Aplicações de machine learning nas áreas da engenharia de produção

Autores

  • Edmilson Homma Junior Universidade Tecnológica Federal do Paraná
  • Marlon Alves Bomfim Universidade Tecnológica Federal do Paraná
  • Ricardo Franco de Almeida Filho Universidade Tecnológica Federal do Paraná
  • Amauri Ornellas da Silva Universidade Tecnológica Federal do Paraná
  • Gustavo Cruz Rigonati Universidade Tecnológica Federal do Paraná
  • Daniele Gonçalves de Toledo Luchetta Raminelli Universidade Tecnológica Federal do Paraná
  • Bruno Samways dos Santos Universidade Tecnológica Federal do Paraná
  • Rafael Henrique Palma Lima Universidade Tecnológica Federal do Paraná https://orcid.org/0000-0002-9098-3025

DOI:

https://doi.org/10.6008/CBPC2179-684X.2022.001.0026

Palavras-chave:

Machine learning, Mineração de dados, Engenharia de produção, Revisão sistemática, Bibliometria

Resumo

Este artigo teve como objetivo a realização de uma revisão sistemática, seguida de uma bibliometria, para analisar quantitativamente e qualitativamente as publicações sobre machine learning (ML) no período de 2015 a 2020, contidas nos principais eventos da Engenharia de Produção (EP) no Brasil. Foi desenvolvido um protocolo de pesquisa e critérios de elegibilidade para identificar pesquisas que continham aplicações das técnicas de ML, resultando em 71 artigos elegíveis para a etapa de bibliometria. Em seguida, analisou-se a quantidade de artigos por evento, publicações por instituição, autores mais frequentes, rede de cooperação, áreas da EP mais exploradas, principais tarefas e técnicas de ML. Os resultados mostraram que as áreas mais exploradas foram a Gestão da Qualidade e a Engenharia Econômica, enquanto que as tarefas voltadas à classificação e os algoritmos baseados em Redes Neurais e Árvores de Decisão, foram os mais frequentes nas pesquisas. Quanto às instituições de ensino, a Universidade Tecnológica Federal do Paraná (UTFPR) foi a que mais publicou neste período, e em conjunto com a Pontifícia Universidade Católica do Paraná (PUC-PR) e a Universidade Federal Fluminense, foram as instituições que mais participaram de artigos em parceria com outras universidades. A pesquisadora que mais publicou, participou de seis artigos e pertence ao programa de Pós-Graduação em Engenharia de Produção e Sistemas (PPGEPS), da PUC-PR.

Downloads

Não há dados estatísticos.

Biografia do Autor

Edmilson Homma Junior, Universidade Tecnológica Federal do Paraná

Graduando em Engenharia de Produção.

Marlon Alves Bomfim, Universidade Tecnológica Federal do Paraná

Graduando do curso de Engenharia de Produção pela Universidade Tecnológica Federal do Paraná (UTFPR) de Londrina/PR. Formado em Analise em Desenvolvimento de Sistema pela Universidade Norte do Paraná (Unopar), com formação Técnica na área de Mecânica pela Universidade Tecnológica Federal do Paraná (UTFPR-PG). Possui diversos conhecimentos na área de Informática, com compreensão básica do Idioma Inglês.

Ricardo Franco de Almeida Filho, Universidade Tecnológica Federal do Paraná

Graduando em Engenharia de Produção.

Amauri Ornellas da Silva, Universidade Tecnológica Federal do Paraná

Possui graduação em Produção Fonográfica pela Universidade do Oeste Paulista (2011). Atualmente é graduando em Engenharia de Produção pela Universidade Tecnológica Federal do Paraná - Campus Londrina.

Gustavo Cruz Rigonati, Universidade Tecnológica Federal do Paraná

Graduando em Engenharia de Produção, aspirante a cientista de dados.

Daniele Gonçalves de Toledo Luchetta Raminelli, Universidade Tecnológica Federal do Paraná

Técnica em Mecânica pelo Centro Paula Souza de Botucatu, SP. Tecnóloga em Processos Gerenciais pela UniCesumar de Londrina, PR. Granduanda em Engenharia de Produção na Universidade Tecnológica Federal do Paraná, UTFPR de Londrina, PR. Autou como representante discente do colegiado do curso de Engenharia Mecânica na UTFPR de Cornélio Procópio, PR. Bolsista de iniciação científica na área de Controle e Automação de Sistemas pela Fundação Araucária. Atualmente é membra de um grupo de pesquisa na área de Mineração de Dados (Data Mining) - GPOMD. Profissionalmente, trabalhou em áreas técnicas e administrativas visando otimizar a execução de tarefas, elaboração de relatórios, análise de dados, mensurar performance e produtividade e contribuir para um ambiente melhor. Aplicando Inteligência de Negócios (Business Intelligence, BI) e Análises (Analytics). Atualmente está na área de Operações Comerciais de uma empresa multinacional do agronegócio. Tem interesse em análise e mineração de dados, técnicas de machine learning para variadas aplicações, como educação, finanças, saúde pública, serviços e indústrias. 

Bruno Samways dos Santos, Universidade Tecnológica Federal do Paraná

Graduado em Engenharia de Produção com ênfase em Controle e Automação pela Universidade Tecnológica Federal do Paraná, Campus Ponta Grossa (UTFPR-PG), mestre em Engenharia de Produção pela mesma universidade e doutor em Engenharia de Produção e Sistemas pela Pontifícia Universidade Católica do Paraná (PUCPR). É professor efetivo do Departamento de Engenharia de Produção da Universidade Tecnológica Federal do Paraná do Campus Londrina (UTFPR - LD). É pesquisador líder do Grupo de Pesquisa em Otimização e Mineração de Dados (GPOMD), atuando na linha de pesquisa em mineração de dados, com ênfase em problemas de classificação e clusterização em diversas áreas. Tem interesse em modelos de otimização, técnicas de machine learning para variadas aplicações, como educação, saúde pública, serviços e indústrias.

Rafael Henrique Palma Lima, Universidade Tecnológica Federal do Paraná

Graduado em Ciência da Computação pela Universidade Estadual de Londrina (UEL) em 2004, obteve o título de Doutor em Engenharia de Produção pela Escola de Engenharia de São Carlos (EESC) / Universidade de São Paulo (USP) em 2012. Atualmente é Professor Adjunto no Departamento de Engenharia de Produção da Universidade Tecnológica Federal do Paraná (UTFPR Campus Londrina). Atua como docente e pesquisador nas áreas de Logística e Gestão de Cadeias de Suprimentos, Gestão de Operações, Inteligência Computacional e Gestão da Qualidade. 

Downloads

Publicado

2022-05-18

Edição

v. 13 n. 1 (2022): Revista Brasileira de Administração Científica - Jan, Fev, Mar 2022

Seção

Pesquisa Operacional

Licença

Copyright (c) 2022 Revista Brasileira de Administração Científica

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

A CBPC - Companhia Brasileira de Produção Científica (CNPJ: 11.221.422/0001-03) deterá os direitos materiais dos trabalhos publicados. Os direitos referem-se à publicação do trabalho em qualquer parte do mundo, incluindo os direitos às renovações, expansões e disseminações da contribuição, bem como outros direitos subsidiários. Todos os trabalhos publicados eletronicamente poderão posteriormente ser publicados em coletâneas impressas sob coordenação desta empresa e/ou seus parceiros. Os (as) autores (as) preservam os direitos autorais, mas não têm permissão para a publicação da contribuição em outro meio, impresso ou digital, em português ou em tradução.