Análise de dados coletados por dispositivos de internet das coisas aplicada a sistemas embarcados

Detalhes bibliográficos
Autor(a) principal: Nascimento, Michel Henrique da Silva
Data de Publicação: 2020
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional do IFPE
Texto Completo: https://repositorio.ifpe.edu.br/xmlui/handle/123456789/649
Resumo: O crescimento significativo do número de sistemas embarcados – principalmente inseridos em um ambiente contextualizado pelo paradigma tecnológico da Internet das Coisas (IoT) – tem sido responsável por uma geração massiva de dados detentores de uma capacidade intrínseca de produção de valor que foi desaproveitada em certa medida até a virada deste século, tendo como causa diversos motivos, muitos deles relacionados às barreiras presentes no desenvolvimento da engenharia microeletrônica vigente na época. Por sua vez, esse valor atualmente pode ser obtido a partir da aplicação de técnicas de análise, possibilitada em grande parte pela utilização de algoritmos de mineração de dados que são responsáveis por extrair informações relevantes em formato descritivo, prescritivo ou preditivo. Neste estudo, uma revisão do estado dos processos de análise de dados em sistemas IoT é apresentada, explicitando o comportamento dos métodos mais comumente utilizados, assim como são feitas considerações sobre os desafios e oportunidades que surgem em sistemas desse tipo. Tais exposições são alicerçadas por uma compilação de trabalhos recentes que focam em temas próximos ao desta pesquisa, além da construção de uma prova de conceito fundamentada na criação de um sistema web, sendo esse condicionado pela exploração de dados provenientes de grupos de sensores conectados à Internet.
id IFPE_5ee07b6dcabd355987054941a97de118
oai_identifier_str oai:repositorio.ifpe.edu.br:123456789/649
network_acronym_str IFPE
network_name_str Repositório Institucional do IFPE
repository_id_str
spelling 2022-07-22T18:37:23Z2022-07-22T18:37:23Z2020-12-12NASCIMENTO, Michel Henrique da Silva. Análise de dados coletados por dispositivos de internet das coisas aplicada a sistemas embarcados. 2020. 61f. TCC (Curso de Análise e Desenvolvimento de Sistemas) - Departamento Acadêmico de Cursos Superiores, Instituto Federal de Ciência e Tecnologia de Pernambuco, Recife. 2020.https://repositorio.ifpe.edu.br/xmlui/handle/123456789/649O crescimento significativo do número de sistemas embarcados – principalmente inseridos em um ambiente contextualizado pelo paradigma tecnológico da Internet das Coisas (IoT) – tem sido responsável por uma geração massiva de dados detentores de uma capacidade intrínseca de produção de valor que foi desaproveitada em certa medida até a virada deste século, tendo como causa diversos motivos, muitos deles relacionados às barreiras presentes no desenvolvimento da engenharia microeletrônica vigente na época. Por sua vez, esse valor atualmente pode ser obtido a partir da aplicação de técnicas de análise, possibilitada em grande parte pela utilização de algoritmos de mineração de dados que são responsáveis por extrair informações relevantes em formato descritivo, prescritivo ou preditivo. Neste estudo, uma revisão do estado dos processos de análise de dados em sistemas IoT é apresentada, explicitando o comportamento dos métodos mais comumente utilizados, assim como são feitas considerações sobre os desafios e oportunidades que surgem em sistemas desse tipo. Tais exposições são alicerçadas por uma compilação de trabalhos recentes que focam em temas próximos ao desta pesquisa, além da construção de uma prova de conceito fundamentada na criação de um sistema web, sendo esse condicionado pela exploração de dados provenientes de grupos de sensores conectados à Internet.The significant growth in the number of embedded systems – mainly those in an environment contextualized by the technological paradigm of the Internet of