Uma Plataforma de Gestão para Redes de Distribuição de Baixa
Tensão
José Leomar Todesco (Stela, INE – UFSC) tite@stela.ufsc.br Denilson Sell (Stela – UFSC) sell@stela.ufsc.br Isabela Anciutti (Stela, INE – UFSC) isabela@stela.ufsc.br Marcelo Cícero Rodrigues (Stela, INE – UFSC) marciro@stela.ufsc.br
Rodolfo Almeida(Stela, INE – UFSC) ralmeida@stela.ufsc.br F. J. S. Pimentel (Celesc) franciscojsp@celesc.com.br Ricardo Haus Guembarovski (Celesc) ricardohg@celesc.com.br
Luiz Alberto de Miranda (Celesc) lamiranda@celesc.com.br Resumo
Em face da crescente competitividade e dos critérios de qualidade e de formulação de preço impostos pela agência de regulação do setor, as empresas de distribuição de energia necessitam investir em recursos computacionais que suportem o processo de gestão dos circuitos de baixa e alta tensão. Este trabalho descreve a implementação de uma plataforma de gestão para redes de distribuição de energia desenvolvida a partir de técnicas de data warehousing e mineração de dados. São apresentados os resultados preliminares obtidos com a utilização da plataforma e discutidas as possibilidades de melhoria do processo de gestão a partir de um processo contínuo de extração e disseminação de conhecimento ao longo da organização. Através da plataforma foram obtidas informações em forma de indicadores e regras de produção que possibilitaram a melhoria do processo de gestão, facilitando a identificação de pontos críticos e necessidades de investimentos na rede de distribuição de baixa tensão.
Palavras-chave: Gestão de Redes de Distribuição de Energia em Baixa Tensão, Data Warehouse, Sistema de Informação.
1. Introdução
Ao longo das décadas de 80 e 90, o setor de energia foi alvo de aplicação de diversas técnicas de Inteligência Artificial, em ampla variedade de problemas. A abertura do mercado de energia, com o conseqüente aumento de concorrência, complexidade e imprevisibilidade, tem tornado o setor ainda mais promissor para a aplicação de ferramentas da área de IA [1].
Um dos principais fatores diferenciais no posicionamento de mercado das organizações será o descobrimento de oportunidades de alto retorno e no apontamento de soluções para problemas operacionais e estratégicos em rápido espaço de tempo. Diversas organizações têm alcançado diferenciais competitivos através da extração de informações estratégicas das montanhas de dados que acumularam ao longo do tempo em seus sistemas computacionais operativos e nos diversos repositórios de informações não-estruturadas [2] [4].
As técnicas de data warehousing e mineração de dados vêm sendo empregadas no domínio da extração e recuperação de informações estratégicas em diversos setores produtivos e para variados fins, tais como identificação do comportamento do consumidor e sua caracterização (em aplicações denominadas de CIS e CRM), detecção e prevenção de fraudes, análise de compra e venda, entre outros, e tem tido crescimento acelerado nas empresas de distribuição
de energia elétrica1.
Neste artigo será descrito como, através da aplicação das técnicas de Data Warehousing e de Mineração de Dados, empresas de distribuição de energia poderão otimizar seus processos operativos e de tomada de decisão, de forma a diminuir seus custos e melhorar a qualidade no fornecimento de energia. Serão apresentados os resultados alcançados até o momento na concepção de uma plataforma de gestão iniciada na CELESC, além de uma breve descrição do processo de mineração de dados sobre os dados desta plataforma.
2. Gerência de Redes de Baixa Tensão
Em face da crescente competitividade e dos critérios de qualidade e de formulação de preço impostos pela agência de regulação do setor (ANEEL), as empresas de distribuição de energia elétrica no Brasil são forçadas a buscarem alternativas para a melhoria do processo de gestão dos circuitos de alta e baixa tensão.
