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 |