Predição do consumo de energia elétrica em sistemas Job shop utilizando técnicas de aprendizado de máquina

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: Pereira, M. S.
Orientador(a): Lima, Fabio
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Centro Universitário FEI, São Bernardo do Campo
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Eficiência energética
Redes neurais (Computação)
Link de acesso: https://repositorio.fei.edu.br/handle/FEI/772
id FEI_b2e44afc2471a6865c59cc74a805d982
oai_identifier_str oai:repositorio.fei.edu.br:FEI/772
network_acronym_str FEI
network_name_str Biblioteca Digital de Teses e Dissertações da FEI
repository_id_str
spelling Pereira, M. S.Lima, Fabio2019-06-25T00:07:06Z2019-06-25T00:07:06Z2019PEREIRA, M. S. <b> Predição do consumo de energia elétrica em sistemas Job shop utilizando técnicas de aprendizado de máquina. </b> 2019. 117 p. Dissertação (Mestrado em Engenharia Mecânica) - Centro Universitário FEI, São Bernardo do Campo, 2019 Disponível em: <https://doi.org/10.31414/EM.2019.D.130712>. Acesso em: 6 maio 2019.https://repositorio.fei.edu.br/handle/FEI/77210.31414/EM.2019.D.130712porpt_BRCentro Universitário FEI, São Bernardo do CampoEficiência energéticaRedes neurais (Computação)Predição do consumo de energia elétrica em sistemas Job shop utilizando técnicas de aprendizado de máquinainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Biblioteca Digital de Teses e Dissertações da FEIinstname:Centro Universitário da Fundação Educacional Inaciana (FEI)instacron:FEIinfo:eu-repo/semantics/openAccessORIGINALfulltext.pdfapplication/pdf3097747https://repositorio.fei.edu.br/bitstream/FEI/772/1/fulltext.pdfb0e5dcdf29f46582369f5c0165764f14MD51TEXTfulltext.pdf.txtfulltext.pdf.txtExtracted texttext/plain188692https://repositorio.fei.edu.br/bitstream/FEI/772/2/fulltext.pdf.txt882c8ce324d37b7035761556418bef8bMD52THUMBNAILfulltext.pdf.jpgfulltext.pdf.jpgGenerated Thumbnailimage/jpeg1170https://repositorio.fei.edu.br/bitstream/FEI/772/3/fulltext.pdf.jpgd39fcb6d7196c587aaeb2970dcbaf3aaMD53FEI/7722019-06-25 14:30:43.842Biblioteca Digital de Teses e Dissertaçõeshttp://sofia.fei.edu.br/pergamum/biblioteca/PRI
dc.title.pt_BR.fl_str_mv Predição do consumo de energia elétrica em sistemas Job shop utilizando técnicas de aprendizado de máquina
title Predição do consumo de energia elétrica em sistemas Job shop utilizando técnicas de aprendizado de máquina
spellingShingle Predição do consumo de energia elétrica em sistemas Job shop utilizando técnicas de aprendizado de máquina
Pereira, M. S.
Eficiência energética
Redes neurais (Computação)
title_short Predição do consumo de energia elétrica em sistemas Job shop utilizando técnicas de aprendizado de máquina
title_full Predição do consumo de energia elétrica em sistemas Job shop utilizando técnicas de aprendizado de máquina
title_fullStr Predição do consumo de energia elétrica em sistemas Job shop utilizando técnicas de aprendizado de máquina
title_full_unstemmed Predição do consumo de energia elétrica em sistemas Job shop utilizando técnicas de aprendizado de máquina
title_sort Predição do consumo de energia elétrica em sistemas Job shop utilizando técnicas de aprendizado de máquina
author Pereira, M. S.
author_facet Pereira, M. S.
author_role author
dc.contributor.author.fl_str_mv Pereira, M. S.
dc.contributor.advisor1.fl_str_mv Lima, Fabio
contributor_str_mv Lima, Fabio
dc.subject.por.fl_str_mv Eficiência energética
Redes neurais (Computação)
topic Eficiência energética
Redes neurais (Computação)
publishDate 2019
dc.date.accessioned.fl_str_mv 2019-06-25T00:07:06Z
dc.date.available.fl_str_mv 2019-06-25T00:07:06Z
dc.date.issued.fl_str_mv 2019
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv PEREIRA, M. S. <b> Predição do consumo de energia elétrica em sistemas Job shop utilizando técnicas de aprendizado de máquina. </b> 2019. 117 p. Dissertação (Mestrado em Engenharia Mecânica) - Centro Universitário FEI, São Bernardo do Campo, 2019 Disponível em: <https://doi.org/10.31414/EM.2019.D.130712>. Acesso em: 6 maio 2019.
dc.identifier.uri.fl_str_mv https://repositorio.fei.edu.br/handle/FEI/772
dc.identifier.doi.none.fl_str_mv 10.31414/EM.2019.D.130712
identifier_str_mv PEREIRA, M. S. <b> Predição do consumo de energia elétrica em sistemas Job shop utilizando técnicas de aprendizado de máquina. </b> 2019. 117 p. Dissertação (Mestrado em Engenharia Mecânica) - Centro Universitário FEI, São Bernardo do Campo, 2019 Disponível em: <https://doi.org/10.31414/EM.2019.D.130712>. Acesso em: 6 maio 2019.
10.31414/EM.2019.D.130712
url https://repositorio.fei.edu.br/handle/FEI/772
dc.language.iso.fl_str_mv por
pt_BR
language por
language_invalid_str_mv pt_BR
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Centro Universitário FEI, São Bernardo do Campo
publisher.none.fl_str_mv Centro Universitário FEI, São Bernardo do Campo
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da FEI
instname:Centro Universitário da Fundação Educacional Inaciana (FEI)
instacron:FEI
instname_str Centro Universitário da Fundação Educacional Inaciana (FEI)
instacron_str FEI
institution FEI
reponame_str Biblioteca Digital de Teses e Dissertações da FEI
collection Biblioteca Digital de Teses e Dissertações da FEI
bitstream.url.fl_str_mv https://repositorio.fei.edu.br/bitstream/FEI/772/1/fulltext.pdf
https://repositorio.fei.edu.br/bitstream/FEI/772/2/fulltext.pdf.txt
https://repositorio.fei.edu.br/bitstream/FEI/772/3/fulltext.pdf.jpg
bitstream.checksum.fl_str_mv b0e5dcdf29f46582369f5c0165764f14
882c8ce324d37b7035761556418bef8b
d39fcb6d7196c587aaeb2970dcbaf3aa
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1734750974405246976

Registros relacionados