A atividade de gestão é uma tarefa complexa que envolve o gerenciamento de várias atividades técnicas, como o projeto de circuitos, a manutenção de equipamentos e da estrutura da rede, a reforma e ampliação da rede, a compra e venda de energia e a operação da rede [14].
Para o gerenciamento eficiente da rede de distribuição de energia, os especialistas geralmente tratam uma grande diversidade de variáveis. Muitas vezes, é humanamente impossível obter a solução ótima para um plano de gestão da distribuição de energia elétrica, tendo-se recursos limitados ou inexistentes. Outro fator que interfere no processo de gestão é a dificuldade no acesso às informações necessárias ao processo decisório. Normalmente os dados que deveriam subsidiar o processo de gestão estão espalhados em vários sistemas computacionais em formatos diferentes, dificultando ou inviabilizando o acesso [1].
São diversos os problemas cotidianos a serem gerenciados em um circuito de baixa tensão. Freqüentemente, ocorrem interrupções devido à sobrecarga imposta aos circuitos e transformadores assim como problemas de tensão devido ao crescimento vegetativo e à ausência de ferramentas eficazes de gestão. Nesse contexto, as obras ou intervenções na rede de distribuição visam aumentar a sua eficiência, assim como garantir a qualidade de fornecimento de energia. São obras de competência das áreas de engenharia, tais como equilíbrio das cargas, deslocamento de transformadores, acréscimo de fases, etc. [3].
Outro fator complicador na gestão da distribuição de energia elétrica são os recursos limitados e os investimentos essenciais de expansão de linhas e remanejamento de equipamentos. É preciso oferecer aos gestores de redes ferramentas que possam apresentar todas as informações necessárias e que possam identificar conhecimento útil para a gestão a partir de uma análise automatizada dos dados mantidos nos sistemas computacionais das concessionárias.
Nas empresas brasileiras de energia elétrica já existem experiências na criação de data warehouse voltado ao armazenamento e supervisão de indicadores de confiabilidade (FEC, DEC, FIC, DIC, etc.) e para gestão econômica e financeira das empresas. No entanto, não se conhece nenhuma experiência na área de gerência de redes na amplitude do estudo aqui sugerido, o que vem a ressaltar o seu caráter inovador e estratégico.
3. Introdução a Data Warehouse
Em busca de diferencial competitivo, muitas empresas vêm investindo no desenvolvimento de
1 Segundo a revista Utilities IT, já em 2000 cerca de 74% das companhias americanas já possuíam ou estavam desenvolvendo projetos de data warehouse/mineração de dados.
DATA WAREHOUSE ODS Aplicações ETL I N T E G R A Ç Ã O METADADOS OLAP Data Mining DATA WAREHOUSE DATA WAREHOUSE ODS ODS Aplicações ETL Aplicações ETL I N T E G R A Ç Ã O I N T E G R A Ç Ã O METADADOS OLAP Data Mining
sistemas de informações que suportem os processos operativos e de tomada de decisão.
Em virtude da ineficácia da aplicação dos modelos tradicionais de desenvolvimento de sistemas na implementação de sistemas de apoio à decisão e principalmente devido à dificuldade no acesso aos dados necessários ao processo decisório, dados estes segregados em diversos sistemas computacionais não integrados ao longo das organizações, surgiu o conceito de Data Warehouse (DW). De forma geral, um DW consiste em organizar os dados corporativos de maneira a suportar o processo de tomada de decisões nos níveis táticos e estratégicos das organizações.
Data warehousing consiste em uma técnica de desenvolvimento de sistemas de informações onde a preparação dos dados e do ambiente é baseada em um DW. Segundo Inmon [11], DW é “um conjunto de dados baseado em assuntos, integrado, não volátil e variável em relação ao tempo, de apoio às decisões gerenciais”. Ao se analisar esta definição, podem-se abstrair as seguintes características [11] [12]:
DW é baseado em assuntos: o DW é projetado com o intuito de fornecer informações estratégicas sobre o negócio;
DW é integrado: ao se projetar o modelo de dados do DW, tem-se o cuidado de eliminar as redundâncias e as possibilidades de respostas ambíguas;
DW não é volátil: o princípio da alimentação de dados no DW é o de que em determinados períodos sejam extraídos dados dos sistemas operacionais e armazenados no DW. Uma vez armazenado, o dado não sofrerá alterações;
DW é variável em relação ao tempo: com o acúmulo de dados sobre diversos períodos, o DW fornecerá subsídios para análises do negócio em tempos diferentes, possibilitando análises de regressões, tendências, etc.
