Algoritmos de Classificação Aplicados ao Controle Interno em Economicidade de Combustíveis – Um Estudo de Caso na Polícia Militar de Pernambuco
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Outros Autores: | , , , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Revista de Engenharia e Pesquisa Aplicada |
Texto Completo: | http://revistas.poli.br/index.php/repa/article/view/1751 |
Resumo: | Este artigo apresenta técnicas de aprendizagem de máquina para identificar não conformidades no consumo de combustível dos veículos da Polícia Militar de Pernambuco - PMPE. Em sintonia com a PMPE, a Comissão Permanente de Auditoria - CPA, tem por objetivo avaliar o desempenho da gestão operacional analisando os indicadores de eficiência, eficácia e efetividade relacionadas às atividades operacionais, prezando pela qualidade da gestão financeira, patrimonial, combustíveis, materiais bélicos, almoxarifado e recursos humanos. Nesse sentido, a base de dados utilizada refere-se ao período de 2017 a 2020, com 18 atributos e mais de 900 mil registros de abastecimentos. Dos 124 modelos distintos, a pesquisa utilizou os modelos com maior frequência absoluta. Sendo estes: SPIN, SPACEFOX, XRE 300, HILUX e S10, distribuídos no interior do estado, Região Metropolitana do Recife - RMR e capital. Após as etapas de mineração dos dados, a base foi segmentada em 70% para treino (472.155 registros) e 30% para testes (202.353 registros). Em seguida, foram aplicadas técnicas de grid search, para avaliação dos classificadores Naive Bayes, KNN e Random Forest, considerando as métricas de acurácia, sensibilidade e precisão. O KNN foi o classificador que apresentou o melhor desempenho. Enquanto que, o Naive Bayes apresentou os piores resultados, obtendo uma acurácia inferior aos demais (94,30%). |
id |
UFPE-2_b3d66c140809a456cd4bdbac07a51442 |
---|---|
oai_identifier_str |
oai:ojs.poli.br:article/1751 |
network_acronym_str |
UFPE-2 |
network_name_str |
Revista de Engenharia e Pesquisa Aplicada |
repository_id_str |
|
spelling |
Algoritmos de Classificação Aplicados ao Controle Interno em Economicidade de Combustíveis – Um Estudo de Caso na Polícia Militar de PernambucoEste artigo apresenta técnicas de aprendizagem de máquina para identificar não conformidades no consumo de combustível dos veículos da Polícia Militar de Pernambuco - PMPE. Em sintonia com a PMPE, a Comissão Permanente de Auditoria - CPA, tem por objetivo avaliar o desempenho da gestão operacional analisando os indicadores de eficiência, eficácia e efetividade relacionadas às atividades operacionais, prezando pela qualidade da gestão financeira, patrimonial, combustíveis, materiais bélicos, almoxarifado e recursos humanos. Nesse sentido, a base de dados utilizada refere-se ao período de 2017 a 2020, com 18 atributos e mais de 900 mil registros de abastecimentos. Dos 124 modelos distintos, a pesquisa utilizou os modelos com maior frequência absoluta. Sendo estes: SPIN, SPACEFOX, XRE 300, HILUX e S10, distribuídos no interior do estado, Região Metropolitana do Recife - RMR e capital. Após as etapas de mineração dos dados, a base foi segmentada em 70% para treino (472.155 registros) e 30% para testes (202.353 registros). Em seguida, foram aplicadas técnicas de grid search, para avaliação dos classificadores Naive Bayes, KNN e Random Forest, considerando as métricas de acurácia, sensibilidade e precisão. O KNN foi o classificador que apresentou o melhor desempenho. Enquanto que, o Naive Bayes apresentou os piores resultados, obtendo uma acurácia inferior aos demais (94,30%).Escola Politécnica de Pernambuco2021-11-18info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdftext/htmlhttp://revistas.poli.br/index.php/repa/article/view/1751Journal of Engineering and Applied Research; Vol 6 No 5 (2021): Edição Especial em Ciência de Dados e Analytics; 27-36Revista de Engenharia e Pesquisa Aplicada; v. 6 n. 5 (2021): Edição Especial em Ciência de Dados e Analytics; 27-362525-425110.25286/repa.v6i5reponame:Revista de Engenharia e Pesquisa Aplicadainstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPEporhttp://revistas.poli.br/index.php/repa/article/view/1751/776http://revistas.poli.br/index.php/repa/article/view/1751/777Copyright (c) 2021 Ailton de Souza Leite, André Luiz da Silva Xavier, George Fragoso Andrade, Igor Vitor Teixeira, Rubens Karman Paula da Silvahttp://creativecommons.org/licenses/by-nc/4.0info:eu-repo/semantics/openAccessLeite, Ailton de Souzada Silva Xavier, André LuizAndrade, George FragosoTeixeira, Igor VitorPaula da Silva, Rubens Karman2021-11-25T12:22:35Zoai:ojs.poli.br:article/1751Revistahttp://revistas.poli.br/index.php/repaONGhttp://revistas.poli.br/index.php/repa/oai||repa@poli.br2525-42512525-4251opendoar:2021-11-25T12:22:35Revista de Engenharia e Pesquisa Aplicada - Universidade Federal de Pernambuco (UFPE)false |
