Browsing by Issue Date, starting with "2020-12-18"
Now showing 1 - 3 of 3
Results Per Page
Sort Options
- Modelos de Machine Learning na gestão de consumos de energiaPublication . Sério, Francisco António Alves; Lacerda, Ana Cristina Wanzeller Guedes de; Pinto, Filipe CabralAo longo destes últimos anos, a quantidade de sensores espalhados pelas cidades tem aumentado significativamente, o que, por consequência, leva a um incremento no volume de dados, originando o Big Data. Muitos desses sensores foram colocados em candeeiros e em contadores de energia elétrica, permitindo, tanto ao utilizador, como ao município, verificar os respetivos consumos, muitas vezes em tempo real, fazendo da cidade uma cidade inteligente. Com essa grande quantidade de dados gerada, seria possível aplicar técnicas de machine learning, com o objetivo de fazer previsões de dados no tempo, encontrar anomalias, efetuar algumas estatísticas e retirar informações úteis. Isto permite que o município consiga ir em conta aos seus objetivos, tornando a cidade numa cidade sustentável, melhorando, assim, a qualidade de vida dos seus cidadãos. Em suma, com este trabalho pretende-se criar modelos de machine learning, utilizando bibliotecas de código aberto (e. g. TensorFlow, Keras) sobre dados reais de energia elétrica de uma cidade, com o objetivo de prever os consumos para os próximos tempos, de forma a que o município tenha uma melhor tomada de decisão. Aliada a esta previsão, pretende-se, também, criar uma REST API que disponibilize essas previsões numa ferramenta de business intelligence, para que o município possa ter uma melhor visão das mesmas. No geral, com a previsão dos consumos, será possível resolver o problema, que é mútuo não só a municípios, mas também a outras entidades, da verificação da gestão do orçamento em relação à energia e indo em conta às suas expectativas.
- Modelos de Informação Comum e Machine Learning em Smart CitiesPublication . Santos, Bruno Miguel Gomes dos; Lacerda, Ana Cristina Wanzeller Guedes deCom o contínuo envelhecimento das cidades que não são metrópoles, aliado a um constante crescimento da população nos centros urbanos mais desenvolvidos (metrópoles), em certa parte devido às oportunidades de emprego existentes, é crucial que as primeiras passem por um processo de modernização, de modo a captarem a atenção dos seus habitantes. Para, se alguma forma, (re)capturar o interesse dos cidadãos, o paradigma que permite a uma cidade não metróplole atingir este objetivo será transformar a cidade numa Smart City. A cidade passará para um novo patamar tecnológico, mudando a maneira como as operações e serviços da cidade atuam e interagem com o cidadão, diferenciando-se assim das outras cidades. Como tal, esta cidade irá tornar-se numa cidade preparada para as tecnologias 5G experimentais, usando estas como base para a transição para uma economia baseada em conhecimento e plataformas digitais, valorizando o grande volume de dados (Big Data) recolhidos por vários sensores no ramo da Internet of Things (IoT) e o desenvolvimento de novos produtos e serviços para o crescimento e criação de novas empresas e empregos. Dentro do domínio das Smart Cities, mais concretamente na temática dos resíduos, pretende-se com este projeto criar Modelos de Informação Comum, recorrendo a tecnologias BIg Data, IoT e Data Science, de modo a estes serem integrados numa plataforma de gestão de dados, permitindo a um município da cidade, que será um dos clientes desta plataforma, tomar decisões consoante os dados providenciados, tudo com o intuito de otimizar os processos de gestão dos resíduos adjacentes à cidade. Para se gerarem os Modelos de Informação Comum, aliado às tecnologias mencionadas no parágrafo anterior, será utilizado Machine Learning, de forma a aplicar previsão nos conjuntos de dados dentro da temática do lixo. Os conjuntos de dados estão inerentemente ligados aos resíduos da cidade de Austin, sendo que estes dados são de carácter "real", ou seja, registados pela empresa de recolha que opera na cidade. A escolha do conjunto de dados associados à cidade de Austin prende-se com a disponibilidade em modo aberto dos dados, e por, dentro do contexto do país pertencente, Austin corresponder a uma cidade não metrópole. De modo a se retirar valor dos dados, utilizar-se-á uma tecnologia de Business Intelligence que permite a criação e customização de ferramentas que providenciam informação.