Things (IoT) – has been responsible for a massive generation of data with an intrinsic capabiliity to produce value that was largely unused until the turn of this century, for several reasons, many of them related to the barriers present in the development of microelectronic engineering in force at the time. In turn, nowadays the value can be obtained through the application of analysis techniques, which are possible because of the use of data mining algorithms that are responsible for extracting relevant information in a descriptive, prescriptive or predictive format. In this study, a review of the state of the data analysis processes in IoT systems is presented, explaining the behavior of the most commonly used methods, as well as considerations about the challenges and opportunities that arise in similar systems. Such content is supported by a compilation of recent works that focus on topics close to this research, in addition to the construction of a proof of concept based on the creation of a web system, which is conditioned by the exploration of data from groups of sensors connected to the Internet.61f.AHMED, Ejaz et al. The role of big data analytics in Internet of Things. Computer Networks, Elsevier, v. 129, p. 459–471, dec. 2017. ISSN 13891286. ALAM, Furqan et al. Analysis of Eight Data Mining Algorithms for Smarter Internet of Things (IoT). Procedia - Procedia Computer Science, v. 98, p. 437–442, 2016. BUSTAMANTE, J. Smart Home Statistics. Disponível em: https://ipropertymanagement.com/research/iot-statistics. Acesso em: 13 de jun. de 2019. CHEN, F; DENG, P; WAN, J. Data Mining for the Internet of Things: Literature Review and Challenges. v. 2015, n. i, 2015. DIETRICH, David. Data Science and Big Data Analytics: Discovering, Analyzing, Visualizing and Presenting Data (1ª ed.). Wiley Publishing, 2015. EVANS, D. The internet of things: How the next evolution of the internet is changing everything. v. 1, p. 1–11, 01 2011. FACELI, K. (2001). Combinação de métodos de inteligência artificial para fusão de sensores. Dissertação de Mestrado, São Carlos: Instituto de Ciências Matemáticas e da Computação, Universidade de São Paulo, 2001. FORBES. Strong analytics skills 3x more likely to lead to success with internet of things(iot). Disponível em: https://www.forbes.com/sites/louiscolumbus/2016/09/21/strong-analytics-skills-3x more-likely-to-lead-to-success-with-internet-of-things-iot/#d94c09f3563c. Acesso em 10 jun. 2019. GE, Mouzhi; BANGUI, Hind; BUHNOVA, Barbora. Big Data for Internet of Things: A Survey. Future Generation Computer Systems, Elsevier B.V., v. 87, p. 601–614, 2018. ISSN 0167739X. IDC – International Data Corpotation. The Growth in Connected IoT Devices. Disponível em: https://www.idc.com/getdoc.jsp?containerId=prUS45213219. Acesso em: 18 de out. de 2020. IMD. Smart City Index, 2020. Disponível em: https://www.imd.org/smart-city observatory/smart-city-index/. Acesso em: 22 de out. de 2020. ITU – International Telocommunication Union. Overview of the Internet of things. Series Y: Global information infrastructure, internet protocol aspects and nextgeneration networks - Frameworks and functional architecture models, p. 22, 2012. ISSN 0018-8646. JESUS, Tarciso De et al. Internet das Coisas e sua evolução tecnológica para as Cidades Inteligentes, 2016. LIMA, J. R.; CUNHA, D A. Monitoramento de ambientes especiais aliado ao conceito de internet das coisas (iot), 2018. LANGER, G. A. Análise de dados aplicada para consciência situacional de pedestres, 2018. LI, B. et al. Aided Diagnosis and Treatment of Coronavirus Disease 2019 (COVID-19), vol. 3, 2020. MAHDAVINEJAD, M. S. et al. Machine learning for internet of things data analysis: a survey. Digital Communications and Networks, Elsevier, v. 4, n. 3, p. 161–175, aug 2018. ISSN 2352-8648. MARJANI, M. et al. Big IoT data analytics: architecture, opportunities, and open