Estado da arte da indústria gaúcha referente ao uso de técnicas de inteligência artificial por meio de um survey

Ivan Luis Suptitz, Rejane Frozza, Rolf Fredi Molz

Resumo


Este trabalho busca identificar o estado da arte da aplicação de algumas técnicas de Inteligência Artificial (IA) na indústria brasileira gaúcha por meio de um levantamento do tipo survey. O foco do levantamento está nas técnicas de Redes Neurais Artificiais e Lógica Fuzzy, mas também foram avaliadas Mineração de Dados e Sistemas Baseados em Conhecimento. Os resultados demonstram que a maioria das empresas tem pouco contato com estas técnicas, e que o maior motivo da baixa utilização é o desconhecimento da tecnologia e das aplicações possíveis. Também foram levantados aspectos importantes para o desenvolvimento de uma ferramenta que aplique técnicas de IA com foco na indústria.

Texto completo:

PDF

Referências


Bravo, C., Saputelli, L., Rivas, F., Pérez, A. G., Nikolaou, M., Zangl, G., Guzman, N., Mohaghegh, S. e Nunez, G. “State of the Art of Artificial Intelligence and Predictive Analytics in the E&P Industry: A Technology Survey”. Society of Petroleum Engineers, 2014.

FIERGS – Federação das Indústrias do estado do Rio Grande do Sul. Cadastro Industrial do Rio Grande do Sul - CD-ROM. Porto Alegre: Unidade de Estudos Técnicos, Sistema FIERGS, 2015.

Forza, C. “Survey research in operations management: A process-based perspective”. International Journal of Operations & Production Management, vol. 22, n. 2, p. 152-194, 2002.

Geetha, S. “Imaging based tablet inspection in drug industry”. International Journal of Pharmacy and Technology, vol. 7, p. 8610-8617, 2015.

Giacon, E.; Mesquita, M. A. “Levantamento das práticas de programação detalhada da produção: um survey na indústria paulista”. Gestão & Produção, v. 18, n. 3, p. 487-498, 2011.

Haykin, S. “Neural Networks. A Comprehensive Foundation”. 2ª ed. Prentice Hall, New Jersey, USA, 1999.

IBGE. Classificação Nacional de Atividades Econômicas. Versão 2.0. Rio de Janeiro, 2007.

Kist, M. H. e Frozza, R.: “ADReNA - Ambiente de desenvolvimento de aplicações em redes neurais artificiais. ” Trabalho de Conclusão de Curso, UNISC, 2013.

Lima, I., Pinheiro, C. A. M., Santos, F. A. O. “Inteligência Artificial”. Elsevier, 2014.

Lin, C. T. e Lee, C. S. G. “Neural Fuzzy Systems: A Neuro-Fuzzy Synergism to Inteligent Systems”. Prentice Hall, New Jersey, USA, 1995.

Mamdani, E. H. “Applications of fuzzy algorithms for control of simple dynamic plant”. Proc. IEEE 121, vol. 12, p. 1585-1588, 1973.

Miguel, P. A. C. e Lee Ho, L. “Levantamento Tipo Survey”. In Paulo A Cauchick Miguel. (Org.). Metodologia de Pesquias em Engenharia de Produção e Gestão de Operações. 1ª ed. São Paulo, 73-128. Elsevier Editora Ltda, 2009.

Netquest: Calculadora de amostras. Disponível em http://www.netquest.com/br/painel/qualidade-calculadora-amostras.html. Acesso em: 28 dez. 2016.

Posselt, E. L., Frozza, R. e Molz, R. F. “INFUZZY: Ferramenta para desenvolvimento de aplicações de sistemas difusos”. Revista Brasileira de Computação Aplicada vol. 7 nº 1 p. 42-52, 2015.

Ros, P. M. e Pasero, E. “Defects Detection in Pistachio Nuts Using Artificial Neural Networks”. Smart Innovation, Systems and Technologies. vol. 19, p. 147-156, 2013.

Suptitz, I. L., Frozza, R. e Molz, R. F. “Análise Comparativa de Ferramentas de Redes Neurais Artificiais”. ENEPEG 2015. Disponível em

http://www.abepro.org.br/biblioteca/TN_STO_213_265_26950.pdf. Acesso em: 05 jan. 2017.

Suptitz, I. L., Frozza, R. e Molz, R. F. “Ferramenta para modelagem de sistemas de redes neurais artificiais com lógica fuzzy e processamento de imagens para a indústria”. Dissertação de Mestrado, Santa Cruz do Sul, 2017.

Taghadomi-Saberi, S., Omid, M., Emam-Djomeh, Z. e Ahmadi, H. “Evaluating the potential of artificial neural network and neuro-fuzzy techniques for estimating antioxidant activity and anthocyanin content of sweet cherry during ripening by using image processing”. Journal of the Science of Food and Agriculture, vol. 94, p. 95-101, 2014.

Triola, M. F. Introdução à Estatística. 7ª ed. Rio de Janeiro: LTC, 1999.

Valle, M. E. e Sussner, P. “Storage and recall capabilities of fuzzy morphological associative memories with adjunction-based learning”. Neural Networks, vol. 24, p.75-90, 2011.




Article Metrics

Metrics Loading ...

Metrics powered by PLOS ALM


iSys - Revista Brasileira de Sistemas de Informação - CESI/SBC
ISSN Eletrônico: 1984-2902