Please use this identifier to cite or link to this item:
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/33102
Title: | Seleção dos indicadores mais relevantes para melhorar o monitoramento dos dados em estatal de transporte de passageiros utilizando PCA. |
Other Titles: | Selection of the most relevant indicators to improve data monitoring in state-owned passenger transport using PCA. |
???metadata.dc.creator???: | GOMES, Daniel Alexandre da Silva. MOREIRA, Miguel Ângelo Lellis. MIRANDA, Jarbas Honorio de. FÁVERO, Luiz Paulo. SANTOS, Marcos dos. |
Keywords: | Aprendizado de máquina - PCA;Técnica de aprendizado de máquina PCA;Monitoramento de dados;Logarítmo;Estatal de transportes de passageiros - monitoramento de dados;Transporte ferroviário de passageiros - monitoramento de dados;Transporte coletivo sobre trilhos - estatal;Indicadores de desempenho;Redução de dimensionalidade;Machine Learning - PCA;PCA machine learning technique;Logarithm;Data monitoring;State passenger transport - data monitoring;Rail passenger transport - data monitoring;Public transport on rails - state-owned;Performance indicators;Dimensionality reduction |
Issue Date: | 2023 |
Publisher: | Universidade Federal de Campina Grande |
Citation: | GOMES, Daniel Alexandre da Silva; MOREIRA, Miguel ngelo Lellis; MIRANDA, Jarbas Honorio de; FÁVERO, Luiz Paulo; SANTOS, Marcos dos. Seleção dos indicadores mais relevantes para melhorar o monitoramento dos dados em estatal de transporte de passageiros utilizando PCA. In: XI SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO, 11, 2023. Anais [...]. Campina Grande - PB, Garden Hotel & Resort,, 2023. ISSN: 2318-9258. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/33102 |
???metadata.dc.description.resumo???: | O Monitoramento efetivo de indicadores realizado pelas empresas é crucial para uma gestão otimizada, para alocação de recursos devidamente e promoção da melhoria do desempenho. No caso da empresa estudada, o resultado obtido foi essencial, principalmente por se tratar da utilização de verba pública. Para isto, este trabalho teve o propósito de aplicar a técnica de aprendizado de máquina chamada PCA para a seleção de indicadores de desempenho efetivos para a gestão, provenientes de um conjunto de indicadores pré-estabelecidos pela empresa. Os dados analisados foram fornecidos pelo setor operacional a fim de chegar a uma quantidade de reduzida de indicadores, mas que fosse capaz de traduzir para os gestores informações suficientes sem a necessidade de esforço para analisar os dados original. Este estudo trouxe uma significativa contribuição para a empresa porque os resultados obtidos permitiram avaliar os indicadores de custo, segurança e manutenção para uma importante tomada de decisão baseada em dados, melhorando o desempenho corporativo. Palavras-Chaves: KPI; indicadores; visualização de dados; tomada |
Keywords: | Aprendizado de máquina - PCA Técnica de aprendizado de máquina PCA Monitoramento de dados Logarítmo Estatal de transportes de passageiros - monitoramento de dados Transporte ferroviário de passageiros - monitoramento de dados Transporte coletivo sobre trilhos - estatal Indicadores de desempenho Redução de dimensionalidade Machine Learning - PCA PCA machine learning technique Logarithm Data monitoring State passenger transport - data monitoring Rail passenger transport - data monitoring Public transport on rails - state-owned Performance indicators Dimensionality reduction |
???metadata.dc.subject.cnpq???: | Engenharia de Produção. |
URI: | http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/33102 |
Appears in Collections: | Anais do Simpósio de Engenharia de Produção SIMEP |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
SELEÇÃO DOS INDICADORES MAIS RELEVANTES PARA MELHORAR O MONITORAMENTO DOS DADOS EM ESTATAL - ANAIS XI SIMEP ARTIGO 2023.pdf | Seleção dos indicadores mais relevantes para melhorar o monitoramento dos dados em estatal de transporte de passageiros utilizando PCA. - Anais XI Simep Artigo 2023 | 437.45 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.