- Arquitetura Data Warehouse para relatórios de Business Intelligence: Estudo de Caso na ConstructelPublication . Martins, Anthony Edgard Marques; Sá, Filipe Alexandre Almeida Ningre deOs Sistemas de Informação (SI) são considerados essenciais em todas as organizações, desempenhando vários papéis importantes e vitais, principalmente no suporte às operações, às tomadas de decisão e na vantagem competitiva e estratégica do negócio. Tendo em conta o aumento substancial do volume de dados recolhidos nas organizações, é essencial reunir o máximo de informação legível e verídica, agrupando diferentes conjuntos de dados em bases de dados (BD), para que possam ser usadas, a nível operacional, e para necessidades internas à organização. No contexto desta realidade, a Constructel (empresa do Grupo Visabeira), de forma a não entrar em conflito com as operações do dia-a-dia, e com visão focada na gestão otimizada de indicadores, necessita reformular e evoluir constantemente de estratégia, tendo optado pela criação de uma arquitetura Data Warehouse (DW) adequada a atualidade do negócio e do volume crescente de dados. Para poder responder a todas as necessidades e possibilitar uma gestão eficiente de indicadores, o objetivo principal deste Projeto focou-se no desenvolvimento de uma plataforma de Business Intelligence (BI), sustentada numa arquitetura Data Warehouse capaz de apresentar os resultados dos indicadores em formato de Dashboards e Relatórios para dotar e melhorar a gestão de negócio na organização com uma visão simplificada e real da atualidade aos gestores, de forma a facilitar a tomada de decisões. Com foco no problema e na sua resolução, este projeto teve o seu processo inicial na recolha de dados, utilizando métodos de importação adequados para grandes volumes de informação e para extração de dados a partir de ficheiros CSV e XLS, utilizando scripts criados em SQL (Script Query Language), incluindo também importação de dados por Interface de Programação de Aplicações (API) provenientes da plataforma cliente utilizada no dia-a-dia da operação. A posteriori, através de técnicas de Extração, Transformação e Armazenamento (ETL, do inglês Extract, Transform and Load), apenas a informação considerada essencial e útil é armazenada em DW e utilizada à posterior pela plataforma de BI. Através da revisão da literatura e da redação do Estado da Arte, denota-se a importância em conseguir detalhar eficazmente os dados recolhidos e em armazenar toda a informação relevante num ou vários repositórios DW (denominados de Data Marts – DM), dependendo da sua abrangência e significado. Com a recolha de informações relevantes no DW, e com a implementação de uma plataforma direcionada para a gestão e análise “inteligente” de toda a informação relativa aos Indicadores, torna-se mais fácil obter Dashboards e Relatórios essenciais para a divulgação de resultados e soluções plausíveis dentro do negócio e da organização. Permitir uma visão esclarecedora e intuitiva do negócio em tempo real é mais um fator relevante e característico da solução implementada. Outro aspeto importante e integrado na solução implementada é facilitar a gestão diária de Indicadores na organização, relembrando que é importantíssimo não interferir nos processamentos do lado operacional, utilizando para tal acontecer, os dados armazenados em DW. A ferramenta Microsoft Power BI foi utilizada na implementação da plataforma BI, permitindo apresentar uma visão realista do negócio e dos resultados dos indicadores através de Dashboards, e com base nas informações recolhidas no DW. Para aumentar o relevo da organização e a satisfação para com os clientes, a necessidade de evolução e de acompanhamento das tecnologias é muito importante. É através desta necessidade que surge a estruturação e implementação da plataforma BI, por forma a permitir automatizar a generalidade das funcionalidades relacionadas com os Indicadores da organização e elevar o negócio a um patamar exemplar. A meta para se obter um “bom produto final” está na constante evolução dos SI e conhecimentos gerais do respetivo negócio da organização. Fornecer informação real e útil aos gestores operacionais, facilita o processo de tomada de decisão e permite manter o foco na operação diária no terreno, permitindo assim, elevar o nome da organização num patamar importante a nível de conhecimento e competitividade. A leitura inteligente da informação torna mais fácil e simples a escolha da decisão.