[pt] Os impostos arrecadados pelas prefeituras são revertidos para o bem comum, para investimentos (tais como infraestrutura) e custeio de bens e serviços públicos, como saúde, segurança e educação. A previsão de valores futuros a serem arrecadados é uma das tarefas que as prefeituras têm como desafio. Essa é uma tarefa importante, pois as informações obtidas das previsões são valiosas para dar apoio à decisão com relação ao planejamento estratégico da prefeitura. Sendo assim, a investigação de modelos de previsão de impostos municipais, através de técnicas inteligentes, é de grande importância para a administração municipal. Deste modo, um dos objetivos desta dissertação foi desenvolver dois modelos para previsão de impostos utilizando redes neurais. Um modelo considerando variáveis endógenas e outro considerando variáveis endógenas e exógenas. Outro grande desafio para as prefeituras são as irregularidades no pagamento de tributos (erro ou fraude), que também prejudica o planejamento estratégico. A fiscalização mensal de todos os contribuintes é uma tarefa impossível de se realizar devido à desproporção entre o número de contribuintes e o reduzido número de agentes fiscais. Assim, a investigação de métodos baseados em técnicas inteligentes para indicar os possíveis suspeitos de irregularidade, é importante para o desempenho das atividades do agente fiscal. Deste modo, outro objetivo desta dissertação foi desenvolver um modelo visando identificar possíveis suspeitos de irregularidades no pagamento do ISSQN (Imposto Sobre Serviços de Qualquer Natureza). Os modelos de previsão foram avaliados, com três estudos de caso usando dados do município de Araruama. Para o modelo de previsão utilizando variáveis endógenas utilizou-se dois estudos de caso: o primeiro caso para a previsão de Receitas da Dívida Ativa e o segundo caso para a previsão de Receitas Tributárias, e um terceiro estudo caso para o modelo de previsão do ISSQN, utilizando variáveis endógenas e exógenas. Essas previsões obtiveram resultados, que se julgam promissores, a despeito dos dados utilizados nos estudos de caso. Com relação à irregularidade, apesar de não ter sido possível avaliar os resultados obtidos, entende-se que a ferramenta poderá ser utilizada como indicador para novas diligências. / [en] Taxes collected by city halls are reverted towards common welfare; investments (such as infrastructure), and funding of public goods, as services on health, safety and education. The prediction of tax revenues is one of the tasks that have as challenges the city hall. This is an important task; because the information obtained from these predictions are important to support the city halls with relation the strategic planning. Thus, the investigation of prediction models designed for tax revenues through intelligent techniques is of great importance for public administration. One of the goals of this dissertation was to develop two models to prediction tax revenue using neural networks. The first model was designed considering endogenous variables only. The latter, considered both endogenous and exogenous variables. Another major challenge for city hall are irregularities in the taxes payment (error or fraud), which also affect the strategic planning. A monthly of all taxpayers is an impossible task to accomplish, due to the disproportion between the number of taxpayers and the reduced number of tax agents. Thus, research of methods based on intelligent techniques that indicate possible irregularities, is of great importance for tax agents. This way, another objective of this dissertation was to develop a model to identify possible suspects irregularities in the payment of the ISSQN (tax services of any nature). Prediction models were evaluated with three case studies using data from the city hall of Araruama. For the prediction model using endogenous variable, two case studies we used: (i) active debt revenues prediction, (ii) tax revenues prediction and (iii) ISSQN prediction, the latter using both endogenous and exogenous variables. In spite of the data used in the case studies, the results obtained from modeling are promising. Regarding tax irregularities, even though is not possible to evaluate the obtained results, the developed tool may be used as an indicator for future applications.

