FGV Repositório Digital
    • português (Brasil)
    • English
    • español
      Acesse:
    • FGV Biblioteca Digital
    • FGV Periódicos científicos e revistas
  • español 
    • português (Brasil)
    • English
    • español
  • Entrar
Ver item 
  •   Página inicial
  • FGV EAESP - Escola de Administração de Empresas de São Paulo
  • FGV EAESP - MPGC: Mestrado Profissional em Gestão para a Competitividade
  • Ver item
  •   Página inicial
  • FGV EAESP - Escola de Administração de Empresas de São Paulo
  • FGV EAESP - MPGC: Mestrado Profissional em Gestão para a Competitividade
  • Ver item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Navegar

Todo o repositórioComunidades FGVAutorOrientadorAssuntoTítuloDataPalavra-chaveEsta coleçãoAutorOrientadorAssuntoTítuloDataPalavra-chave

Minha conta

EntrarCadastro

Estatísticas

Ver as estatísticas de uso

Otimização do portfólio de clientes: uma nova proposição através de design de processos baseado em dados

Thumbnail
Visualizar/Abrir
PDF (3.789Mb)
Data
2021-03-19
Autor
Paula, Carolina Mourão de
Orientador
Francisco, Eduardo de Rezende
Metadados
Mostrar registro completo
Resumo
Dentre as principais práticas de modelagem de processos, a técnica Process Mining captura e analisa o comportamento real de processos a partir do uso de Analytics no contexto das soluções de Mineração de Dados. Não obstante, apesar dos avanços dessa área, ainda há espaço para inclusão de outras técnicas analíticas que alcancem melhorias na performance do processo a partir dos dados. Este trabalho propõe o uso de análises probabilísticas com Cadeias de Markov para a descoberta do real processo a partir dos logs do sistema e aplica em estudo de caso empírico a uma empresa multinacional de serviços logísticos. Como principais resultados, destaca-se que a aplicação dessa técnica revelou um processo com variações muito mais probabilísticas do que determinísticas formalizadas na instituição. Mais ainda, a dissimilaridade entre os processos dos clientes foi notada de forma significativa, o que implica em um distanciamento da ideia de um processo único institucionalizado. Com os dados derivados da descoberta dos diferentes processos, foi possível executar simulações que produzissem resultados para melhorar a produtividade do departamento. Dentre as soluções para testar cenários que produzissem melhor resultado entre receita e custos derivados dos processos, um algoritmo baseado em alocações aleatórias de volume de negócio por cliente testou a performance de diferentes composições desses portfólios para conseguir melhor receita média comparado ao desvio padrão do lead time do processo. Para otimizar os resultados das simulações, foi empregado algoritmo genético para resolver o modelo proposto de forma eficiente. Assim, foi formulada uma função objetivo para diminuir o desvio padrão do lead time do processo, aumentar a receita média do departamento, diminuir o desvio padrão da receita, diminuir o lead time do processo e diminuir o escore de desvios do processo, empregando uma nova carteira de clientes. Esse novo modelo, deriva da abordagem matemática da teoria de portfólio criada por H. Markowitz (1952), diminuindo o desvio padrão de 344,26 horas para 297,54 horas e aumentando a receita média por transação por cliente de R$ 702,29 para R$ 729,75, potencializando um significativo aumento anual de receita para a companhia. A mineração de processos foi a fundação para um tipo de procedimento que analisa custos dos processos como base para a obtenção de uma carteira de clientes com melhores resultados e abre um horizonte de usos combinados entre a Gestão de Processos e os métodos analíticos de otimização.
URI
https://hdl.handle.net/10438/30396
Coleções
  • FGV EAESP - MPGC: Mestrado Profissional em Gestão para a Competitividade [493]
Áreas do conhecimento
Tecnologia
Assunto
Clientes - Contatos
Mineração de dados (Computação)
Aquisição de conhecimento (Sistemas especialistas)
Algoritmos de computador
Palavra-chave
Mineração de dados
Process Mining
Algoritmos Genéticos
Portfólio de Clientes
Big Data Analytics

DSpace software copyright © 2002-2016  DuraSpace
Entre em contato | Deixe sua opinião
Theme by 
@mire NV
 

 


DSpace software copyright © 2002-2016  DuraSpace
Entre em contato | Deixe sua opinião
Theme by 
@mire NV
 

 

Importar metadado