Business intelligence e sistemas nebulosos na definição de lean score

Pedro Dantas Bezerra  Braga; Tatiana Gondim do  Amaral; Reymard Sávio Sampaio de  Melo

doi:10.46421/sbtic.v3i00.597

Business intelligence e sistemas nebulosos na definição de lean score

Autores/as

Pedro Dantas Bezerra Braga Universidade Federal do Rio Grande do Norte http://lattes.cnpq.br/4096104661668670
Tatiana Gondim do Amaral Universidade Federal de Goiás http://orcid.org/0000-0002-9746-4025 http://lattes.cnpq.br/7298757233386815
Reymard Sávio Sampaio de Melo Universidade Federal da Bahia https://orcid.org/0000-0001-9111-8992 http://lattes.cnpq.br/7652960701727650

DOI:

https://doi.org/10.46421/sbtic.v3i00.597

Palabras clave:

Construção enxuta, Lógica fuzzy, Desempenho enxuto, Regras fuzzy, Power BI

Resumen

Não há um consenso na literatura sobre o método mais adequado de se avaliar o nível de implementação de construção enxuta em empresas. Ao contrário dos métodos de avaliação existentes, o uso da lógica fuzzy reduz a subjetividade da avaliação. Este artigo usa o Business Intelligence para definir as regras de um modelo de sistema de inferência difuso para calcular o indicador de desempenho “lean score”. A simulação pelo Power BI permitiu identificar vieses no modelo. As regras propostas foram locadas igualmente para cada uma das quatro variáveis de entrada do modelo: presença, complexidade, tempo e estágio.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Pedro Dantas Bezerra Braga, Universidade Federal do Rio Grande do Norte

Cursando Engenharia Civil na Universidade Federal do Rio Grande do Norte.

Tatiana Gondim do Amaral , Universidade Federal de Goiás

Doutorado em Engenharia Civil pela Universidade Federal de Santa Catarina. Professora na Universidade Federal de Goiás.

Reymard Sávio Sampaio de Melo , Universidade Federal da Bahia

Doutorado em Engenharia Civil pela Universidade Estadual de Campinas. Professor na Universidade Federal da Bahia.

Citas

BOJADZIEV, G.; BOJADZIEV, M. Fuzzy logic for business, finance, and management. 2nd ed. Singapore: World Scientific, 2007. 252 p.

CALDINI, V.; VARELA, E. Uso de Business Intelligence para gerenciamento processos pós-obra. In: ENCONTRO NACIONAL DE TECNOLOGIA DO AMBIENTE CONSTRUÍDO, 18., 2020, Porto Alegre. Anais [...]. Porto Alegre: ANTAC, 2020.

CAMARGO FILHO, C. A. B. LCAT: ferramenta de avaliação da implementação da construção enxuta. 2017. 143 f. Dissertação (Mestrado em Geotecnia, Estruturas e Construção Civil) - Universidade Federal de Goiás, Goiânia, 2017.

CHEN, H; CHIANG, R. H.; STOREY V. C. Business Intelligence and Analytics: From Big Data to Big Impact. MIS Quarterly. v.36, n.4, p.1165–88, 2012. DOI: https://doi.org/10.2307/41703503

ETGES, B. M. B. S.; SAURIN, T. A.; BULHÕES, I. R. A Protocol for Assessing the Use of Lean Construction Practices. In: ANNUAL CONFERENCE INTERNATIONAL GROUP FOR LEAN CONSTRUCTION, 21., 2013, Fortaleza. Proceedings […] Fortaleza: IGLC, 2013, p 93-101.

GAOL, F.; ABDILLAH, L.; MATSUO, T. Adoption of Business Intelligence to Support Cost Accounting Based Financial Systems — Case Study of XYZ Company. Open Engineering. v. 11, n. 1, 2021, p. 14-28, 2021. DOI: https://doi.org/10.1515/eng-2021-0002

KO, C. H. Evolutionary Fuzzy Neural Inference Model (EFNIM) for Decision-Making in Construction Management. 2002. Ph.D. Thesis, Department of Construction Engineering, National Taiwan University of Science and Technology, Taipei, Taiwan, 2002.

KOSKELA, L. Lean Production in Construction. In: ANNUAL INTERNATIONAL SYMPOSIUM ON AUTOMATION AND ROBOTICS IN CONSTRUCTION, 10., 1993, Houston. Proceedings […] Houston: The International Association for Automation and Robotics in Construction, 1993, p.47-54. DOI: https://doi.org/10.22260/ISARC1993/0007

LOPES, A. B. Aplicações analíticas na construção civil: investigações e um estudo de caso na gestão de custos. 2020. 102 f. Dissertação (Mestrado em Tecnologias, Gestão e Sustentabilidade) - Universidade Estadual do Oeste do Paraná, Foz do Iguaçu, 2020.

MOSSMAN, A. What Is Lean Construction: Another Look - 2018. In: ANNUAL CONFERENCE INTERNATIONAL GROUP FOR LEAN CONSTRUCTION, 26., 2018, Chennai. Proceedings […] Chennai: IGLC, 2018, p 1229-1239. DOI: https://doi.org/10.24928/2018/0309

PETROVIĆ, D.; TANASIJEVIĆ, M.; MILIĆ, V.; LILIC, N.; STOJADINOVIĆ, S.; SVRKOTA, I. Risk assessment model of mining equipment failure based on fuzzy logic. Expert Systems with Applications. v.41, n.18, p. 8157–8164, 2014. DOI: https://doi.org/10.1016/j.eswa.2014.06.042

deflection. Neural Network World. v.24, p.193-210, 2014.

ROY, A.; CHENG, M.; WU, Y. Time dependent evolutionary fuzzy support vector machine inference model for predicting diaphragm wall deflection. Neural Network World. v.24, p.193-210, 2014.

VICENTE, P. O uso de simulação como metodologia de pesquisa em ciências sociais. Cadernos EBAPE.BR, Rio de Janeiro, v. 3, n. 1, p. 01-09, Mar. 2005. Disponível em: http://dx.doi.org/10.1590/S1679-39512005000100008

WOMACK, J. P.; JONES, D. T. Beyond Toyota: how to root out waste and pursue perfection. Harvard business review, v.74, n.5, p. 140, 1996.

ZADEH L. A. Fuzzy sets. Information and Control. v.8, n.3, p. 338–353, 1965. DOI: https://doi.org/10.1016/S0019-9958(65)90241-X

Descargas

Publicado

2021-08-30

Cómo citar

BRAGA, Pedro Dantas Bezerra; AMARAL , Tatiana Gondim do; MELO , Reymard Sávio Sampaio de. Business intelligence e sistemas nebulosos na definição de lean score. In: SIMPÓSIO BRASILEIRO DE TECNOLOGIA DA INFORMAÇÃO E COMUNICAÇÃO NA CONSTRUÇÃO, 3., 2021. Anais [...]. Porto Alegre: ANTAC, 2021. p. 1–8. DOI: 10.46421/sbtic.v3i00.597. Disponível em: https://eventos.antac.org.br/index.php/sbtic/article/view/597. Acesso em: 6 ene. 2025.