Texto Completo: http://www.revistageintec.net/index.php/revista/article/view/1275
Resumo: Este trabalho tem por objetivo analisar a aplicação de algoritmos de mineração de dados para predição e classificação de variáveis produtivas que compõem as características das aves produzidas por uma cooperativa localizada na região oeste paranaense. A base de dados disponibilizada pela empresa apresenta um histórico de movimentação de 2 anos, contendo as principais variáveis de produção, desde o alojamento até a fase de abate. Três algoritmos de análise de dados, do software WEKA, foram utilizados na implementação dos modelos de predição e classificação. Para implementação dos modelos foram utilizados dados de 6000 lotes de aves das linhagens Coob e Coob Slow, obtidos do banco de dados da cooperativa, no período compreendido entre 01/07/2014 e 31/07/2016. Os resultados obtidos mostram que os modelos de predição fornecem estimativas confiáveis para as variáveis de resposta: Peso Médio e Índice de Eficiência Produtiva e o modelo de classificação apresenta um bom desempenho na classificação das linhagens das aves.
id AESPI-1_5f1db62fa4fccda8451db7988a3e3259
oai_identifier_str oai:ojs.pkp.sfu.ca:article/1275
network_acronym_str AESPI-1
network_name_str Revista GEINTEC: Gestão. Inovação e Tecnologias
spelling Application of data mining algorithms in the management of the broiler productionmineração de dados; WEKA; produção de avesEste trabalho tem por objetivo analisar a aplicação de algoritmos de mineração de dados para predição e classificação de variáveis produtivas que compõem as características das aves produzidas por uma cooperativa localizada na região oeste paranaense. A base de dados disponibilizada pela empresa apresenta um histórico de movimentação de 2 anos, contendo as principais variáveis de produção, desde o alojamento até a fase de abate. Três algoritmos de análise de dados, do software WEKA, foram utilizados na implementação dos modelos de predição e classificação. Para implementação dos modelos foram utilizados dados de 6000 lotes de aves das linhagens Coob e Coob Slow, obtidos do banco de dados da cooperativa, no período compreendido entre 01/07/2014 e 31/07/2016. Os resultados obtidos mostram que os modelos de predição fornecem estimativas confiáveis para as variáveis de resposta: Peso Médio e Índice de Eficiência Produtiva e o modelo de classificação apresenta um bom desempenho na classificação das linhagens das aves.API - Associação Acadêmica de Propriedade Intelectualde Bastiani, MilianoSantos, José Airton Azevedo dosSchmidt, Carla Adriana PizarroSepulveda, Gloria Patrícia Lopez2018-12-26info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionAvaliado por paresapplication/pdfhttp://www.revistageintec.net/index.php/revista/article/view/127510.7198/geintec.v8i4.1275Revista GEINTEC - Gestão, Inovação e Tecnologias; v. 8, n. 4 (2018); 4574-45872237-0722reponame:Revista GEINTEC: Gestão. Inovação e Tecnologiasinstname:Ensino Superior do Piauí (AESPI)instacron:AESPIporhttp://www.revistageintec.net/index.php/revista/article/view/1275/880Direitos autorais 2018 Revista GEINTEC - Gestão, Inovação e Tecnologiashttps://creativecommons.org/licenses/by-nc/4.0info:eu-repo/semantics/openAccess2019-10-06T00:04:47Zoai:ojs.pkp.sfu.ca:article/1275Revistahttp://www.revistageintec.net/index.php/revista/oai2237-07222237-0722opendoar:null2020-06-25 22:43:03.485Revista GEINTEC: Gestão. Inovação e Tecnologias - Ensino Superior do Piauí (AESPI)true
dc.title.none.fl_str_mv Application of data mining algorithms in the management of the broiler production
title Application of data mining algorithms in the management of the broiler production
spellingShingle Application of data mining algorithms in the management of the broiler production
de Bastiani, Miliano
mineração de dados; WEKA; produção de aves
title_short Application of data mining algorithms in the management of the broiler production
title_full Application of data mining algorithms in the management of the broiler production
title_fullStr Application of data mining algorithms in the management of the broiler production
title_full_unstemmed Application of data mining algorithms in the management of the broiler production
title_sort Application of data mining algorithms in the management of the broiler production
