https://repositorio.unilab.edu.br/jspui/handle/123456789/3380 2026-08-27T11:45:41Z 2026-08-27T11:45:41Z Muganja, Jorge Wilson https://repositorio.unilab.edu.br/jspui/handle/123456789/8152 2026-08-21T13:33:45Z 2025-12-02T00:00:00Z

Título: Aplicação móvel de apoio à mobilidade urbana: uso do algoritmo KNN para sugerir postos de combustíveis mais próximo com menor congestionamento Autor(es): Muganja, Jorge Wilson Resumo: A implementação de novas urbanizações ou o desenvolvimento das urbanizações já existentes culmina sempre no aumento de mais frotas de veículos, no distanciamento das instituições de prestação de serviços público ou privado para a população, fatores esses que obrigam os governos e instituições privadas fornecerem serviços de transportes a população, ou também o cidadão adquirir seu próprio meio de transporte motorizado e disso, temos alguns detalhes que têm intensificado os problemas da mobilidade urbana, especialmente nos grandes centros, onde o tráfego intenso torna-se parte da rotina diária. Um dos principais desafios enfrentados pelos motoristas consiste em localizar postos de combustíveis próximos à sua posição atual, garantindo ao mesmo tempo a escolha de rotas que ofereçam menor nível de congestionamento em tempo real. Essa dificuldade evidencia a necessidade de soluções tecnológicas capazes de integrar informações de geolocalização com dados de tráfego dinâmicos, proporcionando maior eficiência, economia de tempo e segurança na tomada de decisão durante os deslocamentos. Neste contexto o presente Trabalho de Conclusão de Curso propõe o desenvolvimento de um aplicativo móvel de apoio à mobilidade urbana, capaz de recomendar ao usuário o posto de combustível mais próximo com menor congestionamento nas vias para o seu acesso, utilizando o algorítimo de aprendizado de máquina K-Nearest Neighbors (KNN). A aplicação móvel será projetada para coletar dados de localização via GPS, por meio de APIs que integram informações de trânsito em tempo real por intermédio de mapas e aplicar o KNN para classificar os postos de combustíveis disponíveis, considerando critérios como distância geográfica e nível de congestionamento e a recomendação ao usuário será baseada não apenas na proximidade física, porém, na viabilidade do trajeto em que obtém-se melhor fluidez de trânsito. Descrição: MUGANJA, Jorge Wilson. Aplicação móvel de apoio à mobilidade urbana: uso do algoritmo KNN para sugerir postos de combustíveis mais próximo com menor congestionamento. 2025. 108f. Monografia - Curso de Engenharia de Computação, Instituto de Engenharias e Desenvolvimento Sustentável, Universidade da Integração Internacional da Lusofonia Afro-Brasileira, Redenção-Ceará, 2025.

2025-12-02T00:00:00Z Sá, Carla Carlos https://repositorio.unilab.edu.br/jspui/handle/123456789/7860 2026-04-17T19:13:41Z 2024-11-21T00:00:00Z

Título: Transformação digital na saúde: sistema web para agendamento de consultas no Hospital Nacional Simão Mendes, Guiné-Bissau Autor(es): Sá, Carla Carlos Resumo: O presente trabalho apresenta o desenvolvimento de um sistema web para agendamento de consultas médicas no Hospital Nacional Simão Mendes, na Guiné-Bissau. Em um contexto onde a gestão eficiente dos serviços de saúde representa um desafio significativo, especialmente em países em desenvolvimento, a implementação de soluções tecnológicas torna-se essencial para a modernização e melhoria do atendimento. O sistema proposto visa automatizar o processo de marcação de consultas, reduzir filas de espera e otimizar a gestão de horários médicos. A metodologia inclui o levantamento de requisitos junto às partes interessadas, o desenvolvimento de uma interface responsiva, a implementação de módulos de gestão administrativa e um sistema de notificações automáticas. O sistema abrange funcionalidades como cadastro de perfis médicos, autoagendamento de consultas e gerenciamento de usuários. Os resultados esperados incluem a otimização do processo de agendamento, melhor distribuição dos recursos médicos e aumento da satisfação dos usuários. Este projeto contribui para a modernização dos serviços de saúde na Guiné-Bissau, alinhando-se às tendências globais de transformação digital na área da saúde. Descrição: SÁ, Carla Carlos. Transformação digital na saúde: sistema web para agendamento de consultas no Hospital Nacional Simão Mendes, Guiné-Bissau. 81f. Monografia - Curso de Engenharia De Computação, Instituto de Engenharias e Desenvolvimento Sustentável, Universidade da Integração Internacional da Lusofonia Afro-Brasileira, Redenção-Ceará, 2024.

