Sistema de informação gerencial para previsão de produtividade do trabalho na alvenaria de elevação

Detalhes bibliográficos
Autor(a) principal: Mori, Luci Mercedes De
Data de Publicação: 2008
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: http://repositorio.ufsc.br/xmlui/handle/123456789/91739
Resumo: Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Civil.
id UFSC_395722b226ff1cd01c29c91a654a50b3
oai_identifier_str oai:repositorio.ufsc.br:123456789/91739
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Sistema de informação gerencial para previsão de produtividade do trabalho na alvenaria de elevaçãoEngenharia civilSistemas de informação gerencialRedes neurais (Computação)Mineração de dados (Computação)ProdutividadeIndicesConstrução civilAlvenariaMao-de-obraTese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Civil.Os indicadores de produtividade de mão-de-obra são elementos importantes para o sistema de produção da construção civil, no fornecimento de informações para a elaboração de planejamento financeiro do empreendimento, da programação físicofinanceira e para o controle do processo produtivo. Neste sentido, o objetivo deste trabalho consiste no desenvolvimento de um sistema de informação gerencial, para fazer predição dos níveis de produtividade que devem ocorrer frente a condições ambientais predeterminadas, considerando o conjunto de fatores mais influentes na produtividade do trabalho do serviço de alvenaria de elevação. A metodologia se baseou na seleção de atributos, mineração de dados e redes neurais. Foram coletados indicadores diários de produtividade, cada um deles associados a 24 fatores passíveis de afetá-los, nas cidades de Florianópolis-SC e Maringá-PR. Esses dados, após serem tratados e normalizados, foram selecionados pelas ferramentas de seleção de atributos information gain, Qui-quadrado e heurística Correlationbased Feature Selection (CFS). Para se identificar os fatores de maior influência, os dados passaram por processo de mineração de dados, com o uso de um algoritmo de classificação. O sistema de informação desenvolvido foi baseado em redes neurais de múltiplas camadas alimentadas adiante, treinadas com o algoritmo de retropropagação do erro (error back-propagation), sendo sua capacidade de generalização analisada em experimentos mediante matriz de confusão e coeficiente Kappa. Os métodos de seleção de atributos associados à mineração de dados permitiram reduzir o número de fatores a serem analisados, bem como selecionar aqueles de maior impacto nos indicadores de produtividade, sem a presença de considerações subjetivas. A partir da mineração de dados, constatou-se diferentes níveis de influência dos atributos na produtividade, entretanto ficou evidente a influência da forma de pagamento da mão-de-obra nos níveis de produtividade. O sistema de informações desenvolvido é capaz de fazer a predição de índices de produtividade e selecionar o conjunto de atributos que proporcionam maior acurácia de generalização. Nos resultados das experimentações, as predições atingiram uma mediana acurácia, em torno de 70% de acerto para o conjunto de teste. Indicators of labour productivity are important factors for the system of production of civil construction, in the information delivery of the project#s financial planning, and for the physical-financial programming, and control of the production process. On the basis of these considerations, the purpose of this research is to develop a management information system to predict the levels of productivity that should occur due to the predetermined environmental conditions, considering the factors that significantly affect masonry productivity. The methodology was based on the selection of attributes, data mining and neural networks. Daily indicators of productivity were collected, each one of them was associated to 24 factors that could affect them in the cities of Florianopolis-SC and Maringá-PR. These data, after being treated and standardized, were selected by the tools of attributes selection information gain, chi-square and heuristic-based Correlation Feature Selection (CFS). To identify the factors that have the most influence, the data went through a data mining, with the use of decision tree algorithm. The developed information system was based on neural networks of multiple layers fed ahead, trained with the algorithm of error back-propagation. Its ability of generation was analyzed in experiments by matrix of confusion and Kappa coefficient. The attribute selection methods associated with data mining allowed to reduce the number of factors to be analyzed as well select the ones with greater impact on indicators of productivity, without the presence of subjective considerations. From the data mining it was verified different levels of influence of the attributes of productivity, however the influence of the labour form of payment was evident. The information system developed is capable of generating prediction of the productivity rates and selects the group of attributes that provide greater generalization accuracy. In the results of experiments, the predictions reached a median accuracy, around 70% of hit for the whole test.Florianópolis, SCJungles, Antonio EdesioUniversidade Federal de Santa CatarinaMori, Luci Mercedes De2012-10-24T02:02:31Z2012-10-24T02:02:31Z20082008info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesis222 f.| il., tabs.application/pdf258217http://repositorio.ufsc.br/xmlui/handle/123456789/91739porreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccess2013-04-30T23:46:26Zoai:repositorio.ufsc.br:123456789/91739Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732013-04-30T23:46:26Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Sistema de informação gerencial para previsão de produtividade do trabalho na alvenaria de elevação
title Sistema de informação gerencial para previsão de produtividade do trabalho na alvenaria de elevação
spellingShingle Sistema de informação gerencial para previsão de produtividade do trabalho na alvenaria de elevação
Mori, Luci Mercedes De
Engenharia civil
Sistemas de informação gerencial
Redes neurais (Computação)
Mineração de dados (Computação)
Produtividade
Indices
Construção civil
Alvenaria
Mao-de-obra
title_short Sistema de informação gerencial para previsão de produtividade do trabalho na alvenaria de elevação
title_full Sistema de informação gerencial para previsão de produtividade do trabalho na alvenaria de elevação
title_fullStr Sistema de informação gerencial para previsão de produtividade do trabalho na alvenaria de elevação
title_full_unstemmed Sistema de informação gerencial para previsão de produtividade do trabalho na alvenaria de elevação
title_sort Sistema de informação gerencial para previsão de produtividade do trabalho na alvenaria de elevação
author Mori, Luci Mercedes De
author_facet Mori, Luci Mercedes De
author_role author
dc.contributor.none.fl_str_mv Jungles, Antonio Edesio
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Mori, Luci Mercedes De
dc.subject.por.fl_str_mv Engenharia civil
Sistemas de informação gerencial
Redes neurais (Computação)
Mineração de dados (Computação)
Produtividade
Indices
Construção civil
Alvenaria
Mao-de-obra
topic Engenharia civil
Sistemas de informação gerencial
Redes neurais (Computação)
Mineração de dados (Computação)
Produtividade
Indices
Construção civil
Alvenaria
Mao-de-obra
description Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Civil.
publishDate 2008
dc.date.none.fl_str_mv 2008
2008
2012-10-24T02:02:31Z
2012-10-24T02:02:31Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv 258217
http://repositorio.ufsc.br/xmlui/handle/123456789/91739
identifier_str_mv 258217
url http://repositorio.ufsc.br/xmlui/handle/123456789/91739
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 222 f.| il., tabs.
application/pdf
dc.publisher.none.fl_str_mv Florianópolis, SC
publisher.none.fl_str_mv Florianópolis, SC
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652286384144384

Registros relacionados