[pt] Atualmente, na era da quarta revolução industrial, também conhecida como Indústria 4.0 (I4.0), a tecnologia Robotic Process Automation (RPA) tem sido considerada uma importante ferramenta de transformação digital em operações e cadeias de suprimentos, em função da sua abordagem leve para automatizar e otimizar tarefas repetitivas, agilizar e aprimorar os processos internos, e controlar processos de negócio de ponta a ponta, o que permite a redução de custo e do risco operacional. Impulsionado pelo COVID-19, o mercado de tecnologias RPA continua sendo um dos segmentos que mais cresce no mercado de software corporativo. Entretanto, na literatura acadêmica ainda há poucos trabalhos referentes ao tema RPA com a abordagem voltada para a cadeia de suprimentos, ainda que seja cada vez mais utilizado na área de compras com foco na automatização dos processos. Além disso, apesar de existirem modelos de aceitação de tecnologia (e.g., TAM e TAM2), que possuem critérios relevantes para apurar a inovação, ainda existem poucos estudos que combinem esses critérios com métodos de apoio multicritério a decisão para propor uma metodologia mais robusta para seleção de tecnologias na era I4.0. E, pela análise da literatura ainda não há pesquisas relacionando critérios para adoção de tecnologias RPA e abordagem multicritério em grupo pelas lentes da teoria da difusão da inovação. Diante disso, o objetivo desta pesquisa é propor uma metodologia para avaliação de plataformas de RPA no contexto da I4.0 e pelas lentes da teoria da difusão da inovação. Esta metodologia é testada a partir da seleção de uma plataforma de RPA para aplicação no processo de compras de uma empresa operadora offshore de petróleo, gás e energia eólica. A metodologia da pesquisa envolve métodos mistos, com abordagem multicritério em grupo, a qual combinou dois métodos: Fuzzy Delphi e AHP-express, e a coleta de dados através de questionários estruturados elaborados a partir dos relatórios das empresas de consultoria Gartner (2021) e Forrester (2021) referentes as plataformas de RPA presentes no mercado. Os resultados da pesquisa indicaram que a plataforma de RPA Workfusion foi a melhor plataforma a ser aplicada na área de compras da empresa, o que pode estar relacionado a sua boa performance nos critérios: processamento de dados estruturados, automação assistida e aplicativos de RPA desenvolvidos para usuários de front-end. Por outro lado, a plataforma de RPA Blue Prism foi a pior avaliada, possuindo baixa pontuação nos critérios: disponível na cloud, dashboards integrados e automação autônoma. Assim, do ponto de vista prático, o trabalho contribui com uma nova metodologia seleção de plataformas de RPA para o setor de compras, a qual possui relevância para literatura acadêmica e traz a sua contribuição para indústria que em futuros estudos, deve ser aplicada a mais empresas da indústria de petróleo, gás e energia eólica. / [en] Today, in the era of the fourth industrial revolution, also known as Industry 4.0 (I4.0), Robotic Process Automation (RPA) technology has been considered an important tool for digital transformation in operations and supply chains because of its lightweight approach to automate and optimize repetitive tasks, streamline and improve internal processes, and control end-to-end business processes, which enables cost and operational risk reduction. Driven by COVID-19, the market for RPA technologies continues to be one of the fastest growing segments in the enterprise software market. However, in the academic literature there are still few works referring to the RPA theme with the approach focused on the supply chain, even though it is increasingly used in the purchasing area with a focus on process automation. Moreover, despite the existence of technology acceptance models (e.g., TAM and TAM2), which have relevant criteria to assess innovation, there are still few studies that combine these criteria with multicriteria decision support methods to propose a more robust methodology for technology selection in the I4.0 era. And, from the literature review there is still no research relating RPA technology adoption criteria and group multicriteria approach through the lens of innovation diffusion theory. Given this, the objective of this research is to propose a methodology for evaluating RPA platforms in the context of I4.0 and through the lenses of innovation diffusion theory. This methodology is tested from the selection of an RPA platform for application in the procurement process of an offshore oil, gas and wind energy operating company. The research methodology involves mixed methods, with a group multicriteria approach, which combined two methods: Fuzzy Delphi and AHP-express, and data collection through structured questionnaires elaborated from the reports of the consulting companies Gartner (2021) and Forrester (2021) regarding the RPA platforms present in the market. From the research results, the RPA platform Workfusion was selected as the best platform to be applied in the purchasing area of the company that is the object of study, due to its good evaluation in the criteria: structured data processing, assisted automation and RPA applications developed for front-end users, however the RPA platform Blue Prism was in the lowest level of the ranking of the 14 RPA platforms evaluated, due to its low score in the criteria: available in the cloud, integrated dashboards and autonomous automation. Thus, from a practical point of view, the work contributes a new methodology for selecting RPA platforms for the procurement industry, which has relevance for academic literature and brings its contribution to industry that in future studies, should be applied to more companies in the oil, gas and wind energy industry.