author de Bastiani, Miliano
author_facet de Bastiani, Miliano
Santos, José Airton Azevedo dos
Schmidt, Carla Adriana Pizarro
Sepulveda, Gloria Patrícia Lopez
author_role author
author2 Santos, José Airton Azevedo dos
Schmidt, Carla Adriana Pizarro
Sepulveda, Gloria Patrícia Lopez
author2_role author
author
author
dc.contributor.none.fl_str_mv
dc.contributor.author.fl_str_mv de Bastiani, Miliano
Santos, José Airton Azevedo dos
Schmidt, Carla Adriana Pizarro
Sepulveda, Gloria Patrícia Lopez
dc.subject.por.fl_str_mv mineração de dados; WEKA; produção de aves
topic mineração de dados; WEKA; produção de aves
dc.description.none.fl_txt_mv Este trabalho tem por objetivo analisar a aplicação de algoritmos de mineração de dados para predição e classificação de variáveis produtivas que compõem as características das aves produzidas por uma cooperativa localizada na região oeste paranaense. A base de dados disponibilizada pela empresa apresenta um histórico de movimentação de 2 anos, contendo as principais variáveis de produção, desde o alojamento até a fase de abate. Três algoritmos de análise de dados, do software WEKA, foram utilizados na implementação dos modelos de predição e classificação. Para implementação dos modelos foram utilizados dados de 6000 lotes de aves das linhagens Coob e Coob Slow, obtidos do banco de dados da cooperativa, no período compreendido entre 01/07/2014 e 31/07/2016. Os resultados obtidos mostram que os modelos de predição fornecem estimativas confiáveis para as variáveis de resposta: Peso Médio e Índice de Eficiência Produtiva e o modelo de classificação apresenta um bom desempenho na classificação das linhagens das aves.
description Este trabalho tem por objetivo analisar a aplicação de algoritmos de mineração de dados para predição e classificação de variáveis produtivas que compõem as características das aves produzidas por uma cooperativa localizada na região oeste paranaense. A base de dados disponibilizada pela empresa apresenta um histórico de movimentação de 2 anos, contendo as principais variáveis de produção, desde o alojamento até a fase de abate. Três algoritmos de análise de dados, do software WEKA, foram utilizados na implementação dos modelos de predição e classificação. Para implementação dos modelos foram utilizados dados de 6000 lotes de aves das linhagens Coob e Coob Slow, obtidos do banco de dados da cooperativa, no período compreendido entre 01/07/2014 e 31/07/2016. Os resultados obtidos mostram que os modelos de predição fornecem estimativas confiáveis para as variáveis de resposta: Peso Médio e Índice de Eficiência Produtiva e o modelo de classificação apresenta um bom desempenho na classificação das linhagens das aves.
publishDate 2018
dc.date.none.fl_str_mv 2018-12-26
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Avaliado por pares
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://www.revistageintec.net/index.php/revista/article/view/1275
10.7198/geintec.v8i4.1275
url http://www.revistageintec.net/index.php/revista/article/view/1275
identifier_str_mv 10.7198/geintec.v8i4.1275
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv http://www.revistageintec.net/index.php/revista/article/view/1275/880
dc.rights.driver.fl_str_mv Direitos autorais 2018 Revista GEINTEC - Gestão, Inovação e Tecnologias
https://creativecommons.org/licenses/by-nc/4.0
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Direitos autorais 2018 Revista GEINTEC - Gestão, Inovação e Tecnologias
https://creativecommons.org/licenses/by-nc/4.0
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv API - Associação Acadêmica de Propriedade Intelectual
publisher.none.fl_str_mv API - Associação Acadêmica de Propriedade Intelectual
dc.source.none.fl_str_mv Revista GEINTEC - Gestão, Inovação e Tecnologias; v. 8, n. 4 (2018); 4574-4587
2237-0722
reponame:Revista GEINTEC: Gestão. Inovação e Tecnologias
instname:Ensino Superior do Piauí (AESPI)
instacron:AESPI
reponame_str Revista GEINTEC: Gestão. Inovação e Tecnologias
collection Revista GEINTEC: Gestão. Inovação e Tecnologias
instname_str Ensino Superior do Piauí (AESPI)
instacron_str AESPI
institution AESPI
repository.name.fl_str_mv Revista GEINTEC: Gestão. Inovação e Tecnologias - Ensino Superior do Piauí (AESPI)
repository.mail.fl_str_mv
_version_ 1674121144908644352

Registros relacionados