Please use this identifier to cite or link to this item: http://www.repositorio.ufop.br/jspui/handle/123456789/17116
Title: Especificação de rochas ornamentais utilizadas na construção civil aplicando técnicas de estatística multivariada e aprendizado de máquina.
Authors: Zagôto, Juliano Tessinari
metadata.dc.contributor.advisor: Lana, Milene Sabino
Pereira, Tiago Martins
Keywords: Geotecnia
Rochas ornamentais
Análise multivariada
Análise de agrupamento
Aprendizado de máquina
Issue Date: 2023
metadata.dc.contributor.referee: Lana, Milene Sabino
Santos, Allan Erlikhman Medeiros
Santos, Tatiana Barreto dos
Frasca, Maria Heloisa Barros de Oliveira
Klen, André Monteiro
Citation: ZAGÔTO, Juliano Tessinari. Especificação de rochas ornamentais utilizadas na construção civil aplicando técnicas de estatística multivariada e aprendizado de máquina. 2023. 153 f. Tese (Doutorado em Engenharia Mineral) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2023.
Abstract: O Brasil é mundialmente reconhecido como potência produtora e exportadora de rochas ornamentais. Com grande beleza estética e qualidades físico-mecânicas inquestionáveis, as rochas ornamentais brasileiras estão espalhadas por grandes obras no mundo. Nessa perspectiva, este trabalho visa estabelecer um índice de qualidade e um critério de seleção de rochas ornamentais para revestimentos aplicados na construção civil. Para isso foi elaborado um banco de dados dos resultados dos ensaios de caracterização tecnológica de 285 amostras de rochas naturais, adotados como variáveis. Esse estudo propôs um índice de qualidade para as rochas ornamentais utilizando-se dos valores dos parâmetros tecnológicos gerais de referência, atribuindo pesos a eles e conforme o ambiente no qual a rocha é aplicado. Os ambientes foram definidos como A (piso interno seco de baixo tráfego), B (parede interna seca), C (parede interna molhada), D (parede externa), E (bancada interna seca), F (bancada interna molhada), G (bancada externa) e H (outras aplicações). Com o auxílio do software estatístico livre R foram utilizados métodos de estatística multivariada e de aprendizado de máquina. Da análise de componentes principais, pudemos extrair que as três primeiras componentes explicam aproximadamente 51% do problema. Da análise de agrupamentos foram gerados 5 (cinco) grupos classificados como G1 (Grupo dos Quartzitos), G2 (Grupo dos Granitos), G3 (Grupo majoritariamente formado por Granitos), G4 (Grupo majoritariamente formado por Granitos ricos em granada ou grupo dos Gnaisses) e G5 (Grupo dos Mármores). A partir daí, foram realizadas as estatísticas descritivas intra e inter grupos. De posse dos grupos formados, foi treinada uma árvore de decisão capaz de indicar uma rocha para um determinado ambiente com altíssimo grau de acerto. A acurácia da árvore de decisão foi de 0,96 e o Índice Kappa 0,95. O trabalho apresenta uma nova abordagem para indicar assertivamente uma rocha natural para um determinado ambiente, diminuindo a subjetividade por meio de um sistema de classificação. Apesar da complexidade matemática das técnicas adotadas, os resultados gerados são de fácil interpretação e simples visualização.
metadata.dc.description.abstracten: Brazil is globally recognized as a powerhouse in the production and export of ornamental rocks. With great aesthetic beauty and undeniable physical-mechanical qualities, Brazilian ornamental rocks can be found in major construction projects worldwide. In this perspective, this work aims to establish a quality index and selection criteria for ornamental rocks used in civil construction. For this purpose, a database was created with the results of technological characterization tests on 285 samples of natural rocks, which were adopted as variables. This study proposed a quality index for ornamental rocks using values of general technological parameters as reference, assigning weights to them according to the environment in which the rock is applied. The environments were defined as A (dry internal floor with low traffic), B (dry internal wall), C (wet internal wall), D (external wall), E (dry internal countertop), F (wet internal countertop), G (external countertop), and H (other applications). With the aid of the open-source statistical software R, multivariate statistical methods and machine learning techniques were used. From the principal component analysis, we were able to extract that the first three components explain approximately 51% of the problem. From the clustering analysis, 5 (five) groups were generated and classified as G1 (Quartzite Group), G2 (Granite Group), G3 (Group mainly composed of Granite), G4 (Group mainly composed of Garnet- rich Granite or Gneiss Group), and G5 (Marble Group). Descriptive statistics were then performed within and between groups. With the formed groups, a decision tree was trained to accurately indicate a rock for a specific environment. The decision tree achieved an accuracy of 0.96 and a Kappa Index of 0.95. The work presents a new approach to confidently indicate a natural rock for a specific environment, reducing subjectivity through a classification system. Despite the mathematical complexity of the adopted techniques, the generated results are easy to interpret and visualize.
Description: Programa de Pós-Graduação em Engenharia Mineral. Departamento de Engenharia de Minas, Escola de Minas, Universidade Federal de Ouro Preto.
URI: http://www.repositorio.ufop.br/jspui/handle/123456789/17116
metadata.dc.rights.license: Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 28/07/2023 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante. Não permite o uso para fins comerciais.
Appears in Collections:PPGEM - Doutorado (Teses)

Files in This Item:
File Description SizeFormat 
TESE_EspecificaçãoRochasOrnamentais.pdf2,1 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons