Author(s): Bastos, Pedro
Date: 2003
Persistent ID: http://hdl.handle.net/10198/1048
Origin: Biblioteca Digital do IPB
Subject(s): Extracção de conhecimento em bases de dados; Prospecção de dados; Propriedades do algodão; Knowledge discovery in databases; Data mining; Cotton properties
Este trabalho descreve a forma como a ferramenta de prospecção de dados (data mining) Clementine pode ser utilizada na extracção de conhecimento de dados relativos a propriedades físicas e químicas da fibra de algodão. Os resultados atingidos demonstram a forma como as técnicas de prospecção de dados podem ser usadas para estabelecer, de forma eficiente, relações existentes entre as propriedades das fibras. O desenvolvimento tecnológico tornou possível a medição das diferentes propriedades físicas das fibras de algodão tipo comprimento, micronaire, grau de uniformidade, alongamento, resistência, cor e grau de impureza. Isto é conseguido através da utilização de instrumentos HVI1, proporcionando resultados rápidos e fiáveis. No entanto, no que diz respeito ao estudo das propriedades químicas os resultados são obtidos usando métodos laboratoriais mais demorados e dispendiosos, assim por vezes são completamente ignorados pelos diferentes agentes englobados no processo de transformação da matéria prima em produto final. Assim sendo, o estudo de todas as possíveis relações existentes entre as diferentes propriedades físicas e químicas são descartadas. Este conhecimento é bastante importante, pois as propriedades químicas afectam em muito o processo de transformação das referidas fibras. Desta forma, através da utilização do Clementine, é possível obter relações entre os diferentes tipos de características da fibra apoiadas na geração de regras utilizando algoritmos de inteligência artificial. Neste estudo, são usadas várias técnicas de prospecção de dados existentes no Clementine. A prospecção de dados consiste num dos passos do processo de ECBD2, processo que tem como principal função a descoberta de conhecimento entre conjuntos de dados. A ferramenta inclui técnicas avançadas de modelação baseadas em inteligência artificial, extraindo dos dados, possíveis relações complexas existentes, bem como regras de associação entre eles. Isto ajuda a automatizar processos tipo predição, estimativa e classificação, que podem ser usadas como forma de proporcionar decisões de suporte especializado.
This work describes how the data mining tool named Clementine, can be used in knowleged extraction of phisical and chemical properties in cotton fibre. The resultes achieved demonstrate how the data mining tools can be used to establish, in a efficient way, all the existent relations between the fibre properties. The technological development enabled the measurement of cotton staple fibres properties like length, micronaire, uniformity, strength, elongation, color and trash contents. This is obtained through the use of HVI instruments, providing rapid and reliable results. However, with regard to the study of the chemical properties, the results are obtained by using more time consuming and much more expensive laboratory methods, although, sometimes they are completely ignored by all the agents envolved in the transformation process. This means that the studies about all existent relationships between the fisical and chemical properties are discarded. This knowledge is very important, because chemical properties affect the process of fiber transformation. In this way, by using Clementine it is possible to obtain relations between diferent types of cotton fibres, supported by the creation of rules using artificial intelligence. In this study, several data mining techniques available in the Clementine data mining system are used. Data mining consists of a step in the knowledge discovery process (KDD), a process that aims to discover associations between data sets. The tool includes advanced modelling techniques, based in artificial intelligence, extracting of the existing data, complex relationships, as well as possible association rules between them. This helps to automatize processes such as prediction, estimation and classification, that can be used to provide expert decision support.
