Loading...
8 results
Search Results
Now showing 1 - 8 of 8
- Definição de metodologias de manutenção para a indústria: caso práticoPublication . Martins, Maria PrudênciaAs empresas industriais desenvolvem actualmente um grande esforço no sentido de promover a flexibilidade dos equipamentos. Neste contexto, com o presente trabalho, é pretendido optimizar a estrutura da manutenção de uma empresa industrial. Para o efeito, através de um registo histórico de dados, estuda-se o comportamento fiabilístico dos equipamentos cujo conhecimento relativo às falhas e ao seu atendimento deve ser compreendido. A análise fiabilística efectuada permite identificar os equipamentos críticos com o intuito de identificar oportunidades de melhoria e de estabelecer metodologias de manutenção coerentes. Estas metodologias têm subjacentes a estatística das avarias e a avaliação de custos.
- Previsão do abandono académico numa instituição de ensino superior com recurso a data miningPublication . Martins, Maria Prudência; Migueis, Vera L.; Fonseca, D.S.B.; Gouveia, Paulo D.F.Este estudo propõe dois modelos preditivos de classificação que permitem identificar, logo no final do 1º e do 2º semestres escolares, os estudantes de licenciatura de uma instituição de ensino superior mais propensos ao abandono académico. A metodologia proposta, que combina 3 algoritmos populares de data mining, como são as random forest, as máquinas de vetores de suporte e as redes neuronais artificiais, para além de contribuir para a assertividade da previsão, permite identificar por ordem de relevância os principais fatores que prenunciam o abandono académico. Os resultados empíricos demonstram ser possível reduzir para cerca de 1/4 as 4 dezenas de potenciais preditores do abandono, e mostram serem essencialmente dois, do contexto curricular do estudante, a explicarem essa propensão. Esse conhecimento revela-se de importância primordial para que os agentes de gestão possam adotar as medidas e decisões estratégicas mais propícias à diminuição dos índices de evasão discente.
- Predição de falhas no apoio à tomada da decisão em gestão da manutençãoPublication . Martins, Maria Prudência; Leitão, ArmandoCom o presente artigo pretende-se divulgar procedimentos que possibilitem caracterizar, sob uma vertente técnica, operacional e económica, a estrutura organizacional do sector da manutenção. Com a informação proveniente de um registo histórico de dados é possível obter indicadores que permitam estimar e compreender o comportamento dos equipamentos no que diz respeito às falhas e ao seu atendimento. Assim, de forma fundamentada, através de metodologias apropriadas, poder-se-ão definir as políticas de manutenção adequadas a cada equipamento e aos componentes neles inseridos.
- Procedimentos estatísticos aplicáveis a um histórico da manutenção para apoio à tomada de decisãoPublication . Martins, Maria Prudência; Leitão, ArmandoO aumento da disponibilidade dos equipamentos consegue-se através da diminuição do período de tempo em que o equipamento não está em condições de utilização. Como tal, o conhecimento sobre o comportamento dos equipamentos, sistemas e serviços, é imprescindível em decisões no âmbito da manutenção. Algumas das informações que constituem esse conhecimento são estimadas, devido à incerteza das ocorrências, através de abordagens probabilísticas e determinísticas através das quais será possivel providenciar informação para apoio às decisões da gestão da manutenção.
- Uma metodogia de data mining para prever o desempenho de estudantes de licenciaturaPublication . Martins, Maria Prudência; Miguéis, Vera; Fonseca, DavideNo presente artigo apresenta-se uma metodologia desenvolvida com base no algoritmo random forest, para prever precocemente e de forma rigorosa o desempenho académico de graduação dos estudantes de uma instituição de ensino superior politécnico. A abordagem seguida permitiu isolar 11 variáveis explicativas, a partir de um conjunto inicial de cerca de meia centena, que garantem uma boa capacidade preditiva do modelo (R2=0.79). Estas variáveis revelam aspetos fundamentais para a definição de estratégias de gestão centradas na promoção do sucesso académico.
- A data mining approach for predicting academic success – a case studyPublication . Martins, Maria Prudência; Miguéis, Vera; Fonseca, Davide; Alves, AlbanoThe present study puts forward a regression analytic model based on the random forest algorithm, developed to predict, at an early stage, the global academic performance of the undergraduates of a polytechnic higher education institution. The study targets the universe of an institution composed of 5 schools rather than following the usual procedure of delimiting the prediction to one single specific degree course. Hence, we intend to provide the institution with one single tool capable of including the heterogeneity of the universe of students as well as educational dynamics. A different approach to feature selection is proposed, which enables to completely exclude categories of predictive variables, making the model useful for scenarios in which not all categories of data considered are collected. The introduced model can be used at a central level by the decision-makers who are entitled to design actions to mitigate academic failure.
- Data mining educacional: uma revisão da literaturaPublication . Martins, Maria Prudência; Miguéis, Vera; Fonseca, DavideCom o objetivo de divulgar o potencial e a aptidão do Data Mining Educacional, como um instrumento de análise e de investigação, no apoio à gestão de instituições dedicadas ao ensino, apresenta-se, no presente artigo, uma sucinta descrição de alguns dos estudos mais relevantes da área. A análise efetuada permite evidenciar as inovações que o EDM tem vindo a promover, bem como as tendências de investigação atuais e futuras.
- Modelling academic dropout in computer engineering using arti cial neural networksPublication . Camelo, Diogo; Santos, João C.C.; Martins, Maria Prudência; Gouveia, Paulo D.F.School dropout in higher education is an academic, economic, political and social problem, which has a great impact and is difficult to resolve. In order to mitigate this problem, this paper proposes a predictive model of classification, based on artificial neural networks, which allows the prediction, at the end of the first school year, of the propensity that the computer engineering students of a polytechnic institute in the interior of the country have for dropout. A differentiating aspect of this study is that it considers the classifications obtained in the course units of the first academic year as potential predictors of dropout. A new approach in the process of selecting the factors that foreshadow the dropout allowed isolating 12 explanatory variables, which guaranteed a good predictive capacity of the model (AUC = 78.5%). These variables reveal fundamental aspects for the adoption of management strategies that may be more assertive in the combat to academic dropout.