[pt] Na perspectiva de estimular o aprimoramento do processo de gestão da inovação pelas micro, pequenas e médias empresas (MPMEs) brasileiras e contribuir para formulação ou revisão de políticas públicas de Ciência, Tecnologia e Inovação (CTeI) voltadas para esse segmento, a presente dissertação tem como objetivo geral propor um modelo para monitorar e avaliar a capacidade inovativa de MPMEs. A pesquisa pode ser considerada descritiva, metodológica e aplicada. A partir dos resultados da revisão bibliográfica e documental sobre os temas centrais da pesquisa, desenvolveu-se um modelo para mensuração e avaliação da capacidade inovativa de MPMEs, com base na integração de dois métodos multicritério fuzzy de apoio à decisão – Fuzzy Analytical Hierarchy Process (FAHP) e Fuzzy Technique for Order of Preference by Similarity to Ideal Solution (FTOPSIS). Visando demonstrar a aplicabilidade desse modelo no contexto das MPMEs e explicitar seus diferenciais metodológicos em comparação a outros métodos de apoio à decisão, não combinados com a teoria de conjuntos fuzzy, realizou-se um estudo junto a 15 MPMEs participantes do Programa NAGI da PUC-Rio. Destacam-se como principais contribuições da pesquisa um modelo para mensuração e avaliação da capacidade inovativa de MPMEs, que considera a complexidade, subjetividade e incerteza como características inerentes a essa atividade, e um conjunto de indicadores compostos associados às três dimensões de capacidade inovativa contempladas no modelo proposto. / [en] From the perspective of stimulating the improvement of the process of innovation management by micro, small and medium enterprises (MSMEs) and contributing to the formulation or review of public policies concerning the area of Science, Technology and Innovation (CTandI), focusing on this segment, the aim of the dissertation is to propose a model to monitor and evaluate the innovative capacity of MSMEs. This research can be classified as descriptive, methodological and applied. From the bibliographic and documentary review on the central themes of the research, a model was developed to measure and evaluate the innovative capacity of MSMEs based on the integration of two fuzzy multi-criteria methods of decision support - Fuzzy Analytical Hierarchy Process (FAHP) and Fuzzy Technique for Order of Preference by Similarity to Ideal Solution (FTOPSIS). Aiming to demonstrate the applicability of this model in the context of MSMEs and to explicit its methodological differentials in comparison to other methods for measuring the innovative capacity of enterprises, an empirical study with 15 MSMEs participants of the NAGI Program at PUC-Rio was carried out during the applied phase of this research. The main contributions are a model for measuring and evaluating the innovative capacity of MSMEs, which considers the complexity, subjectivity, and uncertainty as characteristics inherent to these activities, and a set of composed indicators associated with the three dimensions of the innovative capacity considered in the proposed model.

[pt] A tese de doutorado tem por objetivo avaliar os impactos decorrentes da implementação de estratégias de eficientizacão energética na indústria de papel e celulose. A motivação pela escolha do tema resultou da necessidade de obter ganhos de energia considerando aspectos que, usualmente, não são considerando em programas de eficiência de energética (i.e.: aspectos sociais, técnicos, econômicos e ambientais). A metodologia utilizada –Método Multicritério de Apoio à Decisão Fuzzy-AHP-TOPSIS– (i) permitiu selecionar as tecnologias de eficientização aplicáveis ao subsetor de papel e celulose e (ii) possibilitou avaliar a influência de cada critério e subcritério na hierarquização de alternativas de eficientização energética. Os resultados consolidados permitiram: (i) confirmar que mudanças tanto nos processos, quantos nas tecnologias transversais do subsetor de papel e celulose devem ser implementadas; (ii) identificar os principais critérios decorrentes da eficientização energética no âmbito social, técnico, econômico e ambiental. Como conclusão, a pesquisa avaliou a relevância de cada critério, sugerindo, inclui-los em programas brasileiros de eficiência energética. Assim, a pesquisa legitima a sua contribuição para o setor energético brasileiro, promovendo o desenvolvimento de novos estudos na área de eficiência energética. / [en] The goal of this work is to evaluate the impacts of the implementation of energy efficiency strategies in the pulp and paper industry. The motivation for choosing the theme resulted from the need to obtain energy gains considering aspects that, usually not considered in energy efficiency programs (i.e.: social, technical, economical and environmental aspects). The methodology used –Multicriteria Decision Making Method Fuzzy-AHP-TOPSIS – (i) allowed to select the efficiency technologies applicable to the pulp and paper sub-sector and (ii) made it possible to evaluate the influence of each criterion and sub-criterion in the hierarchy of alternatives of energy efficiency. The consolidated results allowed: (i) to confirm that changes in the processes and in the transversal technologies of the pulp and paper subsector must be implemented; (ii) identify the main criteria resulting from energy efficiency in social, technical, economic and environmental aspects. As a conclusion, this work evaluated the relevance of each criterion, suggesting that it be included in Brazilian energy efficiency programs. Thus, the research legitimizes its contribution to the Brazilian energy sector, promoting the development of new studies in the area of energy efficiency.

