Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/39812
Full metadata record
DC FieldValueLanguage
dc.creatorLima, Artur Duarte-
dc.date.accessioned2023-12-08T13:22:24Z-
dc.date.available2023-12-08T13:22:24Z-
dc.date.issued2023-11-30-
dc.identifier.citationLIMA, Artur Duarte. Ciência de dados e aprendizado de máquina aplicados à análise sensorial de cervejas. 2023. 40 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Química) – Universidade Federal de Uberlândia, Uberlândia, 2023.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/39812-
dc.description.abstractChemical Engineering plays a fundamental role in optimizing industrial processes, with a particular emphasis on the food industry. In this context, beer production stands out as an important field of research that combines tradition and technological innovation to compete in a highly competitive market. Sensory characteristics play a crucial role in beer, influencing consumer preferences. Sensory analysis in the food industry has evolved over time, adopting more formal and advanced methods, including computerized assessments and statistical analysis. Trained tasting panels play a central role in identifying sensory attributes, allowing adjustments in formulations to meet consumer preferences. Furthermore, sensory analysis plays an essential role in quality assurance by detecting undesirable variations and contributing to the development of new products. Data analysis and machine learning algorithms, in turn, play a crucial role in characterizing and predicting beer flavors and profiles. This undergraduate thesis aimed to present a brief literature review on the subject and also aimed to provide a brief case study on beer characterization. Data analysis techniques and regression using the k-nearest neighbors (KNN) model were applied. The results showed that despite its simplicity, KNN is capable of predicting the alcohol content of various types of beers, representing with MSE of 1.1 the test group of data.pt_BR
dc.description.sponsorshipPesquisa sem auxílio de agências de fomentopt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectAnálise sensorialpt_BR
dc.subjectSensory analysispt_BR
dc.subjectCervejapt_BR
dc.subjectBeerpt_BR
dc.subjectAprendizdo de máquinapt_BR
dc.subjectMachine learningpt_BR
dc.titleCiência de dados e aprendizado de máquina aplicados à análise sensorial de cervejaspt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Altino, Sarah Arvelos-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/8375409235580771pt_BR
dc.contributor.referee1Gedraite, Rubens-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/9579409657715325pt_BR
dc.contributor.referee2Silva, Paulo Henrique Ramos-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/5165723231582664pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoA Engenharia Química desempenha um papel fundamental na otimização de processos industriais, com uma ênfase particular na indústria alimentícia. Nesse contexto, a produção de cerveja se destaca como um campo de pesquisa importante, que combina tradição e inovação tecnológica para competir em um mercado altamente competitivo. As características sensoriais desempenham um papel crucial na cerveja, influenciando a preferência dos consumidores. A análise sensorial na indústria de alimentos evoluiu ao longo do tempo, adotando métodos mais formais e avançados, incluindo avaliações computadorizadas e análise estatística. Painéis de degustação treinados desempenham um papel central na identificação de atributos sensoriais, permitindo ajustes nas formulações para atender às preferências dos consumidores. Além disso, a análise sensorial desempenha um papel essencial na garantia da qualidade, detectando variações indesejadas e contribuindo para o desenvolvimento de novos produtos. A análise de dados e os algoritmos de machine learning, por sua vez, desempenham um papel crucial na caracterização e previsão de sabores e perfis de cerveja. O presente trabalho de conclusão de curso objetivou apresentar uma revisão bibliográfica breve sobre o assunto, assim como também apresentar um breve estudo de caso a respeito da caracterização de cervejas. Foram aplicadas técnicas de análise de dados e uma regressão utilizando-se o modelo de k-vizinhos mais próximos (KNN). Os resultados mostraram que o KNN, apesar de sua simplificidade, é capaz de prever o teor alcoólico de diversos tipos de cervejas, representando com o Mean Squared Error (MSE) de ~1.1 o conjunto de teste dos dados.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseEngenharia Químicapt_BR
dc.sizeorduration40pt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA QUIMICApt_BR
Appears in Collections:TCC - Engenharia Química

Files in This Item:
File Description SizeFormat 
CiênciaDadosAprendizado.pdfTCC1.47 MBAdobe PDFThumbnail
View/Open


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