Previsão de séries temporais de sensores de temperatura da empresa Nexxto
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/handle/123456789/48646 |
Resumo: | O principal objetivo deste trabalho é desenvolver um modelo de previsão de séries temporais para os dados dos sensores de temperatura da empresa Nexxto com o intuito de fornecer uma simulação para a equipe de desenvolvimento de produtos da empresa. A plataforma da Nexxto oferece um monitoramento dos dados dos sensores de temperatura, bem como a geração de relatórios e funções de alarmes, para clientes de setores da saúde. Este trabalho foi desenvolvido utilizando ferramentas de análise de dados na linguagem de programação Python para realizar tratamento e análise estatística dos dados dos sensores. O processo de tratamento preparou os dados para a construção do modelo auto-regressivo integrado de médias móveis (autoregressive integrated moving average - ARIMA) de previsão dos valores dos sensores. Foram realizadas análises para definição dos parâmetros adequados do modelo de previsão baseadas em métricas de avaliação. A empresa Nexxto já usa uma ferramenta de simulação de dados de sensores. No entanto, o uso do modelo desenvolvido neste trabalho permite simular um comportamento real dos sensores instalados nos ambientes dos clientes. Os resultados do modelo apresentaram erros abaixo de meio décimo de graus Celsius e um tempo de execução aceitável para a aplicação. |
id |
UFRN_da689035c228ed9bf275b2331b1a32a9 |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/48646 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Araújo Júnior, SidneiOliveira, Luiz Affonso Henderson Guedes deMartins, Daniel LopesOliveira, Gisliany Lillian Alves deFlorencio, Heitor Medeiros2022-07-22T13:20:17Z2022-07-22T13:20:17Z2022-07-15ARAÚJO JÚNIOR, Sidnei. Previsão de séries temporais de sensores de temperatura da empresa Nexxto. 2022. 41f. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecatrônica) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2022.https://repositorio.ufrn.br/handle/123456789/48646O principal objetivo deste trabalho é desenvolver um modelo de previsão de séries temporais para os dados dos sensores de temperatura da empresa Nexxto com o intuito de fornecer uma simulação para a equipe de desenvolvimento de produtos da empresa. A plataforma da Nexxto oferece um monitoramento dos dados dos sensores de temperatura, bem como a geração de relatórios e funções de alarmes, para clientes de setores da saúde. Este trabalho foi desenvolvido utilizando ferramentas de análise de dados na linguagem de programação Python para realizar tratamento e análise estatística dos dados dos sensores. O processo de tratamento preparou os dados para a construção do modelo auto-regressivo integrado de médias móveis (autoregressive integrated moving average - ARIMA) de previsão dos valores dos sensores. Foram realizadas análises para definição dos parâmetros adequados do modelo de previsão baseadas em métricas de avaliação. A empresa Nexxto já usa uma ferramenta de simulação de dados de sensores. No entanto, o uso do modelo desenvolvido neste trabalho permite simular um comportamento real dos sensores instalados nos ambientes dos clientes. Os resultados do modelo apresentaram erros abaixo de meio décimo de graus Celsius e um tempo de execução aceitável para a aplicação.The main objective of this work is to develop a time series forecasting model based on the temperature sensors data of the company Nexxto to provide a simulation for the company’s product development team. The Nexxto’s platform offers temperature sensor data monitoring, as well as reporting and alarming functions for healthcare customers. This work was developed using data analysis tools in Python programming language to perform processing and statistical analysis of sensor data. The treatment process prepared the data for the autoregressive integrated moving average (ARIMA) model implementation to predict sensor values. Analyzes were performed to define the forecasting model parameters based on the evaluation metrics. The company Nexxto already uses a sensor data simulation tool. However, using the model developed in this work allows simulating the real behavior of the sensors installed in customer environments. The model results showed errors below half a tenth of a degree Celsius and an acceptable runtime for the application.Universidade Federal do Rio Grande do NorteEngenharia MecatrônicaUFRNBrasilDepartamento de Engenharia de Computação e AutomaçãoAttribution 3.0 Brazilhttp://creativecommons.org/licenses/by/3.0/br/info:eu-repo/semantics/openAccessARIMASéries temporaisAnálise de dadosNexxtoPrevisãoTime seriesData analyticsForecastingPrevisão de séries temporais de sensores de temperatura da empresa Nexxtoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8914https://repositorio.ufrn.br/bitstream/123456789/48646/2/license_rdf4d2950bda3d176f570a9f8b328dfbbefMD52ORIGINALPrevisãoDeSériesTemporais_AraújoJúnior_2022.pdfPrevisãoDeSériesTemporais_AraújoJúnior_2022.pdfapplication/pdf2297351https://repositorio.ufrn.br/bitstream/123456789/48646/1/Previs%c3%a3oDeS%c3%a9riesTemporais_Ara%c3%bajoJ%c3%banior_2022.pdfafa4e35a3a11a4f2eff15bf61a7c5a9bMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81484https://repositorio.ufrn.br/bitstream/123456789/48646/3/license.txte9597aa2854d128fd968be5edc8a28d9MD53123456789/486462022-09-05 09:49:59.185oai:https://repositorio.ufrn.br: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Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2022-09-05T12:49:59Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pt_BR.fl_str_mv |