research challenges. Ieeexplore.Ieee.Org, p. 5247–5261, 2017. NAIT, Y. et al. The 7th International Conference on Current and Future Trends of Information and Communication Technologies in Healthcare (ICTH 2017) On the use of IoT and Big Data Technologies for Real-time Monitoring and Data Processing. Procedia Computer Science, v. 113, p. 429–434, 2017. NALLAKARUPPAN, M. K.; KURAMAN, U. S. IoT based Machine Learning Techniques for Climate Predictive Analysis. International Journal of Recent Technology and Engineering (IJRTE) ISSN: 2277-3878, v.7 jan. 2019. PINTO, W.; LIMA, G.; ZANETTI, J. (2015). Estudo de predição e previsão de temperaturas médias diárias da cidade de cariacica, espírito santo, brasil, utilizando a metodologia de séries temporais. Revista Gestão Inovação e Tecnologias. 5. 1881-1895. 10.7198/S2237-0722201500010022. PIVOTO, D. et al. Scientific development of smart farming technologies and their application in Brazil. Information Processing in Agriculture, [s. l.], v. 5, n. 1, p. 21– 32, 2018. QIU, J. et al. A survey of machine learning for big data processing. EURASIP Journal on Advances in Signal Processing, v. 2016, n. 1, p. 67, dec 2016. ISSN 1687-6180. SAMIE, F.; BAUER, L.; HENKEL, J. IoT Technologies for Embedded Computing: A Survey, 2016. 10.1145/2968456.2974004. SCHMITT, V. F. Uma análise comparativa de técnicas de aprendizagem de máquina para prever a popularidade de postagens do Facebook, 2013. SCULLY, P. IoT Analytics, 2020. Disponível em: https://iot-analytics.com/top-10-iot applications-in-2020/. Acesso em: 20 de out. de 2020. TSAI, C. W. et al. Data mining for internet of things: A survey. IEEE Communications Surveys and Tutorials, 2014. ISSN 1553877X. URBANSYSTEMS. Ranking Connected Smart Cities, 2020. Disponível em: http://ranking.connectedsmartcities.com.br. Acesso em: 22 de out. de 2020. WITKOWSKI K. Internet of Things, Big Data, Industry 4.0 – Innovative Solutions in Logistics and Supply Chains Management. Procedia Engineering, Elsevier, 2017. ZHOU, Z. et al. Big Data Opportunities and Challenges: Discussions from Data Analytics Perspectives. IEEE Computational Intelligence Magazine, v. 42, n. 7, p. 62–74, 2014. ISSN 00431397.CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAOAnálise de DadosInternet das CoisasMineração de DadosSistemas EmbarcadosSistema webAnálise de dados coletados por dispositivos de internet das coisas aplicada a sistemas embarcadosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisMoreira, Anderson Luiz Souzahttp://lattes.cnpq.br/2299171400841947Moreira, Anderson Luiz SouzaDomingues, Marco Antônio de OliveiraAndrade, Hilson Gomes Vilar dehttp://lattes.cnpq.br/2299171400841947http://lattes.cnpq.br/562998200841946http://lattes.cnpq.br/1329499647057192http://lattes.cnpq.br/7947417755943697Nascimento, Michel Henrique da SilvaBrasilRecifeinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional do IFPEinstname:Instituto Federal de Educação, Ciência e Tecnologia de Pernambuco (IFPE)instacron:IFPEORIGINALAnálise de dados coletados por dispositivos de internet das coisas aplicada a sistemas embarcados.pdfAnálise de dados coletados por dispositivos de internet das coisas aplicada a sistemas embarcados.pdfTrabalho de Conclusão de Cursoapplication/pdf1399170https://repositorio.ifpe.edu.br/xmlui/bitstream/123456789/649/1/An%c3%a1lise%20de%20dados%20coletados%20por%20dispositivos%20de%20internet%20das%20coisas%20aplicada%20a%20sistemas%20embarcados.pdfff17fc287f2ba523766b110c1439a09fMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ifpe.edu.br/xmlui/bitstream/123456789/649/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52123456789/6492022-07-22 15:39:34.743oai:repositorio.ifpe.edu.br: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Repositório InstitucionalPUBhttps://repositorio.ifpe.edu.br/oai/requestrepositorioifpe@reitoria.ifpe.edu.bropendoar:2022-07-22T18:39:34Repositório Institucional do IFPE - Instituto Federal de Educação, Ciência e Tecnologia de Pernambuco (IFPE)false
