A Biblioteca Digital de Trabalhos Acadêmicos (BDTA) é uma base digital de armazenamento e disseminação das obras intelectuais da Universidade Federal Rural da Amazônia (UFRA), produzidas no âmbito das atividades de graduação e especialização da instituição.
Please use this identifier to cite or link to this item:
http://bdta.ufra.edu.br/jspui/handle/123456789/3894| Title: | Aderência de projeções de produção de uma empresa de mineração ao planejamento integrado |
| Advisor: | FERNANDES, Rafael da Silva |
| Authors: | ARAÚJO, Carlos Santos de SILVA, Fagner Almeida |
| Keywords: | Mineração Análise estatística Cobre - Atividade econômica Método PCA |
| Issue Date: | 2024-04-12 |
| Publisher: | UFRA/Campus Parauapebas |
| Citation: | ARAÚJO, Carlos Santos de; SILVA, Fagner Almeida. Aderência de projeções de produção de uma empresa de mineração ao planejamento integrado. Orientador: Rafael da Silva Fernandes. 2024. 56 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Produção). Universidade Federal Rural da Amazônia, Campus de Parauapebas, 2024. |
| Resumo: | A mineração de cobre é uma atividade crucial para a economia global, mas sua eficiência depende de um planejamento de produção preciso e confiável. Desvios entre o que foi planejado e o que foi realizado podem resultar em perdas de desempenho, interrupções na produção, produtos de baixa qualidade e impactos financeiros. Nesse contexto, este estudo tem como objetivo investigar a aderência da produção em uma empresa mineradora de cobre, comparando o que foi planejado com o que foi realizado no ano de 2023. Para alcançar esse objetivo, foi desenvolvido um modelo em Python capaz de analisar a aderência e os desvios dos dados durante o período em questão. Os dados foram coletados e analisados, permitindo identificar os desvios significativos do que foi planejado. Este diagnóstico permitiu uma análise mais rápida para melhorar a aderência da produção, buscando corrigir as discrepâncias e melhorar o planejamento futuro. Além disso, o modelo foi projetado para gerar novas projeções para a produção de cobre, permitindo à empresa mineradora prever a produção futura com base nos dados históricos e nas tendências observadas. Para chegar a essas projeções, foram utilizadas várias ferramentas e técnicas de análise de dados. A Análise de Correlação e o Mapa de Calor (Heatmap) foram usados para identificar as relações entre diferentes variáveis. O Método PCA foi aplicado para reduzir a dimensionalidade dos dados e identificar os componentes principais. O Algoritmo K-Means foi utilizado para agrupar os dados e identificar padrões. A Regressão Linear foi usada para modelar a relação entre as variáveis e prever os valores futuros. Finalmente, o Modelo de Séries Temporais (ARIMA) foi aplicado para analisar e prever os dados de séries temporais. A correção incluiu a implementação do modelo Python na análise e planejamento de produção, garantindo assim a eficiência e a precisão do planejamento de produção. Portanto, este estudo não apenas identificou o problema principal, mas também implementou uma solução eficaz, contribuindo para a eficiência da produção de cobre na empresa mineradora. Através deste estudo, a empresa pode melhorar seu planejamento de produção e tomar decisões mais informadas para o futuro. |
| Abstract: | Copper mining is a crucial activity for the global economy, but its efficiency depends on accurate and reliable production planning. Deviations between what was planned and what was accomplished can result in performance losses, production interruptions, low quality products and financial impacts. In this context, this study aims to investigate the adherence of production in a copper mining company, comparing what was planned with what was carried out in 2023. To achieve this objective, a Python model capable of analyzing the adherence and data deviations during the period in question. Data was collected and analyzed, allowing us to identify any significant deviations from what was planned. This diagnosis allowed for faster analysis to improve production adherence, seeking to correct discrepancies and improve future planning. Additionally, the model was designed to generate new projections for copper production, allowing the mining company to predict future production based on historical data and observed trends. To arrive at these projections, several data analysis tools and techniques were used. Correlation Analysis and Heatmap were used to identify relationships between different variables. The PCA Method was applied to reduce the dimensionality of the data and identify the main components. The K-Means Algorithm was used to group the data and identify patterns. Linear Regression was used to model the relationship between variables and predict future values. Finally, the Time Series Model (ARIMA) was applied to analyze and predict the time series data. The fix included the implementation of the Python model in production analysis and planning, thus ensuring the efficiency and accuracy of production planning. Therefore, this study not only identified the main problem, but also implemented an effective solution, contributing to the efficiency of copper production in the mining company. Through this study, the company can improve its production planning and make more informed decisions for the future. |
| URI: | http://bdta.ufra.edu.br/jspui/handle/123456789/3894 |
| Appears in Collections: | TCC - Parauapebas - Engenharia de Produção |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| ADERÊNCIA DE PROJEÇÕES.pdf | 1,05 MB | View/Open |
This item is licensed under a Creative Commons License
