Decision support system using machine learning for creativity and innovation

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: Botega, Luiz Fernando de Carvalho
Orientador(a): Silva, Jonny Carlos da
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: https://repositorio.ufsc.br/handle/123456789/234567
Resumo: Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Mecânica, Florianópolis, 2021.
id UFSC_dd921e7ded58f262bd192b8d93250a5f
oai_identifier_str oai:repositorio.ufsc.br:123456789/234567
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str
spelling Universidade Federal de Santa CatarinaBotega, Luiz Fernando de CarvalhoSilva, Jonny Carlos da2022-05-19T14:40:57Z2022-05-19T14:40:57Z2021374541https://repositorio.ufsc.br/handle/123456789/234567Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Mecânica, Florianópolis, 2021.Criação e refino de novas ideias são competências estratégicas para equipes e organizações poderem inovar e se sustentar no mercado. Esta pesquisa visa abordar o desafio de encontrar técnicas de criatividade e inovação (CIT) adequadas para facilitar esforços criativos de pessoas e equipes através do uso de Inteligência Artificial. O processo de escolha de CITs para uso é complexo e trabalhoso, especialmente ao se levar em consideração a existência de centenas de técnicas e suas pluralidades de contextos de uso possíveis. Este conhecimento empírico, usualmente retido apenas no repertório de especialistas em projeto ou design, pode ser adquirído e implementado em um sistema computacional, tornando-o mais disponível e permanente. Desta forma, neste trabalho buscou-se desenvolver um Sistema de Suporte à Decisão, integrado a uma aplicação online, contendo um processo de inferência em dois estágios realizado por modelos de Aprendizado de Máquina. O protótipo desenvolvido é capaz de avaliar o cenário de projeto dos usuários através de um questionário e inferir quais das CITs contidas na base de dados serão mais apropriadas às necessidades. O desenvolvimento se deu em dois ciclos, explorando aquisição e representação de conhecimento, implementação dos modelos e interface, verificação e validação.Abstract: The creation and refinement of new ideas is a strategic competence for teams and organization to innovate and be sustainable in the market. This research addresses the challenge of finding adequate creativity and innovation techniques (CITs) for improving individual or team creation efforts through the use of Artificial Intelligence (AI). The process of choosing which CIT to use is complex and demanding, especially when taking into consideration the existence of hundreds of techniques and the plurality of different design contexts. This empiric knowledge, usually retained in a design expert´s repertoire, can be acquired and implemented in a computational system, making it more available and permanent. Therefore, this work focused on developing a Decision Support System embedded in an online application with a two-stage Machine Learning inference process. The developed prototype is able to evaluate users? design scenario through a questionnaire, and infer the most appropriate CITs from the database would better fit their needs. Development was performed in two cycles, exploring knowledge acquisition and representation, implementation of models and interface, verification and validation.174 p.| il., gráfs.engEngenharia mecânicaInteligência artificialCriatividadeInovaçãoDesignDecision support system using machine learning for creativity and innovationinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINALPEMC2212-T.pdfPEMC2212-T.pdfapplication/pdf5559157https://repositorio.ufsc.br/bitstream/123456789/234567/-1/PEMC2212-T.pdf699141f4f8a161ffa6a066fe4cde4583MD5-1123456789/2345672022-05-19 11:40:57.893oai:repositorio.ufsc.br:123456789/234567Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestsandra.sobrera@ufsc.bropendoar:23732022-05-19T14:40:57Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Decision support system using machine learning for creativity and innovation
title Decision support system using machine learning for creativity and innovation
spellingShingle Decision support system using machine learning for creativity and innovation
Botega, Luiz Fernando de Carvalho
Engenharia mecânica
Inteligência artificial
Criatividade
Inovação
Design
title_short Decision support system using machine learning for creativity and innovation
title_full Decision support system using machine learning for creativity and innovation
title_fullStr Decision support system using machine learning for creativity and innovation
title_full_unstemmed Decision support system using machine learning for creativity and innovation
title_sort Decision support system using machine learning for creativity and innovation
author Botega, Luiz Fernando de Carvalho
author_facet Botega, Luiz Fernando de Carvalho
author_role author
dc.contributor.none.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Botega, Luiz Fernando de Carvalho
dc.contributor.advisor1.fl_str_mv Silva, Jonny Carlos da
contributor_str_mv Silva, Jonny Carlos da
dc.subject.classification.none.fl_str_mv Engenharia mecânica
Inteligência artificial
Criatividade
Inovação
Design
topic Engenharia mecânica
Inteligência artificial
Criatividade
Inovação
Design
description Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Mecânica, Florianópolis, 2021.
publishDate 2021
dc.date.issued.fl_str_mv 2021
dc.date.accessioned.fl_str_mv 2022-05-19T14:40:57Z
dc.date.available.fl_str_mv 2022-05-19T14:40:57Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/234567
dc.identifier.other.none.fl_str_mv 374541
identifier_str_mv 374541
url https://repositorio.ufsc.br/handle/123456789/234567
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 174 p.| il., gráfs.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/234567/-1/PEMC2212-T.pdf
bitstream.checksum.fl_str_mv 699141f4f8a161ffa6a066fe4cde4583
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv sandra.sobrera@ufsc.br
_version_ 1851758847022071808

Registros relacionados