Utilize este identificador para referenciar este registo:
https://hdl.handle.net/1822/77217
Título: | Desenvolvimento de um modelo preditivo de indicadores de desempenho em sistemas de gestão integrada suportado em redes neurais artificiais |
Outro(s) título(s): | Development of a predictive model in integrated management systems performance indicators supported on artificial neural networks |
Autor(es): | Freitas, Fábio Rafael Santos de |
Orientador(es): | Domingues, José Pedro Teixeira Costa, Lino |
Palavras-chave: | Indicadores chave de desempenho Redes neurais artificiais Sistema de gestão integrada Artificial neural networks Integrated management system Key performance indicators |
Data: | 2021 |
Resumo(s): | A rede neural artificial (ANN) é uma ferramenta eficiente para tratar problemas complexos, dessa forma, a sua utilização para o desenvolvimento de um método de previsão de indicadores chave de desempenho (KPI) poderá auxiliar empresas que utilizam o sistema de gestão integrada (SGI) a prever o seu desempenho, considerando que muitas organizações buscam implementar o SGI para obter melhorias e, para mensurar seu desempenho é necessário que existam KPI que fornecem suporte e auxílio à gestão da qualidade. A partir disso, objetiva-se avaliar a ANN para realizar a previsão KPI em empresas que adotam o SGI e, através dessa previsão, analisar se os seus indicadores mostrarão crescimento ou recuo no seu desempenho. Para tanto, foram coletados dados de empresas que utilizam o SGI e através do software da Palisade NeuralTools foram realizadas ANN. A interpretação das ANN se deu através de gráficos e análises de erro relativo. Os resultados foram baseados nos dados disponibilizados pelo software e analisados através de gráficos e tabelas subdivididos em 3 modelos preditivos. O modelo “A” prevê o desempenho de uma empresa através dos dados de anos anteriores da própria empresa, o modelo “B” visa prever o desempenho de uma empresa utilizando os dados dela e de outras empresas ao longo do ano e de anos anteriores e o modelo “C” prevê o desempenho de uma empresa no ano seguinte utilizando os dados dela e de outras empresas nos anos anteriores. Realizou-se um comparativo entre as previsões e os valores reais, o que permite concluir que os resultados utilizando as ANN são satisfatórios, embora alguns indicadores tenham apresentado desempenho melhor num modelo em detrimento de outro. Também foi possível concluir que a utilização dos modelos preditivos estudados pode trazer vantagens competitivas através da melhoria dos processos, visto que, a ANN também calcula quais variáveis mais impactaram na previsão de cada indicador, conferindo assim, melhor precisão nas tomadas de decisão. The artificial neural network (ANN) is an efficient tool to deal with complex problems, therefore, its use for the development of a prediction method of key performance indicators (KPI) can help companies that use the integrated management system (IMS) to predict their performance, considering that many organizations seek to implement the IMS to obtain improvements and, to measure their performance, it is necessary that there are KPIs that provide support and assistance to quality management. From this, the objective is to evaluate the ANN to perform the KPI forecast in companies that adopt the IMS and, through this forecast, analyze whether their indicators will show growth or retreat in their performance. For this purpose, data were collected from companies that use the IMS, and through the Palisade NeuralTools software,an ANN was developed. The interpretation of ANN was done through graphics and relative error analysis. The results were based on data provided by the software and analyzed through graphs and tables subdivided into 3 predictive models. Model "A" predicts the performance of a company using data from previous years of the company itself, model "B" aims to predict the performance of a company using data from it and other companies throughout the year and from previous years and the “C” model predicts the performance of a company in the following year using data from it and other companies in previous years. A comparison was made between forecasts and actual values, which allows us to conclude that the results using the ANN are satisfactory, although some indicators have performed better in one model than in another. It was also possible to conclude that the use of the studied predictive models can bring competitive advantages through the improvement of processes, since the ANN also calculates which variables had the most impact on the prediction of each indicator, thus providing better precision in decision-making. |
Tipo: | Dissertação de mestrado |
Descrição: | Dissertação de mestrado em Engenharia e Gestão da Qualidade |
URI: | https://hdl.handle.net/1822/77217 |
Acesso: | Acesso aberto |
Aparece nas coleções: | BUM - Dissertações de Mestrado DPS - Dissertações de Mestrado |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Fábio Rafael Santos de Freitas.pdf | Dissertação de mestrado | 1,41 MB | Adobe PDF | Ver/Abrir |
Este trabalho está licenciado sob uma Licença Creative Commons