01.1 - Graduação (Sede)
URI permanente desta comunidadehttps://arandu.ufrpe.br/handle/123456789/2
Navegar
2 resultados
Resultados da Pesquisa
Item Características do uso de Big Data e análise de dados na tomada de decisão de empresas do agronegócio listadas na Bolsa de Valores(2024-10-04) Lima, Jônatas Silva de; Oliveira, Brigitte Renata Bezerra de; http://lattes.cnpq.br/4363373068676222O estudo caracteriza o uso de Big Data na tomada de decisões nas 3 (três) maiores empresas do agronegócio brasileiro listadas na Bolsa de Valores (B3), considerando valor de mercado, e os eventuais desdobramentos desse uso sobre o seu desempenho operacional. Conforme a literatura especializada, a aplicação de grandes volumes de dados e de tecnologias relacionadas contribuem para a eficiência e competitividade das organizações. A partir de coleta de dados secundários, foi empregada a análise dedutiva dos relatórios institucionais das empresas JBS, BRF e São Martinho. A codificação de termos relacionados a Big Data permitiu a identificação de padrões entre o seu uso, a análise dos dados, a tomada de decisão e o desempenho alcançado nessas empresas. Os resultados mostram que, embora o termo Big Data tenha sido explicitamente mencionado apenas pela BRF em seu relatório, a prática de coleta e análise de dados é amplamente utilizada para otimizar operações e alavancar a sustentabilidade econômica. Defende-se, portanto, que o uso de dados desempenha um papel estratégico crucial no agronegócio, podendo conduzir à eficiência e à tomada de decisões estratégicas, mesmo quando o conceito de Big Data não é formalmente adotado.Item Métodos de previsão de consumo de energia elétrica residencial em grande volume de dados(2019) Carvalho, Daniel José de; Medeiros, Victor Wanderley Costa de; Gonçalves, Glauco Estácio; http://lattes.cnpq.br/6157118581200722; http://lattes.cnpq.br/7159595141911505; http://lattes.cnpq.br/6867315638833821A energia elétrica é uma das principais fontes de energia utilizadas pela humanidade.A crescente preocupação com a preservação do meio-ambiente estimulou a busca por fontes de energia renováveis capazes de reduzir os impactos à natureza. O crescimento populacional e o uso cada vez mais comum de dispositivos eletrônicos, na quase totalidade das atividades cotidianas, demandam o uso mais eficiente da energia elétrica. Diante destes desafios é essencial a realização de um planejamento para dimensionar a estrutura de geração e transmissão de energia elétrica. Uma das ferramentas capazes de auxiliar neste dimensionamento é a previsão de demanda. Outrogrande desafio nesta área está na realização destas previsões em cenários de grandes dados (Big Data).Este trabalho tem como objetivo principal avaliar o desempenho de dois métodos deprevisão, ARIMA e Holt-Winters, utilizando séries temporais aplicados a um grandevolume de dados. A base de dados utilizada foi fornecida no evento DEBS 2014 GrandChallenge, a qual contém dados de consumo de energia elétrica, de um grande nú-mero de residências, durante o período de um mês. Para a aplicação dos métodos de previsão, foram utilizadas bibliotecas na linguagem R. Para processar os dados,utilizou-se o frameworkApache Spark em conjunto com a linguagem R, para parale-lizar o processamento da leitura dos dados e a filtragem dos parâmetros desejados.Os dados tratados foram convertidos em séries temporais com valores de consumo horários, durante todo o mês compreendido pela base de dados original. Foram executadas previsões para a região das residências como um todo e para cada residência individualmente. Os resultados mostraram uma vantagem do ARIMA frente ao Holt-Winters no cenário utilizado, utilizando a métrica RMSE como base comparativa de desempenho. Contudo, baseado em experimentos similares encontrados na literatura,resguardando as devidas proporções, ambos os valores de RMSE estão dentro de uma faixa aceitável.