Use este identificador para citar ou linkar para este item: https://repositorio.unipampa.edu.br/jspui/handle/riu/7724
Tipo: Dissertação
Título: Aplicação da mineração de dados em análise de resistência à compressão de concreto com adição de cinzas residuais de proceddo térmico de geração de energia
Autor(es): Schafer, Adalberto Gularte
Primeiro Orientador: Galio, Alexandre Ferreira
1° Membro da banca: Galio, Alexandre Ferreira
2° Membro da banca: Jauris, Carolina Ferreira de Matos
3° Membro da banca: Moraes, Caroline Costa
4° Membro da banca: Avellaneda, César Antonio Oropesa
Resumo: A quantidade de dados disponíveis na internet vem tornando necessário o seu adequado processamento, uma das técnicas mais utilizada é a mineração de dados, nessa técnica os dados podem ser processados através de algoritmos de aprendizagem de máquina otimizando as análises e experimentos. Nesse contexto o concreto, por ser o segundo material mais consumido no mundo, aparece com diversas publicações, sendo a resistência à compressão do concreto o principal objeto de estudo, pois é fator primordial nas especificações de técnicas e uso de concreto na construção civil. A produção de concreto gera grande impacto ambiental devido à extração de materiais, por isso o uso de resíduos vem sendo aplicado como componente do concreto, dentre esses materiais se destacam as cinzas residuais do processo de queima do carvão e de beneficiamento de arroz, as quais motivaram a criação de bancos de dados com número significativo de observações. Esse trabalho, utilizou uma base de dados disponível na plataforma Kaggle incrementado com dados de artigos e publicações da área de concreto com adição de resíduos, o banco de dados obteve 1100 observações. A partir disso foi utilizada a linguagem de programação R para o processo de mineração de dados, utilizando aprendizagem de máquina que são ramos da inteligência artificial baseados na ideia de que sistemas podem “aprender” com dados, identificar padrões e tomar decisões com o mínimo de intervenção humana. Como resultado, esse trabalho atestou a confiabilidade do banco de dados através de métricas adequadas e obteve um padrão de comportamento do modelo através das saídas de dados do algoritmo de aprendizagem de máquina e mineração de dados, os quais foram utilizadas árvores de decisão, gráfico das variáveis mais significativas, gráfico 5D, gráficos de correlações dos componentes do concreto. Dessas análises obtivemos o traço padrão. Com esses dados ideais foram realizados os ensaios de laboratório, os quais demonstraram através de análises comparativas entre os dados gerados na programação e no experimento que o processo de mineração gerou padrões e conhecimento a respeito do comportamento do concreto com adição de cinza quanto a resistência a compressão.
Abstract: The amount of data available on the internet has made it necessary for its proper processing, one of the most used techniques is data mining. In this technique the data can be processed through machine learning algorithms, optimizing the analysis and reducing or even discarding the need for experiments in some cases. In this context, concrete, as the second most consumed material in the world, appears in several publications, with the compressive strength of concrete being the main object of study, as it is a critical factor in the technical specifications and use of concrete in civil construction. Concrete production generates significant environmental impact due to the extraction of materials, so waste materials have been widely used as a concrete component. Many publications are the subject worldwide, which motivated the creation of databases with a significant number of observations. This work uses a database available on the Kaggle platform, augmented with data from articles and publications in the area of concrete with added waste, to which it already has 1100 observations. The R programming language is being used to develop data mining and machine learning algorithms, branches of artificial intelligence based on the idea that systems can "learn" with data, identify patterns, and make decisions with minimum of human intervention. As a result, this work obtained a behavior pattern of the compressive strength of concrete with addition through the data outputs of the machine learning algorithm and data mining, which were used decision trees, the graph of the most significant variables, 5D graph, graphs of correlations of concrete components and statistical analysis of results. By analyzing the results, we can obtain the essential parameters in compressive strength, attest to the reliability of the data through suitable metrics, and obtain the pattern trace. The work seeks to carry out laboratory tests to certify the results, with a comparative analysis between data from data mining and the experiment.
Palavras-chave: Concreto
Cinza volante
Resistência à compressão
Mineração de dados
Aprendizagem de máquina
Concrete
Gray steering wheel
Compressive strength
Data mining
Machine learning
CNPq: CNPQ::ENGENHARIAS
Idioma: por
País: Brasil
Editor: Universidade Federal do Pampa
Sigla da Instituição: UNIPAMPA
Campus: Campus Bagé
Curso: Mestrado em Ciência e Engenharia de Materiais
Citação: SCHÄFER, Adalberto Gularte . Aplicação da mineração de dados em análise de resistência à compressão de concreto com adição de cinzas residuais de proceddo térmico de geração de energia. 105p. 2022. Dissertação (Mestrado em Ciência e Engenharia de Materiais) – Universidade Federal do Pampa, Campus Bagé, Bagé, 2022.
Tipo de Acesso: Acesso Aberto
URI: https://repositorio.unipampa.edu.br/jspui/handle/riu/7724
Data do documento: 15-Ago-2022
Aparece nas coleções:Mestrado em Ciência e Engenharia de Materiais

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Dissertacao_Mestrado___Adalberto_Gularte_Schafer__1_.pdf12.2 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.