http://repositorio2.unb.br/jspui/handle/10482/40573
Fichier | Description | Taille | Format | |
---|---|---|---|---|
2020_MauroLuizErpen.pdf | 6,73 MB | Adobe PDF | Voir/Ouvrir |
Titre: | Análise da percepção da importância relativa dos fatores críticos de sucesso na indústria da construção civil utilizando redes neurais artificiais |
Autre(s) titre(s): | Analysis of the perception of the relative importance of the critical success factors in the civil construction industry using artificial neural networks |
Auteur(s): | Erpen, Mauro Luiz |
metadata.dc.contributor.email: | mauro.luiz.erpen@gmail.com |
Orientador(es):: | Souza, André Luiz Aquere de Cerqueira e |
Coorientador(es):: | Neumann, Clóvis |
Assunto:: | Construção civil Gerenciamento de projetos Redes neurais artificiais Fatores críticos de sucesso |
Date de publication: | 19-avr-2021 |
Data de defesa:: | 27-nov-2020 |
Référence bibliographique: | ERPEN, Mauro Luiz. Análise da percepção da importância relativa dos fatores críticos de sucesso na indústria da construção civil utilizando redes neurais artificiais. 2020. 315 f., il. Tese (Doutorado em Estruturas e Construção Civil)—Universidade de Brasília, Brasília, 2020. |
Résumé: | Na engenharia um eficiente gerenciamento de projeto pode garantir o sucesso e reduzir os impactos de atrasos e mudanças que ocorrem durante a execução do empreendimento. É necessário distinguir práticas da empresa essenciais ao sucesso e o alinhamento dos recursos. Para tal, existem os Fatores Críticos de Sucesso (FCS), que identificam o conjunto de áreas chave que se mostram essenciais para a empresa alcançar a sua missão. Com a identificação dos FCS, mais eficientes serão as medidas a tomar, evitando-se projetos mal sucedidos. O objetivo foi criar um modelo para análise dos FCS que afetam ao Gerenciamento de Projetos na indústria da Construção civil com o uso de Redes Neurais Artificiais. A metodologia baseou-se na busca e seleção dos documentos utilizando método PRISMA (checklist com 27 itens) onde permaneceram somente documentos que foram considerados relevantes ao estudo e entrevistas. Depois de identificados os potenciais fatores de sucesso (FS) que afetam o Gerenciamento de Projetos, foi preparado um questionário para avaliar o efeito de cada fator. A análise das respostas foi feita pelo Índice de Importância Relativa (RII). A RNA foi utilizada para avaliar os fatores de sucesso mais significativos usando o software Neuro4 com o algoritmo Resilient Propagation para otimização de processos na obtenção de RNA satisfatórias. Foram encontrados um total de 37.822 artigos divididos e 2.328 revistas, tendo como busca os termos Fatores Críticos e Gerenciamento de Projetos, Fatores Críticos e RNAs, Gerenciamento de Projetos e RNAs e Gerenciamento de Projetos e Fatores Críticos e RNAs . De 874 e-mails enviados as Instituições de Ensino cadastradas no sistema e-mec, 191 respondidos distribuídos nos 27 estados brasileiros, onde 70% ocupa o cargo de professor/pesquisador, 26% coordenadores, 2% Reitor e 1% de Direção/Gerência. Foram calculados os índices relativos de importância e confeccionada a matriz que foi inserida no Neuro4 para obtenção de pesos para determinação dos FCS com uso do Algoritmo de Garson. Os fatores: Falta de cadastro de empresas para subcontratos, Falta de conhecimento dos requisitos da qualidade e Má coordenação entre as partes interessadas foram os mais críticos no gerenciamento de projetos. O fator: Inspeção irrealista e os métodos de ensaio propostos no contrato foi o mais crítico no gerenciamento de projetos nos dois tempos considerados, Tempo de Pesquisa e Tempo de Experiência dos respondentes. As RNAs produzem subsídios para se conhecer a relevância das variáveis de entrada adotadas, são eficientes para ordenar e transferir conhecimento não estruturado e se constituem um meio rápido e preciso para modelagem de variáveis não lineares. |
Abstract: | In engineering an efficient project management can guarantee success and reduce the impacts of delays and changes that occur during the execution of the enterprise. It is necessary to distinguish company practices essential to success and the alignment of resources. To do so, there are the Critical Success Factors (CSF), which identify the set of key areas that are essential for the company to achieve its mission. With the identification of CSF, the more efficient the measures to be taken, avoiding unsuccessful projects. The objective was to create a model for determining the CSF that affect Project Management in the construction industry with the use of Artificial Neural Networks. The methodology was based on the analysis of documents using PRISMA method (checklist with 27 items) where only documents that were considered relevant to the study and interviews remained. After identifying the potential Success Factors (SF) that affect Project Management, a questionnaire was prepared to evaluate the effect of each factor. The analysis of the answers was made by the Relative Importance Index (RII). ANN was used to evaluate the most significant success factors using the Neuro4 software with the Resilient Propagation algorithm for optimization of processes to obtain satisfactory ANN. A total of 37,822 divided articles and 2,328 journals were searched, with the following terms: Critical Factors and Project Management, Critical Factors and ANNs, Project Management and ANNs and Project Management and Critical Factors and ANNs. Of 874 e-mails sent to the Institutions of Education registered in the e-mec system, 191 answered distributed in the 27 Brazilian states, where 70% occupy the position of professor/researcher, 26% coordinators, 2% Rector and 1% of Direction/Management. The relative indexes of importance were calculated and the matrix that was used in the Neuro4 was obtained to obtain weights for the determination of the CSF using the Garson Algorithm. The factor: Unrealistic inspection and test methods proposed in the contract was the most critical in the management of projects in the two times considered, Research Time and Experience Time of the respondents. The ANNs produce subsidies to know the relevance of the input variables adopted, are efficient to order and transfer unstructured knowledge and constitute a fast and precise means for modeling nonlinear variables. |
metadata.dc.description.unidade: | Faculdade de Tecnologia (FT) Departamento de Engenharia Civil e Ambiental (FT ENC) |
Description: | Tese (Doutorado)—Universidade de Brasília, Programa de Pós-Graduação em Estruturas e Construção Civil, Faculdade de Tecnologia, 2020. |
metadata.dc.description.ppg: | Programa de Pós-Graduação em Estruturas e Construção Civil |
Licença:: | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. |
Collection(s) : | Teses, dissertações e produtos pós-doutorado |
Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.