UMA TÉCNICA DE APRENDIZAGEM DE MÁQUINA BASEADA EM ÁRVORES DE DECISÃO: Um Estudo de Caso em Processos Avícolas

Banco de Dados IUTFPR - Campus Pato Branco – PR

UMA TÉCNICA DE APRENDIZAGEM DE MÁQUINA BASEADA EM ÁRVORES DE

DECISÃO: Um Estudo de Caso em Processos Avícolas

Acadêmico: André L. Wirth

Prof. Orientador: Dr. Richardson Ribeiro

Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas

Trabalho de Conclusão de Curso

Banco de Dados IAgenda

1. INTRODUÇÃO

2. PROBLEMA E MOTIVAÇÃO

3. OBJETIVOS:

3.1 Objetivo Geral;

3.2 Objetivos Específicos;

4. HIPÓTESES

5. REFERÊNCIAL TEÓRICO

6. MATERIAIS

7. METODOLOGIA

8. CONCLUSÃO

9. EXPERIMENTOS

10. TRABALHOS FUTUROS

Curso: Análise e Desenvolvimento de softwareUTFPR - Pato Branco

3

INTRODUÇÃO

A avicultura de corte é uma atividade que está em expansão desde seu início, sofrendo constantes modernizações, atraindo novos avicultores em razão de sua rentabilidade;

O sucesso de um lote depende do manejo;

Proporcionar suporte as tomadas de decisões necessárias no decorrer de um manejo, utilizando técnicas de aprendizagem de máquina.


4

PROBLEMA E MOTIVAÇÃO

A criação de aves para o abate apresenta uma boa rentabilidade dispensando grandes quantidades de terra, atraindo novos avicultores;

Avicultores com pouco conhecimento na atividade têm dificuldades em realizar o manejo;

Como é possível auxiliar esses avicultores?


5

OBJETIVOS

3.1 Objetivo Geral

Desenvolver um sistema computacional que auxilie os avicultores no processo de manejo avícola utilizando aprendizagem de máquina.


6

OBJETIVOS

3.2 Objetivos Específicos

Realizar um estudo teórico sobre os processos do manejo avícola;

Realizar de maneira in loco a coleta dos dados de manejos avícolas;

Empregar, no sistema computacional, um classificador utilizando um algoritmo de árvores de decisão;

Realizar o acompanhamento dos lotes utilizando o protótipo computacional;

Comparar os manejos propostos pelo protótipo com os manejos realizados por um especialista humano;


7

HIPÓTESES

Conhecidas as atividades de manejo avícola, assim como as regras sugeridas por especialistas do domínio, um sistema computadorizado pôde ser desenvolvido com o uso de técnicas de aprendizagem de máquina.

Informações armazenadas de lotes anteriores podem ser usadas para a seleção das melhores atividades encontradas no manejo.


8

REFERÊNCIAL TEÓRICO

Avicultura no Brasil– Criação da sociedade brasileira de avicultura(1913);– 1961, início do abate na forma industrial;

Sistema de Apoio a Decisão– Software com o propósito de auxiliar no processo de tomada

de decisões;

Aprendizagem de máquina– Prover ao software a capacidade de aprender;


9


Tipos de aprendizagem:– Simbólica: aprendizagem através de exemplos e contra

exemplos, geralmente resultando uma árvore de decisão;– Indutiva: aprendizagem supervisionada e não supervisionada:

• Supervisionada: utilização de exemplos previamente classificados;

• Não supervisionada: atribui uma classe através de uma análise de similaridade;

Raciocínio Baseado em Casos(RBC).– Utiliza como base o conceito de que problemas similares irão

possuir soluções similares.


10


Árvores de decisão– Similares as regras “se-então”;– Boa performance como classificador;– Algoritmo C4.5.

Algoritmo C4.5– Proposto por J. R. QUINLAN em 1993;– Sucessor ao algoritmo ID3;– Algoritmo de árvore de decisão, capaz de trabalhar com dados

contínuos;– Poda;


11

MATERIAIS

Astah Community – foi utilizado para a documentação do sistema através de diagramas de UML;

Spring Roo – para criação dos cadastros;

framework Spring Securrity – como controle de acesso do sistema;

WEKA – como um framework para utilizar técnicas de aprendizagem de máquina;

MYSQL – como sistema gerenciador de banco de dados;

JSF – para criação das páginas de consulta;

CSS – para alteração do layout;

Spring Tool Suite – como IDE de desenvolvimento;

JAVA – linguagem de desenvolvimento;

JSTL – integração JSF e JAVA.


