Modelo de classificação das perdas por making-do com uso de aprendizado de máquina
DOI:
https://doi.org/10.46421/entac.v20i1.5732Palavras-chave:
Perdas, Making-do, Aprendizado de máquina, Banco de dados , Modelo de aprendizado de máquinaResumo
O presente artigo tem o objetivo de apresentar a aplicação de aprendizado de máquina para a classificação de perdas por making-do. Após a compreensão da tipologia dos dados de entrada para classificação das perdas foi feito um levantamento dos possíveis modelos de algoritmos que poderiam classificar as perdas. Posteriormente foi utilizado um banco de dados do QuizQuality já classificados para treinar os algoritmos e realizar a classificação com diversos modelos de aprendizado de máquina e os que tiveram melhor capacidade de categorização foi a rede neural, modelo KNN e o empilhamento das duas. Os modelos foram capazes de classificar as perdas com um recall de 95%. A aplicação de aprendizado de máquina para as análises e classificação das perdas possui relevância, pois a classificação é laboriosa e a utilização de modelos de inteligência artificial pode agilizar este processo.
Referências
PIKAS, E.; SACKS, R.; PRIVEN, V. (2012). Go or No-Go Decisions at the Construction Workface: Uncertainty, Perceptions of Readiness, Making Ready and Making-do. 20th Annual Conference of the International Group for Lean Construction. San Diego, USA, 18-20 Jul 2012.
FIREMAN, M. C. T.; FORMOSO, C. T. Integrating production and quality control: monitoring making-do and unfinished work. Annual Conference of the International Group for Lean Construction, 21th, Fortaleza, 2013. Proceedings… Fortaleza, 2013.
LEÃO, C.F.; FORMOSO, C.T.; ISATTO, E. L. Integrating Production and Quality Control with the Support of Information Technology. Annual Conference of The International Group for Lean Construction, 22, IGLC, Oslo, 2014.
LEÃO, C. F.; ISATTO, E. L.; FORMOSO, C. T. Proposta de modelo para controle integrado da produção e da qualidade com apoio da computação móvel. Ambiente Construído, Porto Alegre, v. 16, n. 4, p. 109-124. 2016.
AMARAL, T. G.; BRAGA, P. B.; BARROS NETO, J. Application of Dynamic Spreadsheets in the Analysis of Waste by Making-do. Annual Conference of the International Group for Lean Construction, 28th, Berkeley, IGLC, Berkeley, 2020.
FLACH, P. Machine learning: The art and science of algorithms that make sense of data. Cambridge University Press, 2012.
ZHANG, C.; LIU, C.; ZHANG, X.; ALMPANIDIS, G. An up-to-date comparison of state-of-the-art classification algorithms. Expert Systems with Applications, v. 82, p. 128–150, 2017.
LOYOLA-GONZALEZ, Octavio. Black-Box vs. White-Box: Understanding Their Advantages and Weaknesses From a Practical Point of View. IEEE Access, v. 7, p. 154096–154113, 2019.
KOSKELA, L. Making-do – The Eighth Category of Waste. Annual Conference of the International Group for Lean Construction, 12, 2004, Dinamarca, 2004.
RONEN, B. The Complete Kit Concept. International Journal of Production, v. 30, n. 10, p. 2457–2466, 1992.
SOMMER, L. Contribuições Para Um Método de Identificação de Perdas Por improvisação em Canteiros de Obras. Porto Alegre, 2010. 150 f. Dissertação (Mestrado em Engenharia Civil) – Programa de Pós-Graduação em Engenharia Civil, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2010.
SANTOS, P. R. R.; SANTOS, D. DE G. Investigação de perdas devido ao trabalho inacabado e o seu impacto no tempo de ciclo dos processos construtivos. Ambiente Construído, Porto Alegre, v. 17, n. 2, p. 39-52, abr./jun. 2017.
SANTOS, D. G. Modelo de gestão de processos na construção civil para identificação de atividades facilitadoras. Doutora Dissertação. Pós-Graduação no Programa de Engenharia de Produção, Universidade Federal de Santa Catarina, 2004.
KOSKELA, L. An exploration towards a production theory and its application to construction. Thesis (Ph.D) - Technical Research Centre of Finland, Espoo, 2000.
FORMOSO, C. T.; SOMMER, L.; KOSKELA, L.; ISATTO, E. L. The identification and analysis of making-do waste: insights from two Brazilian construction sites. Ambiente Construído, v. 17, n. 3, p. 183-197, jul. /set. 2017.
SANTOS, E. M.; FONTENELE, A. D.; MACHADO, M. L.; BARROS NETO, J. P.; AMARAL, T. G. Analysis of Making-do Waste at Site in Fortaleza, Ceará, Brazil. Annual Conference of the International Group for Lean Construction, 28th, Berkeley, IGLC, Berkeley, 2020.
ZHANG, C.; LIU, C.; ZHANG, X.; ALMPANIDIS, G. An up-to-date comparison of state-of-the-art classification algorithms. Expert Systems with Applications, v. 82, p. 128–150, 2017.
BERTRAND J. W. M.; FRASOO J.C. Modelling and simulation. Operations managemant research methodologies using quantitative modeling. International Journal of Operartions& Production Management. Vol. 22, No 22, 2002. P. 241-264.
LANE, H.; HOWARD, C.; HAPKE, H. M. Natural Language Processing in Action: Understanding, analyzing and Generation text with Python. Manning, Shelter, NY, 2019.
