Uma abordagem de data mining e business intelligence para otimização do processo produtivo e apoio à tomada de decisão na agroindústria.

• Autor(a) principal: RODRIGUES, Ravenna Lins.
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFCG
• Texto Completo: https://dx.doi.org/10.52446/cursoengpoducaoCDSA.2023.tccmon.rodrigues; http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/29114
• topic: Data mining; Business intelligence; Agroindústria – processo produtivo; Tomada de decisão; Mineração de dados; Modelagem de dados; Agricultura familiar; Agrupamento com k-means; Dashboard; Diagrama de use case; Agribusiness – production process; Decision making; Data mining; Data modeling; Family farming; Clustering with k-means; Use case diagram; Engenharia de Produção

A evolução e o uso massivo das tecnologias elucidam o crescimento exponencial de dados. Esse volume de dados tem se traduzido para as organizações como desafios e oportunidades, na medida em que, extrair informações relevantes para suportar a tomada de decisão exige mudanças em processos e atuações. No entanto, tais mudanças de comportamento propiciam vantagens competitivas e sustentáveis às organizações. Dessa forma, a aplicação de técnicas de mineração de dados aliada ao business intelligence possibilita uma ampla visão sobre a organização, a partir da descoberta de novos modelos de atuação, monitoramento e melhoria dos processos já existentes. Nesse contexto, o presente estudo teve como objetivo a exploração de dados, por meio de aprendizagem não supervisionada, para identificação de informações implícitas capazes de subsidiar o processo decisório. Para isto foi desenvolvido um mapeamento sistemático de literatura, tendo em vista, a apropriação de conhecimento literário capaz de auxiliar nas fases da metodologia CRISP-DM. Como ferramenta de operação foram utilizados o Orange Data Mining, por apresentar-se como expansível e de baixo custo, além de suportar uma ampla variedade de técnicas de análise de dados, o Google Sheets e Power BI da Microsoft que contribuíram de forma efetiva para informatização e automatização do processo produtivo. Concluiu-se que os resultados alcançados atingiram os objetivos propostos no estudo, apresentando informações e possibilidades relevantes para otimizações dentro do processo produtivo. O modelo gerado foi capaz de transformar o volume de dados em informações importantes e o dashboard desenvolvido possibilitou a fácil interpretação dos resultados, influenciando positivamente nas decisões da gestão e gerando conhecimento agregado e de valor para a organização.