O esquema de funcionamento de um DW pode ser dividido em processos básicos [7], como a extração de dados dos sistemas operacionais, o armazenamento dos dados e a apresentação de informações, conforme ilustrado na Figura 1 [9].
A extração de dados compreende a concepção ou aquisição e parametrização das ferramentas que irão realizar as tarefas de popular o DW, processo mais conhecido como ETL (Extract, Transform and Load) ou extração dos dados, transformação e carga dos dados operacionais para o DW. De acordo com [7] e [10] esses são os processos mais complexos em um data
warehouse. Figura 1 – Estrutura de Informação de um DW Os dados trazidos para o DW normalmente são organizados de forma diferenciada em relação aos sistemas operacionais. Enquanto que nos sistemas operacionais os dados são altamente normalizados para o aumento da integridade e da performance das operações de inserção e alteração de dados, em um DW normalmente os dados não são normalizados, buscando dessa maneira uma melhoria de performance na execução de consultas.
Segundo Kimball [7], os dados no DW são organizados em modelos dimensionais, diferentes dos sistemas operacionais que utilizam tradicionalmente o modelo entidade–relacionamento. Com a conclusão da modelagem e da carga do DW, torna-se possível a disponibilização dos dados através da área de apresentação. Na área de apresentação irão figurar as aplicações que
permitirão o acesso aos dados mantidos no DW. Entre essas aplicações pode-se destacar as ferramentas OLAP, que permitem a manipulação dos dados mantidos no DW através da formatação de cubos de dados e do uso de operações específicas de manipulação desses cubos, como slice, dice, drill-down e drill-up [7] [8] [10].
Todo o processamento no DW é orientado pelo metadados. Definido como “dados sobre os dados”, o metadado é um repositório de informações sobre as regras de formação dos dados, origem, modificações, etc. Inclui (a) todo e qualquer dado necessário para atender às necessidades do projetista, do administrador do DW e (b) a utilização da informação por parte dos usuários finais [5].
Uma metodologia de data warehousing prevê o desenvolvimento de várias tarefas que compreendem desde o levantamento de requisitos até o desenvolvimento da área de apresentação.
Seguindo a metodologia de Kimball [7] ilustrada na Figura 2, o projeto é iniciado com a atividade de planejamento, em que é delimitado o escopo do projeto. Em seguida é feito o levantamento de requisitos, sendo identificadas as necessidades de informações da organização através de entrevistas e sessões coordenadas.
Tendo consolidado os requisitos do projeto, são abertas três frentes de desenvolvimento. A primeira cuidará da definição da arquitetura e da seleção de ferramentas e hardware. Na segunda frente serão concebidos o modelo de dados do DW e as aplicações ETL. Na terceira serão definidas e implementadas as aplicações que formarão a área de apresentação do DW. Tendo-se implantado essas frentes, retorna-se para a primeira fase, na qual será planejado o próximo Data Mart que comporá o DW. Ao longo de todas as fases são realizadas atividades de acompanhamento e administração do projeto [7] [9].
Nas empresas brasileiras de energia elétrica se tem notícia da existência de algumas iniciativas de concepção de data warehouse voltados ao armazenamento e supervisão de indicadores de confiabilidade (FEC, DEC, etc.) e para gestão econômica e financeira das empresas. No entanto, iniciativas de projetos semelhantes na área de gerência de redes na amplitude do estudo aqui sugerido não são conhecidas, o que vem a ressaltar o seu caráter inovador e estratégico para a CELESC.