12

MATERIAIS

WSO2 Data Service Server – Serviços de acesso ao banco de dados;

Arduino UNO R3 e Sensores (shilds) – Coletor de temperatura/umidade;

Amazon EC2 – Servidor;

TOMCAT – Servidor de aplicação.


13

MODELO DE NEGÓCIO

Modelo de negócio:


14

METODOLOGIA

Realizado estudo sobre processos avícolas; Realizado a coleta dos dados do manejo através de um

planilha de acompanhamento e um coletor construído utilizando Arduino;


15

METODOLOGIA

Atributos Classe

Dia Estação Altura Comprimento Largura Núm. Bebedouros

Linhagem 1

Linhagem 2

Linhagem 3

1 0 3 125 14 3000 0 312 324 C143

2 0 3 125 14 3000 0 312 324 C144

3 0 3 125 14 3000 0 312 324 C145

Classe Atributos

Nebolisou Tamanho pinteira

Ventilação Mín.Ligada

Ventilação Mín. Deligada

Temperatura desejada

C143 0 60 50 140 31

Conjunto de dados

Composição da classe


16

METODOLOGIA

Interação dos componentes:


17

METODOLOGIA



18

METODOLOGIA


19

METODOLOGIA



20

METODOLOGIA

Árvore de decisão:


21

METODOLOGIA



22

METODOLOGIA

Amostra Atributos Alvo

Dia Estaçã

o

Altura Comprime

nto

Núm.

Bebedouros

Linhagem

1

Linhagem

2

Linhagem

3

Largura ?A1 1 0 3 125 3000 0 312 314 14

Classe Atributos

Nebolisou Tamanho pinteira

Ventilação Mín.Ligada

Ventilação Mín. Deligada

Temperatura desejada

C143 0 60 50 140 31

Sugestão de manejo

Instância


23

EXPERIMENTOS

Experimentos :

Treinamento X Teste Número de

instâncias

Percentual

Instâncias classificadas

corretamente120 83,33


incorretamente24 16,66

Total de instâncias 144 100

Treinamento X Manejo empírico Número de

instâncias

Percentual


corretamente18 70


incorretamente8 30

Total de instâncias 26 100


24

CONCLUSÕES

Como forma de disseminar os conhecimentos necessários para o manejo, as técnicas de raciocínio baseado em casos e árvores de decisão podem ser uma alternativa para o domínio de problema proposto;

Comprovação da possibilidade da utilização de um sistema computacional para auxiliar avicultores no manejo avícola;


25

TRABALHOS FUTUROS

Experimentos com outros cenários;– Utilização por diferentes avicultores;– Utilização em diferentes regiões;

Realizar experimentos para validar se o sistema pode influenciar a conversão alimentar;

Desenvolvimento de uma interface com o usuário similar a interface do painel de controle;

Automação do processo de coleta de dados sobre todo o manejo realizado, utilizando sensores integrados com o sistema computacional;

Geração de relatórios e gráficos demonstrando os resultados do manejo realizado;


26

TRABALHOS FUTUROS

Ampliação dos atributos utilizados pelo classificador;

Redução do período de sugestões de diárias para cada hora;

Aumento do número de informações coletadas durante o manejo para que seja possível fornecer um maior número de informações para o algoritmo no momento da extração do classificador, e um maior número de informações sobre o manejo a ser seguido;

Integração do sistema computacional com o painel de controle do aviário.

Banco de Dados IUTFPR - Campus Pato Branco – PR

UMA TÉCNICA DE APRENDIZAGEM DE MÁQUINA BASEADA EM ÁRVORES DE

DECISÃO: Um Estudo de Caso em Processos Avícolas

Acadêmico: André L. Wirth

Prof. Orientador: Dr. Richardson Ribeiro

Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas

Trabalho de Conclusão de Curso

Data & Analytics

UMA TÉCNICA DE APRENDIZAGEM DE MÁQUINA BASEADA EM ÁRVORES DE DECISÃO: Um Estudo de Caso em Processos Avícolas