Submitted by Mariana Dornelles Vargas (marianadv) on 2015-05-20T20:02:51Z No. of bitstreams: 1 avaliacao_longitudinal.pdf: 2297171 bytes, checksum: 2447a0efdc5e940062b85b94a7e8e674 (MD5) / Made available in DSpace on 2015-05-20T20:02:51Z (GMT). No. of bitstreams: 1 avaliacao_longitudinal.pdf: 2297171 bytes, checksum: 2447a0efdc5e940062b85b94a7e8e674 (MD5) Previous issue date: 2012 / Nenhuma / A busca da melhoria contínua é palavra de ordem em organizações de alto desempenho. Através do processo de melhoria contínua, busca-se aumentar o desempenho produtivo e organizacional com foco em melhores resultados para o negócio. Os processos de melhoria passam tanto por atividades de rotinas operacionais e organizacionais, quanto por mudanças de tecnologia que alteram significativamente a maneira de fazer as coisas. Essas mudanças podem ser tanto em atividades produtivas quanto em atividades administrativas. As mudanças tecnológicas devem ocorrer preferencialmente quando se esgotaram as possibilidades de melhorias nas rotinas, visto que mudanças tecnológicas demandam recursos financeiros, materiais e humanos. Após realizadas as mudanças tecnológicas, os resultados devem ser medidos para avaliar a efetividade da mudança, bem como os processos de melhoria devem ser monitorados para assegurar o caminho na direção de elevação das fronteiras de eficiência. E analisar esses aspectos de maneira integrada, considerando vários critérios simultaneamente é a que este trabalho se propõem. Para analisar os aspectos de melhorias contínuas e mudanças tecnológicas temporalmente, utilizou-se uma abordagem não paramétrica baseada na análise envoltória de dados (DEA), combinada com o índice de Malmquist aplicado a uma indústria petroquímica de segunda geração. Foram analisadas as campanhas de diferentes produtos visando identificar as mudanças de eficiência e suas possíveis origens. Como resultados observou-se que o processo de aprendizado e melhoria contínua não é observado em todos os períodos de análise e que as mudanças técnológicas nem sempre apresentam resultados positivos em termos de eficiência. / The continuous improvement is a very important watchword in high performance organizations, through the continuous improvement process is sought to increase organizational performance focusing on better business outcomes. The Improvement processes pass since operational routine and organizational activities, up to significantly changes about the way of doing things, these changes can be either productive or administrative activities. The technological changes should be applied preferentially when do not have possibilities of improve the routines, because technological changes require financial, material and human resources. After technological changes implemented the results need to be measured to analyze the change effectiveness and the improvement processes should be monitored to ensure the path toward increased border efficiency. And analyze these aspects in an integrated way, considering several criteria simultaneously is what this work propose. To analyze continuous improvement aspects and technological change temporarily used a non-parametric approach based on data envelopment analysis (DEA), combined with the Malmquist index applied to a petrochemical industry. Was analyzed the campaigns of different products to identify the changes in efficiency and its possible origins. The results showed that the learning process and continuous improvement is not observed in all analyzed periods and that technological changes do not always have positive outcomes in terms of efficiency .

O presente trabalho aborda os principais conceitos relacionados com as redes neurais artificiais, que são modelos baseados no comportamento do cérebro. As redes neurais artificiais assemelham-se ao cérebro quanto à obtenção do conhecimento através de um processo de aprendizado, e quanto ao uso da força de conexão interneurônio para armazenar o conhecimento, conhecida como peso sináptico. Existem vários modelos de redes neurais artificiais; os principais modelos são abordados neste trabalho. Estes modelos diferem-se quanto à arquitetura e processo de aprendizado. A escolha do processo de aprendizado é influenciada pela tarefa a ser realizada pela rede neural. Cada modelo de rede neural artificial é mais adequado para resolver um determinado tipo de problema. Sugerem-se alguns problemas na área de administração financeira para serem resolvidos pelo uso desta tecnologia, com a especificação de um determinado modelo, e ainda se propõe uma contribuição para um assunto específico na área de administração financeira: o processo de previsão de insolvência das organizações. / The present work addresses the main concepts related to artificial neural networks, which are models based on brain behavior. Artificial neural networks resemble the brain regarding acquisition of knowledge through a learning process, and regarding the use of interneuron connection strength to storing the knowledge, known as synaptic weight. There are various artificial neural network models, the main models are addressed in this work. These models differ regarding the architecture and learning process. The choice of learning process is influenced by task to be carried out by the neural network. Each artificial neural network model is suitable for solving a determined type of problem. Some problems in the area of financial administration are suggested for resolution by the use of this technology, specifying a determinated model, and yet intend a contribution to a specific subject in the area of financial administration: the process of forecasting of insolvency of organizations.

