Please use this identifier to cite or link to this item:
http://www.monografias.ufop.br/handle/35400000/5504
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | Reis, Agnaldo José da Rocha | pt_BR |
dc.contributor.author | Camba, Gabriel Silveira | - |
dc.date.accessioned | 2023-05-02T10:31:08Z | - |
dc.date.available | 2023-05-02T10:31:08Z | - |
dc.date.issued | 2023 | pt_BR |
dc.identifier.citation | CAMBA, Gabriel Silveira. Previsão da quantidade de refeições de um restaurante universitário via redes neurais artificiais. 2023. 42 f. Monografia (Graduação em Engenharia de Controle e Automação) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2023. | pt_BR |
dc.identifier.uri | http://www.monografias.ufop.br/handle/35400000/5504 | - |
dc.description.abstract | Os Restaurantes Universitários (RU) são Unidades de Alimentação e Nutrição (UAN) presentes na maioria dos Institutos Federais de Ensino Superior (IFES), tendo como intuito oferecer uma opção nutritiva e acessível para a comunidade acadêmica. Para suprir essa demanda com eficiência, ou seja, evitando falta de refeições e/ou desperdício, uma estimativa do número de refeições de elevada acurácia se faz necessária. O modelo atualmente empregado no estudo aqui apresentado vale-se de métodos estatísticos lineares para a realização da previsão do número diário de refeições a serem preparadas. A fim de se investigar a possibilidade de melhorar a qualidade dessa previsão em um restaurante universitário, foi realizada uma análise a partir do uso de inteligência artificial. Nesse sentido, as Redes Neurais Artificiais (RNA) se mostram como uma poderosa ferramenta capaz de extrair conhecimento a partir do treinamento em uma base de dados. Desse modo, investigou-se neste trabalho a sua aplicabilidade, comparando o seu desempenho àquele obtido com o modelo linear atualmente empregado. O modelo apresentou um R2 de 62%, um Erro Médio Absoluto de 162,9 refeições e uma Raíz Quadrada do Erro Médio absoluto de 224,4. Em comparação com o modelo atual, este teve um erro médio 1% maior. Apesar de um desempenho aquém do modelo atual, a utilização de RNA para predição do número de refeições diárias do restaurante possui um potencial de apresentar melhores resultados e mais consistentes, caso uma base de dados maior esteja disponível. | pt_BR |
dc.language.iso | pt_BR | pt_BR |
dc.subject | Restaurante universitário | pt_BR |
dc.subject | Redes neurais artificiais | pt_BR |
dc.subject | Inteligência artificial | pt_BR |
dc.subject | Aprendizado de máquina | pt_BR |
dc.title | Previsão da quantidade de refeições de um restaurante universitário via redes neurais artificiais. | pt_BR |
dc.type | TCC-Graduação | pt_BR |
dc.contributor.referee | Reis, Agnaldo José da Rocha | pt_BR |
dc.contributor.referee | Santana, Adrielle de Carvalho | pt_BR |
dc.contributor.referee | Rêgo Segundo, Alan Kardek | pt_BR |
dc.description.abstracten | University Restaurants (UR) are Food and Nutrition Units (FNU) present in most Federal Institutes (FI), in order to offer a nutritious and accessible option for the academic community. To meet this demand efficiently, that is, avoiding lack of meals and/or waste, a highly accurate estimate is necessary. The model currently used in the study presented here uses linear statistical methods to predict the daily number of meals to be prepared. To investigate whether it can improve the quality of this prediction in a university restaurant, an analysis using artificial intelligence was performed. In this sense, Artificial Neural Networks (ANN) are shown to be a powerful tool capable of extracting knowledge from training in a database. Thus, in this work its applicability was investigated and its results were compared to that obtained with the linear model currently in use. | pt_BR |
dc.contributor.authorID | 17.1.1333 | pt_BR |
Appears in Collections: | Engenharia de Controle e Automação |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
MONOGRAFIA_PrevisãoQuantidadeRefeições.pdf | 955,98 kB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License