dc.title.pt_BR.fl_str_mv Análise de dados coletados por dispositivos de internet das coisas aplicada a sistemas embarcados
title Análise de dados coletados por dispositivos de internet das coisas aplicada a sistemas embarcados
spellingShingle Análise de dados coletados por dispositivos de internet das coisas aplicada a sistemas embarcados
Nascimento, Michel Henrique da Silva
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO
Análise de Dados
Internet das Coisas
Mineração de Dados
Sistemas Embarcados
Sistema web
title_short Análise de dados coletados por dispositivos de internet das coisas aplicada a sistemas embarcados
title_full Análise de dados coletados por dispositivos de internet das coisas aplicada a sistemas embarcados
title_fullStr Análise de dados coletados por dispositivos de internet das coisas aplicada a sistemas embarcados
title_full_unstemmed Análise de dados coletados por dispositivos de internet das coisas aplicada a sistemas embarcados
title_sort Análise de dados coletados por dispositivos de internet das coisas aplicada a sistemas embarcados
author Nascimento, Michel Henrique da Silva
author_facet Nascimento, Michel Henrique da Silva
author_role author
dc.contributor.advisor1.fl_str_mv Moreira, Anderson Luiz Souza
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/2299171400841947
dc.contributor.referee1.fl_str_mv Moreira, Anderson Luiz Souza
dc.contributor.referee2.fl_str_mv Domingues, Marco Antônio de Oliveira
dc.contributor.referee3.fl_str_mv Andrade, Hilson Gomes Vilar de
dc.contributor.referee1Lattes.fl_str_mv http://lattes.cnpq.br/2299171400841947
dc.contributor.referee2Lattes.fl_str_mv http://lattes.cnpq.br/562998200841946
dc.contributor.referee3Lattes.fl_str_mv http://lattes.cnpq.br/1329499647057192
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/7947417755943697
dc.contributor.author.fl_str_mv Nascimento, Michel Henrique da Silva
contributor_str_mv Moreira, Anderson Luiz Souza
Moreira, Anderson Luiz Souza
Domingues, Marco Antônio de Oliveira
Andrade, Hilson Gomes Vilar de
dc.subject.cnpq.fl_str_mv CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO
topic CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO
Análise de Dados
Internet das Coisas
Mineração de Dados
Sistemas Embarcados
Sistema web
dc.subject.por.fl_str_mv Análise de Dados
Internet das Coisas
Mineração de Dados
Sistemas Embarcados
Sistema web
description O crescimento significativo do número de sistemas embarcados – principalmente inseridos em um ambiente contextualizado pelo paradigma tecnológico da Internet das Coisas (IoT) – tem sido responsável por uma geração massiva de dados detentores de uma capacidade intrínseca de produção de valor que foi desaproveitada em certa medida até a virada deste século, tendo como causa diversos motivos, muitos deles relacionados às barreiras presentes no desenvolvimento da engenharia microeletrônica vigente na época. Por sua vez, esse valor atualmente pode ser obtido a partir da aplicação de técnicas de análise, possibilitada em grande parte pela utilização de algoritmos de mineração de dados que são responsáveis por extrair informações relevantes em formato descritivo, prescritivo ou preditivo. Neste estudo, uma revisão do estado dos processos de análise de dados em sistemas IoT é apresentada, explicitando o comportamento dos métodos mais comumente utilizados, assim como são feitas considerações sobre os desafios e oportunidades que surgem em sistemas desse tipo. Tais exposições são alicerçadas por uma compilação de trabalhos recentes que focam em temas próximos ao desta pesquisa, além da construção de uma prova de conceito fundamentada na criação de um sistema web, sendo esse condicionado pela exploração de dados provenientes de grupos de sensores conectados à Internet.
publishDate 2020
dc.date.issued.fl_str_mv 2020-12-12
dc.date.accessioned.fl_str_mv 2022-07-22T18:37:23Z
dc.date.available.fl_str_mv 2022-07-22T18:37:23Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv NASCIMENTO, Michel Henrique da Silva. Análise de dados coletados por dispositivos de internet das coisas aplicada a sistemas embarcados. 2020. 61f. TCC (Curso de Análise e Desenvolvimento de Sistemas) - Departamento Acadêmico de Cursos Superiores, Instituto Federal de Ciência e Tecnologia de Pernambuco, Recife. 2020.
dc.identifier.uri.fl_str_mv https://repositorio.ifpe.edu.br/xmlui/handle/123456789/649
identifier_str_mv NASCIMENTO, Michel Henrique da Silva. Análise de dados coletados por dispositivos de internet das coisas aplicada a sistemas embarcados. 2020. 61f. TCC (Curso de Análise e Desenvolvimento de Sistemas) - Departamento Acadêmico de Cursos Superiores, Instituto Federal de Ciência e Tecnologia de Pernambuco, Recife. 2020.
url https://repositorio.ifpe.edu.br/xmlui/handle/123456789/649
dc.language.iso.fl_str_mv por
language por
dc.relation.pt_BR.fl_str_mv AHMED, Ejaz et al. The role of big data analytics in Internet of Things. Computer Networks, Elsevier, v. 129, p. 459–471, dec. 2017. ISSN 13891286. ALAM, Furqan et al. Analysis of Eight Data Mining Algorithms for Smarter Internet of Things (IoT). Procedia - Procedia Computer Science, v. 98, p. 437–442, 2016. BUSTAMANTE, J. Smart Home Statistics. Disponível em: https://ipropertymanagement.com/research/iot-statistics. Acesso em: 13 de jun. de 2019. CHEN, F; DENG, P; WAN, J. Data Mining for the Internet of Things: Literature Review and Challenges. v. 2015, n. i, 2015. DIETRICH, David. Data Science and Big Data Analytics: Discovering, Analyzing, Visualizing and Presenting Data (1ª ed.). Wiley Publishing, 2015. EVANS, D. The internet of things: How the next evolution of the internet is changing everything. v. 1, p. 1–11, 01 2011. FACELI, K. (2001). Combinação de métodos de inteligência artificial para fusão de sensores. Dissertação de Mestrado, São Carlos: Instituto de Ciências Matemáticas e da Computação, Universidade de São Paulo, 2001. FORBES. Strong analytics skills 3x more likely to lead to success with internet of things(iot). Disponível em: https://www.forbes.com/sites/louiscolumbus/2016/09/21/strong-analytics-skills-3x more-likely-to-lead-to-success-with-internet-of-things-iot/#d94c09f3563c. Acesso em 10 jun. 2019. GE, Mouzhi; BANGUI, Hind; BUHNOVA, Barbora. Big Data for Internet of Things: A Survey. Future Generation Computer Systems, Elsevier B.V., v. 87, p. 601–614, 2018. ISSN 0167739X. IDC – International Data Corpotation. The Growth in Connected IoT Devices. Disponível em: https://www.idc.com/getdoc.jsp?containerId=prUS45213219. Acesso em: 18 de out. de 2020. IMD. Smart City Index, 2020. Disponível em: https://www.imd.org/smart-city observatory/smart-city-index/. Acesso em: 22 de out. de 2020. ITU – International Telocommunication Union. Overview of the Internet of things. Series Y: Global information infrastructure, internet protocol aspects and nextgeneration networks - Frameworks and functional architecture models, p. 22, 2012. ISSN 0018-8646. JESUS, Tarciso De et al. Internet das Coisas e sua evolução tecnológica para as Cidades Inteligentes, 2016. LIMA, J. R.; CUNHA, D A. Monitoramento de ambientes especiais aliado ao conceito de internet das coisas (iot), 2018. LANGER, G. A. Análise de dados aplicada para consciência situacional de pedestres, 2018. LI, B. et al. Aided Diagnosis and Treatment of Coronavirus Disease 2019 (COVID-19), vol. 3, 