This dissertation deals with the economic change of the countries of late industrialization, comparing the Brazilian case to the South Korean in two periods of time. The first period is from the 1950s to the 1980s, in which both countries were technologically catching-up with the more developed countries, and a second period goes from the 1980s until the 2010 decade, when Brazil falling-behind technological, and South Korea teamed up with the developed countries and start to lead the technological development process. For this, a neoschumpeterian and structuralist theoretical framework was used and as well the concepts of Innovation Systems and Economic Change as nuclear concepts. The economic complexity tools, Product Space and the Economic Complexity Index (ECI) was used to observe the economic trajectories. In this approach trade variables are used as a proxy to understand the different economic and technological performances of the countries. The Economic Complexity Index (ECI) shows that South Korea since the beginning of the period of analysis gradually joins with the developed countries, appearing in the second period of analysis among the countries with the most complex economies in the world. The ECI reveal, corroborating with the theoretical framework adopted, that during the period of technological catching-up (1955-1980), Brazil gradually gained better positions, however, from the 1980s forward it successively lost positions in the economic complexity ranking. While the Product Space illustrates the structural change in the economies of 1962 to 1981, when the structural change in the Brazilian and South Korean economy was significant, diversifying and sophisticating the export agenda, from 1981 to 2014 in the South Korean economy, structural change continues to occur substantially increasing production sophistication, but the Brazilian economic structure does not observe any relevant changes, the diversification remained similar to 1981 and without the sophistication of production. It was verified that the structural changes promoted by both countries led to the trajectory of technological catching-up, however, while South Korea continued to promote structural change by adapting its development model, and moved forward in the technological development, while Brazil abandoning its already exhausted model of import substitution without substitution by another model, resulting in the end of the promotion of structural changes and the trajectory of technological falling-behind. Structural analysis through the approach of economic complexity makes it possible to understand why South Korea has moved on and Brazil has lagged behind. / Esta dissertação trata da mudança econômica dos países de industrialização tardia, comparando o caso brasileiro ao sul-coreano em dois períodos de tempo. O primeiro a partir da década de 1950 até a década de 1980, no qual ambos os países se emparelhavam tecnologicamente (catching-up) com países mais desenvolvidos, e um segundo período estabelecido a partir da década de 1980 até a década de 2010, em que o Brasil ficou para trás tecnologicamente (falling-behind), e a Coreia do Sul se emparelhou e passou a liderar o processo de desenvolvimento tecnológico (forging-ahead). Para isso, valeu-se de um referencial teórico neoschumpeteriano e estruturalista e utilizou os conceitos Sistemas de Inovação e Mudança Econômica como conceitos nucleares. Foi utilizado o ferramental da complexidade econômica, Product Space e o Índice de Complexidade Econômica (ICE), para observação das trajetórias, nessa abordagem as variáveis de comércio são usadas como proxy para compreender os diferentes desempenhos econômicos e tecnológicos dos países. O Índice de Complexidade Econômica (ICE) evidência que a Coreia do Sul desde o início do período de análise passa gradualmente a se emparelhar com os países desenvolvidos, figurando, no segundo período de análise, entre os países com as economias mais complexas do mundo. O ICE mostra, corroborando com o referencial teórico adotado, que durante o período de catching-up tecnológico brasileiro (1955-1980), o Brasil ganhou paulatinamente melhores posições, no entanto, a partir da década de 1980, passa sucessivamente a perder posições no ranking da complexidade econômica. Enquanto o Product Space ilustra a mudança estrutural nas economias de 1962 a 1981, quando a mudança estrutural na economia brasileira e sul-coreana foi significativa, diversificando e sofisticando a pauta de exportação, já no período de 1981 a 2014, na economia sul-coreana a mudança estrutural continua ocorrendo, aumentando substancialmente a sofisticação produtiva, mas na estrutura econômica brasileira não se observa mudanças relevantes, manteve-se a diversificação similar a 1981 e sem a sofisticação da produção. Constatou-se que as mudanças estruturais promovidas por ambos os países levaram a trajetória de catching-up tecnológico, no entanto, enquanto a Coreia do Sul continuou promovendo mudança estrutural da economia através da adaptação do seu modelo de desenvolvimento, e seguiu em frente no desenvolvimento tecnológico, já o Brasil abandona o seu já esgotado modelo de substituição de importações sem a substituição por um outro modelo, resultando no fim da promoção das mudanças estruturais e na trajetória de falling-behind tecnológico. A análise estrutural por meio da abordagem da complexidade econômica possibilita compreender porque a Coreia do Sul seguiu em frente e o Brasil ficou para trás.

Submitted by Maicon Juliano Schmidt (maicons) on 2015-07-15T14:12:15Z No. of bitstreams: 1 Iberê Guarani de Souza.pdf: 3328129 bytes, checksum: 6f2250512f214402473b148d4ad6e48d (MD5) / Made available in DSpace on 2015-07-15T14:12:15Z (GMT). No. of bitstreams: 1 Iberê Guarani de Souza.pdf: 3328129 bytes, checksum: 6f2250512f214402473b148d4ad6e48d (MD5) Previous issue date: 2014-01-31 / Nenhuma / As empresas buscam, a cada dia, melhorar sua eficiência produtiva e, com isso, aumentar sua lucratividade e competitividade. Para tanto, há diversas formas de descobrir os fatores críticos de competitividade que podem estar presentes nos mais diversos setores de manufatura. Logo, o uso de técnicas robustas para avaliar e medir esses fatores torna-se essencial para o suporte à tomada de decisão. Este estudo tem o objetivo de analisar a influência dos processos de melhoria contínua e de aprendizado em termos de eficiência e volume de produção em uma empresa de manufatura. Para atingir o objetivo proposto, a pesquisa realiza um estudo de caso utilizando a Análise Envoltória de Dados (DEA), combinada com o teste de Regressão Linear e o teste de ANOVA. Nesta etapa, formula-se um modelo conceitual com quatro hipóteses principais e oito hipóteses secundárias. Para avaliação da eficiência DEA, o modelo utiliza retornos variáveis de escala (VSR) com orientação a insumo, considerando as principais matérias-primas utilizadas pela empresa com base no custo variável total. O teste de Regressão Linear efetua a avaliação do impacto do processo de melhoria e de aprendizado na eficiência (DEA). Por sua vez, o teste de ANOVA avalia as médias da eficiência de cada linha de produção para cada ano analisado. O estudo realiza-se de forma longitudinal, com avaliação de seis anos de produção de manufatura. Os resultados da pesquisa mostram que apenas uma das linhas de produção aumentou a eficiência ao longo do tempo. Além disso, indicam que duas linhas de produção tiveram impacto das ações de melhoria no volume de produção. Logo, as variáveis referentes aos programas de Kaizen, às horas de treinamento e à experiência dos funcionários influenciaram significativamente o modelo. Verifica-se que os projetos voltados à melhoria contínua e ao aprendizado não foram suficientes para aumentar a eficiência em duas importantes linhas de produção. Além disso, o estudo elucida que o volume de produção impacta negativamente a eficiência de uma das linhas de produção. Com a análise, é possível identificar quais fatores são representativos para aumentar a eficiência produtiva. Logo, conclui-se que a atualização tecnológica constitui um fator importante a ser seguido pela empresa estudada. / Everyday, companies seek to improve their productive efficiency and, thus, increase their profitability and competitiveness. For both, there are several ways to discover the critical factors of competitiveness that may be present in various manufacturing sectors. Thus, the use of robust techniques to assess and measure these factors is essential to support decision making. This study aims to analyze the influence of the processes of continuous improvement and learning in terms of efficiency and production volume in a manufacturing company. To achieve the proposed objective, the research conducts a case study using Data Envelopment Analysis (DEA), combined with the Linear Regression test and the ANOVA test. At this stage, a conceptual model with four main hypotheses and eight secondary ones is formulated. To evaluate the DEA efficiency, the model uses Variable Scale Returns (VSR) with input orientation considering the main raw materials used by the company based on the total variable cost. The Linear Regression test performs the evaluation of the impact of the improvement process and learning efficiency (DEA). In turn, the ANOVA test evaluates the average efficiency of each production line for each year analyzed. The study is carried out longitudinally, by reviewing six years of manufacturing. The survey results show that only one of the production lines increased efficiency over time. In addition, the results indicate that two production lines have been impacted by the actions of improvement in the volume of production. Therefore, the variables related to Kaizen programs, to the hours of training and to employees ́ experience significantly influenced the model. It can be concluded that the projects focused on continuous improvement and learning were not sufficient to increase efficiency in two major production lines. Furthermore, the study shows that the production volume negatively impacts the efficiency of the production lines. With the analysis, it is possible to identify which factors are representative to increase production efficiency. Therefore, it can be conclude that the technology upgrade is an important factor to be followed by the company studied.