[pt] O mundo vive hoje uma era de transformação digital resultante da chamada indústria 4.0 ou quarta revolução industrial. Nesta fase, a tecnologia tem exercido um papel cada vez mais estratégico no desempenho das organizações. Estes avanços tecnológicos têm revolucionado o processo de tomada de decisão na gestão e operação de cadeias de suprimentos. Neste contexto, esta dissertação apresenta uma metodologia de apoio à decisão na gestão de estoques, que combina multi-criteria decision making (MCDM) e machine learning (ML). A princípio, é realizada uma revisão sistemática da literatura para analisar como estas duas abordagens são aplicadas na gestão de estoques. Os resultados são complementados com um scoping review abrangendo a previsão de demanda. Inicia-se então um estudo de caso, aplicado em uma ferrovia de transporte de cargas. É aplicado, inicialmente, o método MCDM combinado Fuzzy AHP Vikor para ranquear os stock keeping units (SKUs) em ordem de criticidade. O passo seguinte é a aplicação do método de ML combinado GA-ANN, artificial neural network com genetic algorithm, com o objetivo de realizar a previsão de demanda em um piloto com alguns dos itens mais críticos. A etapa final consiste em estruturar um dashboard gerencial, integrando os resultados das etapas anteriores. Dentre os resultados alcançados, a partir do modelo proposto, observa-se considerável melhora na performance da previsão de demanda dos SKUs selecionados. Além disso, a integração entre as abordagens e implementação em um dashboard gerencial permitiu o desenvolvimento de um modelo semiautomático de tomada de decisão na gestão de estoques. / [en] The world is experiencing an era of digital transformation resulting from the industry 4.0 or fourth industrial revolution. In this period, technology has played an increasingly strategic role in the performance of organizations. These technological advances have revolutionized the decision-making process in the management and operation of supply chains. In this context, this dissertation presents a methodology to support decision-making in inventory management, which combines multi-criteria decision-making (MCDM) and machine learning (ML). At first, there is a systematic literature review in order to analyze how these two approaches are applied in inventory management. The results are complemented with a scoping review that includes the demand forecasting. A case study is then applied to a freight transport railway. Initially, the MCDM combined Fuzzy AHP Vikor method is applied to rank stock keeping units (SKUs) in degrees of criticality. The next step is the application of the ML combined GA-ANN method, artificial neural network with genetic algorithm, for the purpose of demand forecasting in a pilot with some of the most critical items. The final step is to structure a management dashboard, integrating the results of the previous steps. Among the results achieved from the proposed model, there is a considerable improvement in the performance of the demand forecasting for the selected SKUs. In addition, the integration between approaches and implementation in a management dashboard allowed the development of a semiautomatic model for decision-making in inventory management.

[pt] A abordagem Quality Function Deployment (QFD) integrada a métodos multicritério de apoio à decisão vem sendo amplamente aplicada a projetos de novos produtos, particularmente quando integrada à lógica fuzzy. O objetivo da dissertação é propor um modelo conceitual baseado na abordagem fuzzy ANP-QFD para definir e priorizar requisitos de projeto de novos produtos de defesa à luz de requisitos dos clientes. A pesquisa pode ser considerada descritiva, metodológica e aplicada. A partir dos resultados da revisão bibliográfica e documental sobre os temas centrais da pesquisa, desenvolveu-se um modelo conceitual para definição e priorização de requisitos técnicos de novos produtos de defesa, buscando-se preencher lacunas identificadas na literatura especializada no período 1987-2017. A aplicabilidade do modelo foi demonstrada mediante um estudo empírico no âmbito do Projeto COBRA 2020, uma iniciativa estratégica do Exército brasileiro. Para este estudo, selecionou-se um dos produtos do referido Projeto – um monóculo de visão térmica. Destacam-se como principais contribuições da pesquisa um modelo para definir e priorizar requisitos de projeto de novos produtos de defesa, que considera a complexidade, subjetividade e incerteza como características inerentes a projetos de novos produtos de defesa. Os resultados desta pesquisa poderão ser replicados em outros projetos de novos produtos de defesa – no Centro Tecnológico do Exército – CTEx – e em outras instituições militares envolvidas com atividades de pesquisa, desenvolvimento e inovação (PDeI) no Brasil e no exterior. / [en] The Quality Function Deployment (QFD) approach integrated with multicriteria decision-support methods has been widely applied to development of new product, particularly with the support of fuzzy logic. The objective of this dissertation is to propose a conceptual model based on the fuzzy ANP-QFD approach to define and prioritize project requirements of new defense products. The research can be considered descriptive, applied, and methodological. Based on the results of the bibliographic and documentary review on the central themes of the research, a conceptual model was developed to determine and prioritize project requirements of new defense products, seeking to fill gaps identified during the literature review covering the period of 1987-2017. The applicability of the model was demonstrated by an empirical case study having as experimental context the Project COBRA 2020, a strategic initiative of the Brazilian Army. For this study, one of new products to be developed within this Project was selected – a monocle of thermal vision. The main contribution of the research is a model for determining and prioritizing project requirements of new defense products, which considers the complexity, subjectivity, and uncertainty as inherent characteristics to the design of new defense products. The research findings could be replicated in other projects of new defense products - at the Army Technological Center - CTEx - and other military institutions dealing with research, development and innovation (RDandI) activities in Brazil and abroad.