dc.title.none.fl_str_mv |
Algoritmos de Classificação Aplicados ao Controle Interno em Economicidade de Combustíveis – Um Estudo de Caso na Polícia Militar de Pernambuco |
title |
Algoritmos de Classificação Aplicados ao Controle Interno em Economicidade de Combustíveis – Um Estudo de Caso na Polícia Militar de Pernambuco |
spellingShingle |
Algoritmos de Classificação Aplicados ao Controle Interno em Economicidade de Combustíveis – Um Estudo de Caso na Polícia Militar de Pernambuco Leite, Ailton de Souza |
title_short |
Algoritmos de Classificação Aplicados ao Controle Interno em Economicidade de Combustíveis – Um Estudo de Caso na Polícia Militar de Pernambuco |
title_full |
Algoritmos de Classificação Aplicados ao Controle Interno em Economicidade de Combustíveis – Um Estudo de Caso na Polícia Militar de Pernambuco |
title_fullStr |
Algoritmos de Classificação Aplicados ao Controle Interno em Economicidade de Combustíveis – Um Estudo de Caso na Polícia Militar de Pernambuco |
title_full_unstemmed |
Algoritmos de Classificação Aplicados ao Controle Interno em Economicidade de Combustíveis – Um Estudo de Caso na Polícia Militar de Pernambuco |
title_sort |
Algoritmos de Classificação Aplicados ao Controle Interno em Economicidade de Combustíveis – Um Estudo de Caso na Polícia Militar de Pernambuco |
author |
Leite, Ailton de Souza |
author_facet |
Leite, Ailton de Souza da Silva Xavier, André Luiz Andrade, George Fragoso Teixeira, Igor Vitor Paula da Silva, Rubens Karman |
author_role |
author |
author2 |
da Silva Xavier, André Luiz Andrade, George Fragoso Teixeira, Igor Vitor Paula da Silva, Rubens Karman |
author2_role |
author author author author |
dc.contributor.author.fl_str_mv |
Leite, Ailton de Souza da Silva Xavier, André Luiz Andrade, George Fragoso Teixeira, Igor Vitor Paula da Silva, Rubens Karman |
description |
Este artigo apresenta técnicas de aprendizagem de máquina para identificar não conformidades no consumo de combustível dos veículos da Polícia Militar de Pernambuco - PMPE. Em sintonia com a PMPE, a Comissão Permanente de Auditoria - CPA, tem por objetivo avaliar o desempenho da gestão operacional analisando os indicadores de eficiência, eficácia e efetividade relacionadas às atividades operacionais, prezando pela qualidade da gestão financeira, patrimonial, combustíveis, materiais bélicos, almoxarifado e recursos humanos. Nesse sentido, a base de dados utilizada refere-se ao período de 2017 a 2020, com 18 atributos e mais de 900 mil registros de abastecimentos. Dos 124 modelos distintos, a pesquisa utilizou os modelos com maior frequência absoluta. Sendo estes: SPIN, SPACEFOX, XRE 300, HILUX e S10, distribuídos no interior do estado, Região Metropolitana do Recife - RMR e capital. Após as etapas de mineração dos dados, a base foi segmentada em 70% para treino (472.155 registros) e 30% para testes (202.353 registros). Em seguida, foram aplicadas técnicas de grid search, para avaliação dos classificadores Naive Bayes, KNN e Random Forest, considerando as métricas de acurácia, sensibilidade e precisão. O KNN foi o classificador que apresentou o melhor desempenho. Enquanto que, o Naive Bayes apresentou os piores resultados, obtendo uma acurácia inferior aos demais (94,30%). |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-11-18 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://revistas.poli.br/index.php/repa/article/view/1751 |
url |
http://revistas.poli.br/index.php/repa/article/view/1751 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
http://revistas.poli.br/index.php/repa/article/view/1751/776 http://revistas.poli.br/index.php/repa/article/view/1751/777 |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by-nc/4.0 info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc/4.0 |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf text/html |
dc.publisher.none.fl_str_mv |
Escola Politécnica de Pernambuco |
publisher.none.fl_str_mv |
Escola Politécnica de Pernambuco |
dc.source.none.fl_str_mv |
Journal of Engineering and Applied Research; Vol 6 No 5 (2021): Edição Especial em Ciência de Dados e Analytics; 27-36 Revista de Engenharia e Pesquisa Aplicada; v. 6 n. 5 (2021): Edição Especial em Ciência de Dados e Analytics; 27-36 2525-4251 10.25286/repa.v6i5 reponame:Revista de Engenharia e Pesquisa Aplicada instname:Universidade Federal de Pernambuco (UFPE) instacron:UFPE |
instname_str |
Universidade Federal de Pernambuco (UFPE) |
instacron_str |
UFPE |
institution |
UFPE |
reponame_str |
Revista de Engenharia e Pesquisa Aplicada |
collection |
Revista de Engenharia e Pesquisa Aplicada |
repository.name.fl_str_mv |
Revista de Engenharia e Pesquisa Aplicada - Universidade Federal de Pernambuco (UFPE) |
repository.mail.fl_str_mv |
||repa@poli.br |
_version_ |
1798036000398639104 |