2024-11-21T00:00:00Z Silva, Thiago Queiroz da https://repositorio.unilab.edu.br/jspui/handle/123456789/7857 2026-05-12T18:20:03Z 2025-11-27T00:00:00Z

Título: Análise comparativa de algoritmos de aprendizagem de máquina para predição dos custos de medicamentos para doenças reumáticas do SUS Autor(es): Silva, Thiago Queiroz da Resumo: O grande crescimento do uso e gastos de biofármacos e limitação de recursos públicos para doenças reumáticas no SUS tornam os modelos de predição importantes para fornecer decisões de incorporação, negociação de preços e alocação de recursos no SUS, já que existem evidências de bilhões de reais em despesas públicas nos últimos anos. Este trabalho teve como objetivo realizar uma análise comparativa de algoritmos de aprendizado de máquina para predição de custos de medicamentos para doenças reumáticas no SUS. A metodologia envolveu a coleta e processamento de dados do DATASUS e do Banco de Preços em Saúde (BPS) referentes ao período de 2020 a 2024. Três algoritmos foram implementados em linguagem Python: Random Forest (RF), Multi-Layer Perceptron (MLP) e K-ésimo Vizinho mais Próximo (KNN), avaliados por meio das métricas R2, RMSE (Raiz do Erro Quadrático Médio) e MAE (Erro Absoluto Médio). Os resultados indicaram que o Random Forest apresentou o melhor desempenho global, com R2 de 0,89, RMSE de R$ 2.200,07 e MAE de R$ 947,70, demonstrando maior poder explicativos e menores erros de predição em comparação aos demais modelos. O KNN obteve desempenho intermediário com R2 de 0,83, enquanto o MLP apresentou os resultados mais limitados com R2 de 0,6626 e ambos algoritmos, alternaram conforme a faixa de custo considerada, com o KNN se destacando em alguns cenários e a MLP em outros, em relação ao RMSE e MAE. Conclui-se que o Random Forest é o algoritmo mais adequado para predição de custos de medicamentos no contexto do SUS com dados administrativos heterogêneos, evidenciando o potencial do aprendizado de máquina como ferramenta de apoio à gestão da Assistência Farmacêutica, com possibilidade de extensão dessa abordagem para outros grupos de medicamentos e condições clínicas. Descrição: SILVA, Thiago Queiroz da. Análise comparativa de algoritmos de aprendizagem de máquina para predição dos custos de medicamentos para doenças reumáticas do SUS. 2025. 54f. Monografia - Curso de Engenharia de Computação, Instituto de Engenharias e Desenvolvimento Sustentável, Universidade da Integração Internacional da Lusofonia Afro-Brasileira, Redenção-Ceará, 2025.

2025-11-27T00:00:00Z Nascimento, Francisco Cleiton da Silva https://repositorio.unilab.edu.br/jspui/handle/123456789/7856 2026-04-09T18:38:48Z 2025-11-18T00:00:00Z

Título: Auxilium mestre: desenvolvimento e avaliação de uma aplicação Web Full-Stack para geração de conteúdo educacional baseada em Modelos de Linguagem de Larga Escala LLMs Autor(es): Nascimento, Francisco Cleiton da Silva Resumo: A transformação digital na educação, acelerada pela pandemia de COVID-19, impôs aos educadores uma sobrecarga de trabalho significativa na criação de materiais didáticos. Embora os Modelos de Linguagem de Larga Escala (LLMs) tenham surgido como ferramentas de auxílio, o processo de geração de um curso completo, incluindo ementa, aulas, apresentações e avaliações, permanece fragmentado, manual e complexo. O presente trabalho aborda este problema através do objetivo de desenvolver e avaliar a plataforma Auxilium Mestre, uma aplicação web full-stack para a geração automatizada e orquestrada de conteúdo educacional. A metodologia empregada foi a prototipação evolutiva que permitiu o refinamento iterativo da solução. O sistema foi implementado utilizando uma arquitetura moderna, composta por um backend em Python, com FastAPI, um banco de dados relacional, PostgreSQL, gerenciado pelo ORM SQLAlchemy, e um frontend Vanilla JS (SPA). A plataforma implementa um pipeline que orquestra a API do Google Gemini para a geração de conteúdo e, em seguida, utiliza bibliotecas como python-docx, python-pptx e ReportLab para formatar os arquivos finais. A segurança e o isolamento de dados são garantidos por um sistema de autenticação robusto, baseado em tokens JWT, OAuth 2.0 (Google) e verificação de e-mail (SMTP). A avaliação da aplicação, realizada através de estudos de caso em domínios distintos, demonstrou que a arquitetura desenvolvida é funcional, segura e flexível. Os resultados confirmam que o Auxilium Mestre atende aos requisitos propostos, otimizando o processo de criação de materiais didáticos e reduzindo o tempo de produção para os educadores. Descrição: NASCIMENTO, Francisco Cleiton da Silva. Auxilium mestre: desenvolvimento e avaliação de uma aplicação Web Full-Stack para geração de conteúdo educacional baseada em Modelos de Linguagem de Larga Escala LLMs. 2025. 67f. Monografia - Curso de Engenharia de Computação, Instituto de Engenharias e Desenvolvimento Sustentável, Universidade da Integração Internacional da Lusofonia Afro-Brasileira, Redenção-Ceará, 2025.

2025-11-18T00:00:00Z