Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/37853
ORCID:  http://orcid.org/0009-0001-7350-9209
Document type: Trabalho de Conclusão de Curso
Access type: Acesso Aberto
Title: Adaptação de um algoritmo de agrupamento para aplicação em dados de acidentes de trabalho
Alternate title (s): Adaptation of a clustering algorithm for application in work accident data
Author: Paula, Luiz Eugênio de
First Advisor: Paiva, Elaine Ribeiro de Faria
First member of the Committee: Razente, Humberto Luiz
Second member of the Committee: Dantas, Adilmar Coelho
Summary: A grande quantidade de acidentes de trabalho no Brasil leva o país a ter um alto custo com benefícios, além de impactar diretamente no SUS (Sistema único de Saúde) e na qualidade de vida dos trabalhadores. O Ministério Público do Trabalho (MPT) lançou o Observatório de Segurança e Saúde no Trabalho, onde é possível ter acesso aos dados de acidentes de trabalho do Brasil de forma organizada. O trabalho de mestrado Técnicas de Agrupamento aplicadas aos Dados de Acidente de Trabalho (GIACOMELLI, 2020) objetivou aplicar algoritmos de agrupamento de dados na base de acidentes de trabalho para tentar obter padrões úteis. Este trabalho apoiou o projeto de mestrado por meio do desenvolvimento de técnicas que permitissem executar experimentos com algoritmos de agrupamento na base de dados de acidente. Para isso, foi necessário tratar a base de dados, adaptar um algoritmo de agrupamento hierárquico para lidar com uma grande base de dados e implementar uma medida de distância para atributos categóricos. Este trabalho adaptou um software desenvolvido na linguagem java com implementações de novas funcionalidades para tratar a base, removendo atributos irrelevantes, objetos com informações nulas e realizando transformações de alguns atributos. No algoritmo de agrupamento, foram desenvolvidas novas implementações para o cálculo da medida de distância entre os objetos e para que a base de grande volume foi processada. Também foram desenvolvidas adaptações na medida de validação usada. Ao final do processo, as implementações permitiram a execução do algoritmo na base de acidentes de trabalho com um tempo de execução satisfatório.
Abstract: The large number of accidents at work in Brazil leads the country to have a high cost with benefits, in addition to directly impacting the SUS (Unified Health System) and the quality of life of workers. The Public Ministry of Labor (MPT) launched the Occupational Safety and Health Observatory, where it is possible to access data on work accidents in Brazil in an organized manner. The master's work Clustering Techniques applied to Work Accident Data (GIACOMELLI, 2020) aimed to apply data clustering algorithms in the work accident database to try to obtain useful patterns. This work supported the master's project through the development of techniques that allowed performing experiments with clustering algorithms in the accident database. For this, it was necessary to treat the database, adapt a hierarchical clustering algorithm to deal with a large database and implement a distance measure for categorical attributes. This work adapted a software developed in the java language with implementations of new functionalities to treat the base, removing irrelevant attributes, objects with null information and performing transformations of some attributes. in the algorithm of grouping, new implementations were developed for the calculation of the distance measure between the objects and for which the large volume base was processed. Adaptations were also developed in the validation measure used. At the end of the process, the implementations allowed the execution of the algorithm based on work accidents with a satisfactory execution time.
The large number of accidents at work in Brazil leads the country to have a high cost with benefits, in addition to directly impacting the SUS (Unified Health System) and the quality of life of workers. The Public Ministry of Labor (MPT) launched the Occupational Safety and Health Observatory, where it is possible to access data on work accidents in Brazil in an organized manner. The master's work Clustering Techniques applied to Work Accident Data (GIACOMELLI, 2020) aimed to apply data clustering algorithms in the work accident database to try to obtain useful patterns. This work supported the master's project through the development of techniques that allowed performing experiments with clustering algorithms in the accident database. For this, it was necessary to treat the database, adapt a hierarchical clustering algorithm to deal with a large database and implement a distance measure for categorical attributes. This work adapted a software developed in the java language with implementations of new functionalities to treat the base, removing irrelevant attributes, objects with null information and performing transformations of some attributes. in the algorithm of grouping, new implementations were developed for the calculation of the distance measure between the objects and for which the large volume base was processed. Adaptations were also developed in the validation measure used. At the end of the process, the implementations allowed the execution of the algorithm based on work accidents with a satisfactory execution time.
Keywords: Acidentes de trabalho
Acidentes de trabalho
Pré-processamento de dados
Pré-processamento de dados
Distância
Distância
Atributos categóricos
Atributos categóricos
Area (s) of CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA
CNPQ::CIENCIAS EXATAS E DA TERRA
Language: por
Country: Brasil
Publisher: Universidade Federal de Uberlândia
Quote: PAULA, Luiz Eugênio. Adaptação de um algoritmo de agrupamento para aplicação em dados de acidentes de trabalho. 2023. 50 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) – Universidade Federal de Uberlândia, Uberlândia, 2023.
URI: https://repositorio.ufu.br/handle/123456789/37853
Date of defense: 19-Mar-2023
Appears in Collections:TCC - Sistemas de Informação (Uberlândia)

Files in This Item:
File Description SizeFormat 
AdaptacaoAlgoritmoAgrupamento.pdf852.76 kBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.