Figura 2 - Metodologia de Desenvolvimento Incremental de DW Proposta por Kimball [7]
Este trabalho propõe a organização em um único ambiente dos dados relacionados ao projeto de redes, manutenção, obras, operação e comercialização, de forma a subsidiar análises de cenários e um acompanhamento contínuo da qualidade do fornecimento de energia aos clientes da CELESC além de outros fatores relacionados à distribuição de energia.
Devido ao grande volume e heterogeneidade dos dados envolvidos pelas atividades associadas
Planejamento do Projeto Definição dos Requisitos de Negócio Modelagem Dimensional Projeto Físico Desenvolvimento e Projeto da Área de Transição Implantação e Manutenção Especificação da Aplicação do Usuário Final Desenvolvimento da Aplicação do Usuário Final Projeto e Arquitetura Técnica Instalação e Seleção de Produtos Administração do Projeto Planejamento do Projeto Definição dos Requisitos de Negócio Modelagem Dimensional Projeto Físico Desenvolvimento e Projeto da Área de Transição Implantação e Manutenção Especificação da Aplicação do Usuário Final Desenvolvimento da Aplicação do Usuário Final Projeto e Arquitetura Técnica Instalação e Seleção de Produtos Administração do Projeto Planejamento do Projeto Definição dos Requisitos de Negócio Modelagem Dimensional Projeto Físico Desenvolvimento e Projeto da Área de Transição Implantação e Manutenção Especificação da Aplicação do Usuário Final Desenvolvimento da Aplicação do Usuário Final Projeto e Arquitetura Técnica Instalação e Seleção de Produtos Administração do Projeto
à gestão de redes de distribuição, a análise e a extração de conhecimento torna-se muitas vezes de difícil realização. Tais obstáculos dificultam a avaliação e a própria tomada de decisão por parte dos analistas e planejadores de empresas do setor de distribuição de energia. Dessa forma, ferramentas, métodos e algoritmos que auxiliem nos procedimentos de análise e de tomada de decisão tornam-se de grande relevância, principalmente quando do aumento constante e significativo da quantidade e complexidade dos dados armazenados. Nesse contexto as técnicas de mineração de dados possuem destacado papel [13] [6].
4. Aplicação de Data Warehousing
Para o gerenciamento eficiente da rede de distribuição de energia, devem-se considerar dados disponíveis em diversos sistemas computacionais que dão suporte às atividades operacionais do dia-a-dia das empresas concessionárias.
Na CELESC, tais dados têm sido mantidos em diversas plataformas computacionais distintas e isoladas, o que inviabiliza o cruzamento destes para a obtenção de informações em tempo hábil. Além desse aspecto, deve-se considerar o grande volume de dados mantidos nesses sistemas e a falta de perspectiva histórica, visto que foram projetados para manter somente a última situação dos dados.
Neste contexto, a aplicação da técnica de data warehousing [7] [10] [15] apresenta-se como excelente alternativa para a CELESC. O objetivo principal dessa técnica é reunir e organizar os dados mantidos nos sistemas computacionais da organização em um único repositório. Os dados são organizados considerando-se a manutenção da perspectiva histórica, a facilidade do uso e a alta performance na apresentação das informações.
De acordo com o modelo proposto, os dados foram extraídos dos sistemas operacionais da CELESC, passaram por processos de limpeza, transformação e reestruturação, para então serem armazenados na estrutura de data warehouse, sob o qual foram aplicados métodos de mineração de dados. O repositório de dados construído suporta também um sistema de informação desenvolvido para suportar as necessidades de informações para investigação por parte dos engenheiros e gestores da empresa.
Na consolidação das informações, foram consideradas as variáveis que definem o estado elétrico do circuito de distribuição (carregamento, balanceamento, queda de tensão máxima, proteção, etc.), sua configuração física (comprimento, tipo de condutor, localização geográfica e topológica, além de variáveis que consolidam o comportamento observável do circuito, como indicadores de confiabilidade, crescimento do número e demanda de consumidores, número de ações de reparo e manutenção na rede secundária, entre outras. Dessa forma, foi possível criar o ambiente necessário para a identificação de relações que normalmente não têm sido consideradas pelos estudos de engenharia da distribuição na CELESC.
O primeiro passo do projeto envolveu um amplo levantamento de requisitos de informações estratégicas realizado junto a diversas áreas relacionadas à diretoria técnica da empresa, incluindo ainda a assessoria da presidência, controladoria e comissão de gestão estratégica (mais de 60 entrevistados).
Dada a diversidade de áreas na empresa envolvida direta ou indiretamente com a gestão da rede de distribuição, foram instituídos assuntos para dividir os requisitos de análise. Para cada assunto, foi definido um Data Mart2. Esses Data Marts reunidos comporão o Data Warehouse
2 Data Mart é um subconjunto do Data Warehouse, em que são organizados os dados necessários para o atendimento de um departamento ou para descrever um assunto em específico [7].
de Engenharia da CELESC.
Neste projeto foram priorizadas as implementações e análises sobre os assuntos Operação e Cadastro de Rede. Tais dados permitem analisar o estado dos circuitos de baixa tensão (carregamento, tensão, etc.) e a situação destes (interrupções, qualidade, confiabilidade, etc.), de modo a identificar fatores que possam melhorar a qualidade do fornecimento aos clientes da CELESC, como pontos de gargalo na rede, fatores que contribuem para a interrupção de energia e outros.
As principais fontes de dados dos data marts foram os sistemas operativos da CELESC, mais especificamente os sistemas SIMO e GENESIS. As tabelas históricas do banco de dados da empresa puderam ser mantidas no DW devido à sua característica não-volátil.
O sistema SIMO constitui apoio fundamental aos despachantes, programadores de manobra, atendentes do plantão CELESC e às equipes de planejamento e execução de manutenção de redes de distribuição. Este sistema dispõe de funcionalidades que permitem registrar as reclamações dos consumidores da CELESC, as ocorrências de problemas nas redes, o cadastro e gerenciamento das equipes volantes que atuam em campo na resolução desses problemas, o cadastro e gerenciamento dos clientes considerados especiais do ponto de vista da comunicação de eventuais interrupções programadas de fornecimento de energia, dentre outras funcionalidades.
O sistema GENESIS mantém um cadastro detalhado referenciando geograficamente um grande número de informações de cartografia (logradouros, arruamento, edificações notáveis, etc.), informações das redes elétricas primárias (subestações, alimentadores, postes e equipamentos) e secundária (circuitos, postes, iluminação pública, equipamentos, etc) e a respectiva vinculação dos clientes da CELESC a esses circuitos e/ou diretamente nos transformadores de distribuição. O GENESIS consolida dados relacionados a características elétricas, físicas e topológicas da rede, constituindo uma fonte importante de dados para os estudos. Para completar o conjunto de dados foram extraídas sumarizações de ocorrências e de pedidos de verificação de nível de tensão procedentes do sistema SIMO.
As rotinas de ETL foram inicialmente modeladas em UML [16], utilizando-se para tal a ferramenta Enterprise Architect versão 3.5. Através da modelagem as rotinas foram organizadas em pacotes que agregam as funcionalidades ETL conforme descrito a seguir.
• Pacote Dimensão: funções de atualizações de dimensões, tabelas descritivas dos data marts implementados.
• Pacote Operação: funções de atualização das tabelas que mantêm os fatos mensuráveis relativos à operação da rede de baixa tensão.
• Pacote Cadastro de Rede: funções de atualização dos fatos relativos ao cadastro de rede. A linguagem utilizada para a implementação dos procedimentos e funções de carga foi a PL/SQL. E, para que houvesse a garantia de total compatibilidade com o banco de dados Oracle utilizado na CELESC, as rotinas de ETL foram testadas e validadas no próprio ambiente da empresa.
O Cadastro de Rede e a Operação foram os dois Data Marts desenvolvidos nesta primeira fase do projeto de DW. Ambos reuniram mais de oitenta atributos de fatos mensuráveis e compartilharam mais de trinta e cinco tabelas de dimensões descritivas.
Quanto ao Cadastro de Rede, seu conteúdo tem como base principalmente os seguintes assuntos: quantidade de consumidores do circuito secundário, quantidade de consumidores ligados ao transformador, quantidade de transformadores de subestações, quantidade de transformadores existentes, quantidade de usinas, quantidade de cabos de distribuição, etc.
Para desenvolvê-lo, foram modeladas sete tabelas de dimensões e duas tabelas de fato.
Quanto à perspectiva temporal, foram carregados até o momento um ano de dados para o Data Mart de Cadastro de Redes e até três anos de dados para o Data Mart da Operação.
Como parte dos objetivos do projeto era a de subsidiar o processo investigativo e decisório dos profissionais envolvidos na gestão da rede de distribuição, foi implementado um sistema de informação gerencial, o qual agrega vários relatórios que dão visibilidade aos dados mantidos no DW. Entre os objetivos do sistema de informações, destacam-se os seguintes:
• determinar a evolução no tempo do comportamento do sistema, por meio do acompanhamento sistemático da evolução de variáveis significativas relacionadas aos processos relacionados à distribuição; e
• disponibilizar instrumentos de análise que possibilitem a confecção de relatórios personalizados sobre um repositório de dados integrado.
Um dos softwares utilizados como parte da área de apresentação foi o Oracle Discoverer, uma ferramenta OLAP que pode ser utilizada através da Internet pelos usuários para a criação e disponibilização de relatórios. O Oracle Discoverer possui três módulos, cada um oferecendo funcionalidades distintas. Tais módulos estão acessíveis através da Intranet da empresa e foram disponibilizados de acordo com a função de cada usuário dentro do ambiente. Alguns dos usuários foram habilitados a formatar relatórios e outros apenas a utilizar relatórios previamente formatados.
As funcionalidades do sistema de informações são acessadas pelos usuários através do site do projeto (Figura 3). Neste site, além do acesso às ferramentas de geração de relatórios e às informações do DW, os usuários contam com outras informações sobre o projeto, tais como sua descrição, detalhes técnicos, conhecimento extraído, orientação sobre os instrumentos de análise disponibilizados, canais para resolução de dúvidas e outros. Além disso, foram disponibilizados links para acesso às ferramentas de visualização e criação de relatórios, bastando ao usuário acessar a página, identificar-se e selecionar o instrumento desejado.
Algumas das funcionalidades disponibilizadas no ambiente incluem agregações, sumarizações, filtros, geração de gráficos, classificações nas consultas ao banco de dados e cálculos e funções (analíticas, de conversão, numéricas, entre outras). As funcionalidades disponibilizas em uma interface gráfica utilizando o formato de planilhas com estilo drag and drop (clicar e arrastar), conforme ilustrado na Figura 4.
Figura 3 - Site do Projeto
Figura 5 - Exemplos de Relatórios Disponibilizados no Sistema de Informação
Diante de tantas perspectivas para acesso e apresentação de dados, surge ainda a possibilidade de integrar as aplicações de apresentação de dados em forma geográfica ao repositório de dados do DW para aumentar a qualidade de apresentação nas informações deste sistema, de maneira a localizar geograficamente pontos de gargalo da rede ou ainda apresentar indicadores associados a regiões compreendidas pela área de concessão da CELESC.
A abordagem de disponibilizar aos próprios usuários formas de gerarem seus relatórios, permitiu que os funcionários da CELESC pudessem fazer suas investigações sem a necessidade de envolver um técnico em informática, proporcionando desse modo uma maior flexibilidade e liberdade para a realização dos estudos. Essa abordagem possibilitará ainda uma diminuição da sobrecarga sobre os técnicos de informática da empresa.