Previsão de séries temporais de sensores de temperatura da empresa Nexxto |
title |
Previsão de séries temporais de sensores de temperatura da empresa Nexxto |
spellingShingle |
Previsão de séries temporais de sensores de temperatura da empresa Nexxto Araújo Júnior, Sidnei ARIMA Séries temporais Análise de dados Nexxto Previsão Time series Data analytics Forecasting |
title_short |
Previsão de séries temporais de sensores de temperatura da empresa Nexxto |
title_full |
Previsão de séries temporais de sensores de temperatura da empresa Nexxto |
title_fullStr |
Previsão de séries temporais de sensores de temperatura da empresa Nexxto |
title_full_unstemmed |
Previsão de séries temporais de sensores de temperatura da empresa Nexxto |
title_sort |
Previsão de séries temporais de sensores de temperatura da empresa Nexxto |
author |
Araújo Júnior, Sidnei |
author_facet |
Araújo Júnior, Sidnei |
author_role |
author |
dc.contributor.referees1.none.fl_str_mv |
Oliveira, Luiz Affonso Henderson Guedes de |
dc.contributor.referees2.none.fl_str_mv |
Martins, Daniel Lopes |
dc.contributor.referees3.none.fl_str_mv |
Oliveira, Gisliany Lillian Alves de |
dc.contributor.author.fl_str_mv |
Araújo Júnior, Sidnei |
dc.contributor.advisor1.fl_str_mv |
Florencio, Heitor Medeiros |
contributor_str_mv |
Florencio, Heitor Medeiros |
dc.subject.por.fl_str_mv |
ARIMA Séries temporais Análise de dados Nexxto Previsão Time series Data analytics Forecasting |
topic |
ARIMA Séries temporais Análise de dados Nexxto Previsão Time series Data analytics Forecasting |
description |
O principal objetivo deste trabalho é desenvolver um modelo de previsão de séries temporais para os dados dos sensores de temperatura da empresa Nexxto com o intuito de fornecer uma simulação para a equipe de desenvolvimento de produtos da empresa. A plataforma da Nexxto oferece um monitoramento dos dados dos sensores de temperatura, bem como a geração de relatórios e funções de alarmes, para clientes de setores da saúde. Este trabalho foi desenvolvido utilizando ferramentas de análise de dados na linguagem de programação Python para realizar tratamento e análise estatística dos dados dos sensores. O processo de tratamento preparou os dados para a construção do modelo auto-regressivo integrado de médias móveis (autoregressive integrated moving average - ARIMA) de previsão dos valores dos sensores. Foram realizadas análises para definição dos parâmetros adequados do modelo de previsão baseadas em métricas de avaliação. A empresa Nexxto já usa uma ferramenta de simulação de dados de sensores. No entanto, o uso do modelo desenvolvido neste trabalho permite simular um comportamento real dos sensores instalados nos ambientes dos clientes. Os resultados do modelo apresentaram erros abaixo de meio décimo de graus Celsius e um tempo de execução aceitável para a aplicação. |
publishDate |
2022 |
dc.date.accessioned.fl_str_mv |
2022-07-22T13:20:17Z |
dc.date.available.fl_str_mv |
2022-07-22T13:20:17Z |
dc.date.issued.fl_str_mv |
2022-07-15 |
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 |
ARAÚJO JÚNIOR, Sidnei. Previsão de séries temporais de sensores de temperatura da empresa Nexxto. 2022. 41f. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecatrônica) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2022. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/handle/123456789/48646 |
identifier_str_mv |
ARAÚJO JÚNIOR, Sidnei. Previsão de séries temporais de sensores de temperatura da empresa Nexxto. 2022. 41f. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecatrônica) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2022. |
url |
https://repositorio.ufrn.br/handle/123456789/48646 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution 3.0 Brazil http://creativecommons.org/licenses/by/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution 3.0 Brazil http://creativecommons.org/licenses/by/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.publisher.program.fl_str_mv |
Engenharia Mecatrônica |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Departamento de Engenharia de Computação e Automação |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/48646/2/license_rdf https://repositorio.ufrn.br/bitstream/123456789/48646/1/Previs%c3%a3oDeS%c3%a9riesTemporais_Ara%c3%bajoJ%c3%banior_2022.pdf https://repositorio.ufrn.br/bitstream/123456789/48646/3/license.txt |
bitstream.checksum.fl_str_mv |
4d2950bda3d176f570a9f8b328dfbbef afa4e35a3a11a4f2eff15bf61a7c5a9b e9597aa2854d128fd968be5edc8a28d9 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802117515648696320 |