Seleção dos indicadores mais relevantes para melhorar o monitoramento dos dados em estatal de transporte de passageiros utilizando PCA.

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	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.initials	UFCG	pt_BR
dc.subject.cnpq	Engenharia de Produção.	pt_BR
dc.citation.issue	11	pt_BR
dc.title	Seleção dos indicadores mais relevantes para melhorar o monitoramento dos dados em estatal de transporte de passageiros utilizando PCA.	pt_BR
dc.date.issued	2023
dc.identifier.uri	http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/33102
dc.date.accessioned	2023-11-22T18:55:52Z
dc.date.available	2023-11-22
dc.date.available	2023-11-22T18:55:52Z
dc.type	Artigo de Evento	pt_BR
dc.subject	Aprendizado de máquina - PCA	pt_BR
dc.subject	Técnica de aprendizado de máquina PCA	pt_BR
dc.subject	Monitoramento de dados	pt_BR
dc.subject	Logarítmo	pt_BR
dc.subject	Estatal de transportes de passageiros - monitoramento de dados	pt_BR
dc.subject	Transporte ferroviário de passageiros - monitoramento de dados	pt_BR
dc.subject	Transporte coletivo sobre trilhos - estatal	pt_BR
dc.subject	Indicadores de desempenho	pt_BR
dc.subject	Redução de dimensionalidade	pt_BR
dc.subject	Machine Learning - PCA	pt_BR
dc.subject	PCA machine learning technique	pt_BR
dc.subject	Logarithm	pt_BR
dc.subject	Data monitoring	pt_BR
dc.subject	State passenger transport - data monitoring	pt_BR
dc.subject	Rail passenger transport - data monitoring	pt_BR
dc.subject	Public transport on rails - state-owned	pt_BR
dc.subject	Performance indicators	pt_BR
dc.subject	Dimensionality reduction	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.creator	GOMES, Daniel Alexandre da Silva.
dc.creator	MOREIRA, Miguel Ângelo Lellis.
dc.creator	MIRANDA, Jarbas Honorio de.
dc.creator	FÁVERO, Luiz Paulo.
dc.creator	SANTOS, Marcos dos.
dc.publisher	Universidade Federal de Campina Grande	pt_BR
dc.language	por	pt_BR
dc.title.alternative	Selection of the most relevant indicators to improve data monitoring in state-owned passenger transport using PCA.	pt_BR
dc.identifier.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	pt_BR