Método de classificação de perdas por making-do com uso de Machine Learning

Resumo

O presente estudo investiga o potencial de uso e o melhor modelo de ajuste para a classificação automatizada das perdas por making-do em canteiros de obras, com técnicas de Machine Learning, visando reduzir a laboriosidade e as inconsistências do método manual. Diante da dificuldade de análise manual de um banco de dados textual robusto de inconformidades, propõe-se criar um método automatizado que aplicasse algoritmos de Machine Learning. Para tanto, foram coletados 8.196 registros da plataforma de gestão de serviços Melius Qualidade, abrangendo vinte e um empreendimentos de alto padrão multifamiliares de três construtoras em Goiânia/GO, dos quais 3.598 foram considerados qualificados para a pesquisa. A classificação inicial foi manual, seguida pela aplicação de nove algoritmos de Machine Learning no software Orange Data Mining para teste e avaliação classificatória dos dados de entrada. Os resultados indicaram que o agrupamento dos dados por empresa possui melhor ajuste para predição, com o modelo de Rede Neural atingindo um recall de até 98,20%, destacando-se como o mais eficaz. O estudo evidencia que a automação agiliza o processo de classificação, e aumenta a precisão e consistência na identificação das perdas por making-do, contribuindo de forma relevante para a otimização da gestão da qualidade em obras.