Mostrar el registro sencillo del ítem
Desenvolvimento de um protótipo para uso de dados não estruturados em sistema de medição de desempenho
dc.contributor.author | Assandre, Junior Aparecido | |
dc.date.accessioned | 2022-08-31T17:04:19Z | |
dc.date.available | 2022-08-31T17:04:19Z | |
dc.date.issued | 2022-06-29 | |
dc.identifier.citation | ASSANDRE, Junior Aparecido. Desenvolvimento de um protótipo para uso de dados não estruturados em sistema de medição de desempenho. 2022. Tese (Doutorado em Engenharia de Produção) – Universidade Federal de São Carlos, São Carlos, 2022. Disponível em: https://repositorio.ufscar.br/handle/ufscar/16550. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/16550 | |
dc.description.abstract | Given the potential that big data can bring to organizations with the use of the large amount of unstructured data generated quickly in different formats and sources, and the scarcity of empirical research to validate its impacts and opportunities for performance measurement systems (SMD). The main objective of this thesis was to develop an SMD prototype using deep learning and big data analytics (BDA) techniques for collecting, storing and analyzing unstructured data. Among the different formats of unstructured data, video images were used, due to their great availability. As a way to present the cognitive process of the design and construction of the SMD prototype in a functional state and thus create generalizable knowledge for this class of problem, the design science research (DSR) research method was used. During the prototype development process, it was possible to identify convergences between the MDS development phases and the phases to be followed to put a big data project into operation. The analysis of these convergences together with the learning acquired in the prototype development process, highlighted the most relevant points in this type of project. The research results indicated the importance of a support infrastructure for the use of unstructured data by the SMD and the even greater dependence on the area of information technology and computer science. The results also showed that, by providing the creation of performance measures and advanced analysis of unstructured data, previously unfeasible, BDA, deep learning and computer vision techniques positively influence the validity, reliability and timeliness of this resource, as well as its level. aggregation and costs. Thus, the main contribution of the thesis was to generate relevant, practical and prescriptive knowledge for the use of unstructured data from videos in SMDs, in order to contribute to their improvement and adaptation. | eng |
dc.description.sponsorship | Não recebi financiamento | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Sistema de Medição de Desempenho | por |
dc.subject | Dados Não Estruturados | por |
dc.subject | Big Data | eng |
dc.subject | Big Data Analytics | eng |
dc.subject | Deep Learning | eng |
dc.title | Desenvolvimento de um protótipo para uso de dados não estruturados em sistema de medição de desempenho | por |
dc.title.alternative | Development of a prototype for the use of unstructured data in a performance measurement system | eng |
dc.type | Tese | por |
dc.contributor.advisor1 | Oprime, Pedro Carlos | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/9291517431456908 | por |
dc.contributor.advisor-co1 | Martins, Roberto Antonio | |
dc.contributor.advisor-co1Lattes | http://lattes.cnpq.br/3518820028045730 | por |
dc.description.resumo | Tendo em vista as potencialidades que o big data pode trazer às organizações com o uso da grande quantidade de dados não estruturados gerados rapidamente em diferentes formatos e origens, e a escassez de pesquisas empíricas para validar seus impactos e oportunidades para os sistemas de medição de desempenho (SMD). Esta tese teve como principal objetivo, desenvolver um protótipo de SMD com uso de técnicas de deep learning e big data analytics (BDA) para coleta, armazenagem e análise de dados não estruturados. Entre os diferentes formatos de dados não estruturados, foram utilizadas as imagens de vídeos, frente a sua grande disponibilidade. Como forma de apresentar o processo cognitivo do projeto e construção do protótipo de SMD em estado funcional e assim criar conhecimento generalizável para esta classe de problema, foi usado o método de pesquisa design science research (DSR). Durante o processo de desenvolvimento do protótipo foi possível identificar convergências entre as fases de desenvolvimento dos SMD e as fases a serem seguidas para colocar em operação um projeto de big data. A análise destas convergências em conjunto com o aprendizado adquirido no processo de desenvolvimento do protótipo, evidenciaram os pontos mais relevantes neste tipo de projeto. Os resultados da pesquisa indicaram a importância de uma infraestrutura de suporte para o uso de dados não estruturados pelo SMD e a dependência ainda maior da área da tecnologia da informação e ciência da computação. Os resultados também evidenciaram que ao proporcionar a criação de medidas de desempenho e análises avançadas de dados não estruturados, anteriormente inviáveis, as técnicas de BDA, deep learning e visão computacional, influenciam positivamente a validade, confiabilidade e pontualidade deste recurso, bem como seu nível de agregação e custos. Assim, a principal contribuição da tese foi gerar conhecimento relevante, prático e prescritivo para uso de dados não estruturados de vídeos em SMDs, de forma a contribuir com seu aperfeiçoamento e adaptação. | por |
dc.publisher.initials | UFSCar | por |
dc.publisher.program | Programa de Pós-Graduação em Engenharia de Produção - PPGEP | por |
dc.subject.cnpq | ENGENHARIAS::ENGENHARIA DE PRODUCAO::GERENCIA DE PRODUCAO | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/1927212195836219 | por |