2020. MAHDAVINEJAD, M. S. et al. Machine learning for internet of things data analysis: a survey. Digital Communications and Networks, Elsevier, v. 4, n. 3, p. 161–175, aug 2018. ISSN 2352-8648. MARJANI, M. et al. Big IoT data analytics: architecture, opportunities, and open research challenges. Ieeexplore.Ieee.Org, p. 5247–5261, 2017. NAIT, Y. et al. The 7th International Conference on Current and Future Trends of Information and Communication Technologies in Healthcare (ICTH 2017) On the use of IoT and Big Data Technologies for Real-time Monitoring and Data Processing. Procedia Computer Science, v. 113, p. 429–434, 2017. NALLAKARUPPAN, M. K.; KURAMAN, U. S. IoT based Machine Learning Techniques for Climate Predictive Analysis. International Journal of Recent Technology and Engineering (IJRTE) ISSN: 2277-3878, v.7 jan. 2019. PINTO, W.; LIMA, G.; ZANETTI, J. (2015). Estudo de predição e previsão de temperaturas médias diárias da cidade de cariacica, espírito santo, brasil, utilizando a metodologia de séries temporais. Revista Gestão Inovação e Tecnologias. 5. 1881-1895. 10.7198/S2237-0722201500010022. PIVOTO, D. et al. Scientific development of smart farming technologies and their application in Brazil. Information Processing in Agriculture, [s. l.], v. 5, n. 1, p. 21– 32, 2018. QIU, J. et al. A survey of machine learning for big data processing. EURASIP Journal on Advances in Signal Processing, v. 2016, n. 1, p. 67, dec 2016. ISSN 1687-6180. SAMIE, F.; BAUER, L.; HENKEL, J. IoT Technologies for Embedded Computing: A Survey, 2016. 10.1145/2968456.2974004. SCHMITT, V. F. Uma análise comparativa de técnicas de aprendizagem de máquina para prever a popularidade de postagens do Facebook, 2013. SCULLY, P. IoT Analytics, 2020. Disponível em: https://iot-analytics.com/top-10-iot applications-in-2020/. Acesso em: 20 de out. de 2020. TSAI, C. W. et al. Data mining for internet of things: A survey. IEEE Communications Surveys and Tutorials, 2014. ISSN 1553877X. URBANSYSTEMS. Ranking Connected Smart Cities, 2020. Disponível em: http://ranking.connectedsmartcities.com.br. Acesso em: 22 de out. de 2020. WITKOWSKI K. Internet of Things, Big Data, Industry 4.0 – Innovative Solutions in Logistics and Supply Chains Management. Procedia Engineering, Elsevier, 2017. ZHOU, Z. et al. Big Data Opportunities and Challenges: Discussions from Data Analytics Perspectives. IEEE Computational Intelligence Magazine, v. 42, n. 7, p. 62–74, 2014. ISSN 00431397.
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 61f.
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Recife
dc.source.none.fl_str_mv reponame:Repositório Institucional do IFPE
instname:Instituto Federal de Educação, Ciência e Tecnologia de Pernambuco (IFPE)
instacron:IFPE
instname_str Instituto Federal de Educação, Ciência e Tecnologia de Pernambuco (IFPE)
instacron_str IFPE
institution IFPE
reponame_str Repositório Institucional do IFPE
collection Repositório Institucional do IFPE
bitstream.url.fl_str_mv https://repositorio.ifpe.edu.br/xmlui/bitstream/123456789/649/1/An%c3%a1lise%20de%20dados%20coletados%20por%20dispositivos%20de%20internet%20das%20coisas%20aplicada%20a%20sistemas%20embarcados.pdf
https://repositorio.ifpe.edu.br/xmlui/bitstream/123456789/649/2/license.txt
bitstream.checksum.fl_str_mv ff17fc287f2ba523766b110c1439a09f
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional do IFPE - Instituto Federal de Educação, Ciência e Tecnologia de Pernambuco (IFPE)
repository.mail.fl_str_mv repositorioifpe@reitoria.ifpe.edu.br
_version_ 1801503720146468864

Registros relacionados