Manutenção preditiva: análise de dados usando python

dc.contributor.advisorGonçalves, Aparecido Carlos [UNESP]
dc.contributor.authorCarnahuba, Lucas da Silva
dc.date.accessioned2024-01-08T11:42:47Z
dc.date.available2024-01-08T11:42:47Z
dc.date.issued2023-10-10
dc.description.abstractO escopo deste trabalho se concentrou na exploração da linguagem de programação Python como base para um projeto de análise de dados. Para o embasamento, a metodologia CRISP-DM foi adotada como guia para estruturar a abordagem de análise. Foi feita uma análise a partir de uma base de dados de manutenção preditiva, disponibilizado pelo site da University of California Irvine. Dentro desse processo, Python foi utilizado de forma proeminente, destacando sua capacidade de manipular conjuntos de dados. Tal abordagem permitiu não apenas a extração de insights relevantes, mas também a realização de previsões embasadas na análise dos dados. Vale destacar a criação de um painel interativo, a interatividade desse painel apresenta potencial para guiar a tomada de decisões do usuário, ilustrando que a linguagem Python emerge como uma escolha robusta e eficaz para empreendimentos que envolvam análise de dados.pt
dc.description.abstractThe core focus of this project revolved around exploring the Python programming language as the foundation for a data analysis endeavor. To underpin this approach, the CRISP-DM methodology was adopted as a framework to structure the analysis. A comprehensive analysis was conducted, stemming from a predictive maintenance database made available through the University of California lrvine's website. ln this context, the Python language played a prominent role, showcasing its innate ability to handle intricate data sets. This approach not only facilitated the extraction of pertinent insights but also enabled the formulation of predictions grounded in the analysis of said data. A noteworthy achievement was the creation of an interactive dashboard. The inherent interactivity of this dashboard emerges as a guiding factor for user decisions. This underscores the aptitude of the Python language as a robust and effective choice for endeavors that encompass data analysis comprehensively.en
dc.identifier.citationCARNAHUBA, Lucas da Silva. Manutenção preditiva: análise de dados usando python. 2023. 97 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecânica) - Faculdade de Engenharia, Universidade Estadual Paulista - Unesp, Ilha Solteira, 2023.pt
dc.identifier.urihttps://hdl.handle.net/11449/252456
dc.language.isopor
dc.publisherUniversidade Estadual Paulista (Unesp)
dc.rights.accessRightsAcesso aberto
dc.subjectManutenção preditivapt
dc.subjectPythonpt
dc.subjectMachine learningpt
dc.subjectAnálise de dadospt
dc.subjectPredictive maintenanceen
dc.subjectData analysisen
dc.subjectMachine learningen
dc.subjectCRISP-DMen
dc.titleManutenção preditiva: análise de dados usando pythonpt
dc.title.alternativePredictive maintenance: data analysis using pythonen
dc.typeTrabalho de conclusão de curso
unesp.campusUniversidade Estadual Paulista (Unesp), Faculdade de Engenharia, Ilha Solteira
unesp.examinationboard.typeBanca pública
unesp.undergraduateIlha Solteira - FEIS - Engenharia Mecânica

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
carnahuba_ls_tcc_ilha.pdf
Tamanho:
16.88 MB
Formato:
Adobe Portable Document Format
Licença do Pacote
Agora exibindo 1 - 2 de 2
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
2.43 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Nenhuma Miniatura disponível
Nome:
carnahuba_ls_autorizacao_ilha.pdf
Tamanho:
179.9 KB
Formato:
Adobe Portable Document Format
Descrição: