Sistema de Rastreabilidade de Madeira: Uma abordagem baseada em mecanismos semânticos para integração e validação dos dados das atividades de exploração florestal
I tiakina i:
| I whakaputaina i: | PQDT - Global (2024) |
|---|---|
| Kaituhi matua: | |
| I whakaputaina: |
ProQuest Dissertations & Theses
|
| Ngā marau: | |
| Urunga tuihono: | Citation/Abstract Full Text - PDF |
| Ngā Tūtohu: |
Kāore He Tūtohu, Me noho koe te mea tuatahi ki te tūtohu i tēnei pūkete!
|
MARC
| LEADER | 00000nab a2200000uu 4500 | ||
|---|---|---|---|
| 001 | 3168892951 | ||
| 003 | UK-CbPIL | ||
| 020 | |a 9798304929431 | ||
| 035 | |a 3168892951 | ||
| 045 | 2 | |b d20240101 |b d20241231 | |
| 084 | |a 189128 |2 nlm | ||
| 100 | 1 | |a Silva, Hugo Daniel Martins | |
| 245 | 1 | |a Sistema de Rastreabilidade de Madeira: Uma abordagem baseada em mecanismos semânticos para integração e validação dos dados das atividades de exploração florestal | |
| 260 | |b ProQuest Dissertations & Theses |c 2024 | ||
| 513 | |a Dissertation/Thesis | ||
| 520 | 3 | |a Nos últimos anos, as preocupações crescentes com a desflorestação impulsionaram a ne- cessidade de monitorizar a origem e o histórico da madeira que chega às fábricas. Isso levou à adoção de sistemas de rastreabilidade no setor florestal. No entanto, muitos des- ses sistemas ainda são manuais e baseados em papel, o que os torna suscetíveis a erros e falsificações.Com o avanço da Indústria 4.0 e a digitalização das operações florestais, surge a oportuni- dade para a transformação digital da rastreabilidade. Contudo, o processo de digitalização enfrenta desafios a vários níveis, sendo que um dos principais está relacionado com o facto das fontes de informação estarem dispersas entre os diversos intervenientes da cadeia de abastecimento florestal, resultando em dados imprecisos e de difícil acesso, o que dificulta uma análise completa do percurso da madeira.Nesse contexto, o presente trabalho propõe um sistema de rastreabilidade que integra os dados das várias fases que abrangem a exploração florestal, desde a floresta até à fábrica, garantindo um fluxo contínuo de informação. O sistema é baseado numa ontologia que, além de formalizar o conhecimento necessário para a rastreabilidade, permite a identi- ficação de erros e inconsistências através de mecanismos de reasoning, assegurando assim a transparência e a confiabilidade dos registos recolhidos.Além disso, com base na ontologia instanciada, são usadas técnicas de Graph Machine Learning para treinar um modelo capaz de prever dados em falta e identificar relações semanticas implícitas.A abordagem foi avaliada no contexto do projeto Floresta 4.0, tendo apresentado re- sultados promissores quanto à sua eficácia. Além de responder às necessidades da ras- treabilidade, detetou inconsistências que até então não tinham sido identificadas pelos especialistas do domínio. In recent years, growing concerns about deforestation have driven the need to monitor the origin and history of the wood arriving at factories. This has led to the adoption of traceability systems in the forestry sector. However, many of these systems are still manual and paper-based, which makes them susceptible to errors and falsification.With the advancement of Industry 4.0 and the digitalisation of forestry operations, there is an opportunity for the digital transformation of traceability. However, the digitalisation process faces challenges at various levels, one of the main issues being that the information sources are dispersed among the various stakeholders in the forest supply chain, resulting in inaccurate and hard-to-access data, which hinders a comprehensive analysis of the wood’s journey.In this context, the present work proposes a traceability system that integrates data from the various stages encompassing forestry exploitation, from the forest to the factory, ensuring a continuous flow of information. The system is based on an ontology that, in addition to formalising the knowledge necessary for traceability, allows for the identification of errors and inconsistencies through reasoning mechanisms, thereby ensuring the transparency and reliability of the collected records.Furthermore, based on the instantiated ontology, Graph Machine Learning techniques are used to train a model capable of predicting missing data and identifying implicit semantic relations.The approach was evaluated in the context of the Floresta 4.0 project and showed promising results in terms of its effectiveness. In addition to addressing the needs of traceability, it detected inconsistencies that had not previously been identified by domain experts. | |
| 653 | |a Web Ontology Language-OWL | ||
| 653 | |a Language | ||
| 653 | |a Global positioning systems--GPS | ||
| 653 | |a Machine learning | ||
| 653 | |a Semantic web | ||
| 653 | |a Enterprise resource planning | ||
| 653 | |a Resource Description Framework-RDF | ||
| 653 | |a Ontology | ||
| 653 | |a Semantics | ||
| 653 | |a Computer engineering | ||
| 773 | 0 | |t PQDT - Global |g (2024) | |
| 786 | 0 | |d ProQuest |t ProQuest Dissertations & Theses Global | |
| 856 | 4 | 1 | |3 Citation/Abstract |u https://www.proquest.com/docview/3168892951/abstract/embedded/6A8EOT78XXH2IG52?source=fedsrch |
| 856 | 4 | 0 | |3 Full Text - PDF |u https://www.proquest.com/docview/3168892951/fulltextPDF/embedded/6A8EOT78XXH2IG52?source=fedsrch |