5. Conclusão
As técnicas de data warehousing e mineração de dados vêm sendo empregadas com sucesso no domínio da extração e recuperação de informações estratégicas em diversos setores produtivos e para variados fins.
Neste artigo foram apresentados os aspectos relacionados à implementação de uma plataforma de gestão integrada de redes de distribuição iniciada em um ciclo de pesquisa e desenvolvimento na CELESC. Foram resgatados os elementos teóricos das técnicas utilizadas no desenvolvimento do data warehousing e apresentados alguns resultados alcançados através da plataforma.
Os indicativos extraídos pela plataforma através dos relatórios disponibilizados pelo sistema de informação possibilitaram um acesso rápido a informações que até então não eram consideradas na gestão das redes, devido à dificuldade no acesso e na manipulação dos dados. Assim, torna-se possível buscar uma maior eficiência nos processos ligados à gestão da rede de distribuição, de forma a melhorar a qualidade da energia fornecida pela concessionária, além da diminuição de custos.
6. Referências Bibliográficas
[1] DABBAGHCHI, I. et al. AI Application Areas in Power Systems. IEEE Expert, v. 12, n. 1, p. 58-66, 1997.
[2] SIMOUDIS, E. Reality Check for Data Mining. IEEE Expert, v. 11, n. 5, p. 26-33, 1996.
[3] FULLER, J. F; FUCHS, E. F.; ROESLER, K. J. Influence of harmonics on power distribution system protection. IEEE Trans. Power Delivery, v. 3, p. 549-557, Apr. 1988.
[4] LEE, S. J.; SIAU, K. A review of data mining techniques. Industrial Management & Data Systems, 101: (1-2), p. 41-46, 2001
[5] BRACKETT, M. H. The Data Warehouse Challenge. Taming Data Chaos. John Wiley & Sons Inc. [6] BERRY, M. J. A.; LINOFF, G. Data Mining Techniques - for Marketing, Sales, and Customer
Support. New York: John Wiley & Sons, 1997.
[7] KIMBALL, R. The Data Warehouse Lifecicle Toolkit. New York: John Wiley & Sons Inc., 1998. [8] TANLER, R. Intranet Data Warehouse. Rio de Janeiro: Infobook, 1998.
[9] PALMA, S. Os Componentes Funcionais de um Data Warehouse. Developers’ Magazine, Rio de Janeiro: Axcel Books, n. 18, p.18-20, 1998. 66 p.
[10] HARRISON, T. H. Intranet Data Warehouse. USA: McGraw-Hill, 1997.
[11] INMON, W. H. Como Construir o Data Warehouse. Rio de Janeiro: Campus, 1997.
[12] SELL, D.; PACHECO, R. C. S. Uma Arquitetura para Distribuição de Componentes Tecnológicos de Sistemas de Informações baseados em Data Warehouse, In: ENEGEP, 2002, Proceedings... 2002. [13] GONÇALVES, A. L. Utilização de Técnicas de Mineração de Dados na Análise dos Grupos de
Pesquisa do Brasil. 2000. Dissertação (Mestrado em Engenharia de Produção e Sistemas) –
Universidade Federal de Santa Catarina, Florianópolis, 2000.
[14] ELLER, N. A. Arquitetura de informação para o gerenciamento de perdas comerciais de energia
elétrica. 2003. Tese (Doutorado em Engenharia de Produção e Sistemas) – Universidade Federal de
Santa Catarina, Florianópolis, 2003.
[15] SELL, D. Uma Arquitetura para Distribuição dos Componentes Tecnológicos de Sistemas de
Informações Baseados em Data Warehouse. 2001. Dissertação (Mestrado em Engenharia de
Produção e Sistemas) – Universidade Federal de Santa Catarina, Florianópolis, 2001.
[16] SALM, J. F. Extensões da UML para Descrever Processos de Negócio. 2003. Dissertação (Mestrado em Engenharia de Produção e Sistemas) – Universidade Federal de Santa Catarina, Florianópolis, 2003.
